Auditoría de visibilidad en IA: qué debe incluir

«Una auditoría de visibilidad en IA consiste en que alguien escriba el nombre de tu empresa en ChatGPT, haga tres capturas de pantalla y te cobre un PDF.» Si es lo que estás pensando, no vas desencaminado: hay auditorías que no son más que eso. Pero la respuesta a esa objeción no es un PDF más bonito. Es un protocolo, una lista cerrada de preguntas, idiomas, asistentes y repeticiones que cualquiera puede volver a ejecutar para obtener un resultado comparable.

Aquí tienes ese protocolo. Puedes aplicarlo tú mismo, con una hoja de cálculo y una tarde por mercado, o pasárselo a un proveedor y preguntarle qué puntos cubre su auditoría. Cada punto que se salte es una cifra que no podrás comprobar.

Antes de nada: lo que no es una auditoría de visibilidad en IA

Conviene descartar primero lo que circula con ese nombre y no mide nada:

Una carpeta de capturas de pantalla. Muestran una ejecución, en una cuenta, un día concreto.
Una «posición» o un «ranking» en ChatGPT. Las respuestas no tienen un orden fijo en el que clasificarse; lo más parecido que se puede medir con honestidad es un recuento sobre ejecuciones repetidas.
Una puntuación sin las respuestas que la sostienen.
Un informe en inglés para una empresa que vende en cuatro idiomas.
Cualquier cosa que llegue con una mejora prometida. Una auditoría mide. Quien garantiza lo que dirá la próxima medición está vendiendo otra cosa.

Si lo que te ofrecen encaja en alguno de estos puntos, lo que sigue te sirve para pedir otra cosa.

Las preguntas, escritas antes y congeladas

Toda auditoría empieza con preguntas de compra, las que hace alguien que todavía no te conoce: qué fabricantes hacen tal componente, quién está certificado según tal norma, quién da servicio en tal región. Tu marca no aparece en ellas.

Las preguntas que incluyen el nombre de tu empresa van en un grupo aparte. Enseñan lo que un asistente dice de ti a quien ya te conoce, no si te recomienda. Una auditoría que mezcla ambos grupos mide una visibilidad que el comprador nunca ve. Y una vez escrita, la lista no se toca: si cambian las preguntas, dos auditorías dejan de ser comparables. Cómo construirla mercado a mercado lo explicamos en un set de prompts para cada mercado de exportación.

España no es Latinoamérica, aunque se pregunte en español

Un comprador en Valencia, otro en Monterrey y otro en Bogotá hacen su pregunta en español. No esperan los mismos proveedores. Cambian los distribuidores, los directorios sectoriales, la prensa especializada y a menudo hasta el nombre de la categoría: lo que en España se busca con una palabra, en México puede buscarse con otra. Un asistente que busca en la web se apoya precisamente en esas fuentes locales.

Y dentro de España tampoco hay una sola lengua. Parte de tus compradores puede preguntar en catalán, en euskera o en gallego. Si esos mercados te importan, merecen sus propias preguntas, escritas en esa lengua, y no una suposición de que el resultado en castellano los cubre.

Para la auditoría, eso significa separar idioma y ubicación. La misma pregunta en español se lanza para cada país que te interesa, con su código de país, y las variantes léxicas se escriben aparte, no se dan por equivalentes. Lo mismo vale para tus otros mercados de exportación: un comprador en Lyon pregunta en francés y uno en Stuttgart en alemán, con preguntas escritas en cada idioma, no traducidas palabra por palabra.

Asistente, modelo y vía de acceso, por escrito

«Lo hemos mirado en ChatGPT» no es una especificación. Para cada respuesta, la auditoría registra:

el asistente: ChatGPT, Claude, Gemini, Perplexity u otros acordados;
el modelo y la fecha, porque el modelo por defecto de una aplicación cambia sin aviso;
la vía de acceso: la aplicación, con sesión iniciada o sin ella, o la API;
la búsqueda web, activada o no. En las API de OpenAI y de Anthropic, la búsqueda web es una herramienta que hay que añadir a la petición; sin ella, el modelo responde solo con lo que aprendió durante el entrenamiento;
la ubicación. Ambas API aceptan una ubicación aproximada con un código de país de dos letras. En la aplicación, la ubicación sale de la cuenta y de la conexión.

Ninguna de estas vías es la correcta. Cada una mide algo un poco distinto. Lo que inutiliza una auditoría no es elegir la API o la aplicación, sino no decir cuál.

Repetir cada pregunta y contar

La misma pregunta, hecha dos veces, puede devolver otra lista de empresas. Es el funcionamiento normal de estos sistemas, como explicamos en por qué las respuestas de la IA cambian cada vez. Una sola ejecución por pregunta es una anécdota.

El resultado se expresa como recuento: citada 6 veces de 10, en Claude, en alemán. Y ese recuento también se lee con cuidado. Con diez ejecuciones, un resultado de cinco de diez es compatible con una frecuencia real que va más o menos de dos a ocho de cada diez, como muestra cualquier calculadora de intervalos de confianza binomiales. Por eso una auditoría seria reparte sus ejecuciones entre muchas preguntas, idiomas y asistentes en lugar de amontonarlas en una sola. Y por eso una diferencia de una o dos menciones entre dos auditorías no es una tendencia.

Las fuentes, no solo los nombres

Una mención es el nombre de tu empresa en el texto. Una fuente es una página que el asistente consultó o enlazó. La auditoría necesita las dos cosas: la mención dice si te recomiendan, la fuente dice sobre qué páginas se construyó la recomendación.

Las fuentes no llegan de forma uniforme. PSentry reunió 17.719 respuestas por API entre diciembre de 2025 y octubre de 2026, sobre preguntas de sus usuarios, sobre todo de servicios B2B e industria, así que la muestra no representa todas las búsquedas. En ellas, Claude mostraba al menos una fuente en 97 respuestas de cada 100 y ChatGPT en 44 de cada 100. Una auditoría que lee fuentes solo en ChatGPT ve muchas menos.

Y aquí va una limitación que nos toca directamente: de esas 17.719 respuestas, solo 259 corresponden a preguntas en español. Son demasiado pocas para sacar conclusiones sobre qué dominios citan los asistentes en español, y por eso no las sacamos. Si un proveedor te presenta cifras sobre fuentes en español, pregúntale sobre cuántas respuestas se calcularon.

Los competidores que aparecen en tu lugar

Cuando una respuesta no te nombra, nombra a otro. Esos nombres se cuentan igual que los tuyos: mismas preguntas, mismas diez ejecuciones, mercado a mercado. Suelen ser la parte más útil de la auditoría, porque rara vez coinciden con los competidores que citaría tu equipo comercial: un distribuidor local, una empresa de un sector vecino, un directorio que se ha convertido en la respuesta. Y una lista de competidores sacada de una sola respuesta llamativa es un relato, no una medición.

Lo que te tienen que entregar

El entregable no es la puntuación. Es el texto completo de cada respuesta, con fecha, asistente, modelo, idioma, pregunta y fuentes, en un archivo que se abra en una hoja de cálculo. El resumen y la puntuación van encima. Sin ese archivo nadie puede revisar el resumen, y la auditoría del año que viene no será comparable con esta.

Hecha una vez, una auditoría es una foto. Repetida con las mismas preguntas, se convierte en una serie, y solo una serie distingue un cambio real del ruido. PSentry lanza preguntas fijas en ChatGPT, Claude, Gemini y Perplexity, en cada idioma y mercado que sigues, dos veces al mes, y guarda los competidores citados y las fuentes, con exportación CSV. Las preguntas se generan para cada sitio: alguien que conozca a tus compradores tiene que revisarlas igualmente. Y a cualquier herramienta, la nuestra incluida, pídele por escrito cómo gestiona el asistente, el modelo y la vía de acceso.