Cómo la IA elige proveedores para una RFQ

Un ingeniero de compras que buscaba un taller capaz de mecanizar titanio en cinco ejes solía empezar por un directorio: filtrar por proceso, luego por material, luego revisar certificaciones. Cada vez más, empieza directamente en una ventana de chat, escribe el requisito técnico tal cual, y recibe un párrafo que nombra a dos o tres empresas. El modelo ya hizo esa comparación, bien o mal, antes de que el comprador abra un directorio de verdad.

Ese párrafo merece más atención de la que le dedica la mayoría de las empresas. No proviene de un motor que haya evaluado proveedores contra una ficha técnica, sino de un modelo de lenguaje que predice qué nombres tienen más probabilidades de aparecer junto a la descripción de una capacidad concreta, a partir de todo lo que ha leído sobre el sector. Entender este mecanismo, en lugar de seguir consejos vagos sobre "visibilidad en IA", es lo que indica si tu empresa tiene alguna posibilidad real de aparecer ahí.

Qué tiene que existir antes de que un modelo pueda nombrarte

Para que un modelo escriba el nombre de tu empresa en una respuesta sobre mecanizado de titanio en cinco ejes con certificación AS9100D, esa combinación tiene que existir en un texto que el modelo haya leído: tu nombre, ese proceso, ese material, esa certificación, lo bastante cerca entre sí como para sobrevivir a cómo el modelo comprime lo que lee. Una página que dice "ofrecemos servicios de mecanizado de precisión" no basta: puede ser cierta, pero no es lo bastante específica para recuperarla ante una pregunta concreta, y el modelo no puede adivinar que tu página general también cubre el titanio en cinco ejes si nadie lo ha escrito donde un rastreador pueda leerlo.

Este es el detalle que sorprende a muchos fabricantes. Bastantes talleres que realmente saben hacer ese trabajo nunca lo han escrito en ningún sitio público: la capacidad vive en un presupuesto enviado a un cliente hace años, en una lista de máquinas que nadie subió a la web, en un certificado AS9100D guardado en una carpeta de la oficina de calidad. Desde el punto de vista de un modelo, esa capacidad no existe, porque nada la describe en una forma que haya podido leer alguna vez.

Una mención es una afirmación, varias son una señal

Incluso cuando la capacidad está escrita en algún sitio, una sola aparición es una señal débil. Una línea en la página de inicio es exactamente lo que escribiría un departamento de marketing, resista o no un examen riguroso, y un modelo entrenado con suficiente material publicitario aprende a darle menos peso. Lo que hace que un nombre entre en una respuesta de forma más fiable es la misma capacidad descrita de manera independiente en varios sitios: una página de proyecto en el sitio del propio fabricante, una ficha en un directorio sectorial que exige la certificación para inscribirse, una mención en una publicación especializada, un hilo de foro donde un ingeniero nombra a su proveedor para un trabajo parecido. Ninguno necesita ser grande, pero deben ser independientes y coincidir: diez repeticiones de la misma afirmación siguen siendo una señal débil repetida diez veces. Lo que distingue una señal fuerte de una débil es la procedencia, no la repetición.

Una señal desactualizada engaña a un modelo igual que una inexistente

Una página de certificación escrita hace tiempo y nunca actualizada es un riesgo, no una ventaja. Si la certificación AS9100D caducó, o la máquina de cinco ejes se sustituyó por capacidad de tres ejes sin actualizar el sitio, un modelo puede seguir nombrando con total confianza a esa empresa para un trabajo que ya no puede realizar, porque el texto antiguo sigue siendo la versión más reciente que ha leído. Esto perjudica al comprador tanto como si la empresa nunca hubiera sido mencionada, solo que se descubre después, cuando la RFQ ya se ha enviado. Y no es algo que se resuelva de una vez para siempre: la imagen que un modelo tiene de tu empresa se construye a partir de lo último que se escribió sobre ella.

Por qué la pregunta específica es más fácil de ganar que la genérica

"Servicios de mecanizado CNC" es una pregunta con un número enorme de respuestas legítimas, casi todas lo bastante genéricas como para que un modelo no tenga motivo de peso para preferir un nombre sobre otro: termina eligiendo los nombres que aparecen con más frecuencia en el contenido genérico más amplio, lo cual premia a quien más ha publicado, no a quien está mejor preparado. "Mecanizado de titanio en cinco ejes con certificación AS9100D" es distinta: muchas menos empresas pueden reclamar honestamente los tres elementos a la vez, lo que reduce el campo lo suficiente como para que una sola página bien documentada sea la señal más fuerte del conjunto.

Esto va en contra de cómo se escribe la mayoría del contenido de marketing, pensado para atraer al mayor número posible de personas, lo cual lo vuelve olvidable para un sistema que intenta responder a una pregunta específica. La página que gana está escrita para esa consulta: proceso, tolerancia, material, certificación, con las palabras de un ingeniero, no las de un folleto que quiere impresionar a todo el mundo a la vez. Imagina un taller que hace exactamente ese trabajo, piezas de titanio en cinco ejes con tolerancias estrechas, plenamente certificado AS9100D, pero que solo se ha descrito en línea como "socio de mecanizado de precisión de servicio integral". Podría ser el proveedor mejor cualificado del país para esa RFQ y no aparecer nunca en una respuesta, por no haber publicado nada que permita relacionar ambas cosas.

Una comprobación que puedes hacer tú mismo esta misma tarde

Elige la capacidad real más específica de tu empresa, el tipo de detalle que aparecería en una RFQ, no en un titular de la página de inicio. Formúlala como lo haría un comprador que la busca, no como la describiría tu departamento de marketing: "quién fabrica piezas de titanio en cinco ejes con certificación AS9100D" en lugar de "quién es un socio líder en fabricación de precisión". Haz esa pregunta exacta en ChatGPT, Claude, Gemini y Perplexity, cada uno por separado, y lee a quién nombran.

Si te nombran, fíjate en cómo: ¿el modelo ha descrito la capacidad con precisión, o ha adivinado y se ha equivocado? Si no te nombran, mira a quién sí, y pregúntate con honestidad si esa empresa lo ha publicado más claro que tú. Sé honesto sobre lo que esto te dice: una capacidad, formulada de una manera, en cuatro plataformas, en un solo día. Son sistemas probabilísticos: la misma pregunta repetida mañana puede devolver una lista distinta por motivos ajenos a lo que hayas cambiado. Una sola prueba es una anécdota. Saber de verdad en qué punto estás significa hacer las preguntas que importan, formuladas como las formulan tus compradores reales, de forma repetida, en cada plataforma y mercado en el que vendes. Eso es un problema de medición, y es exactamente el que PSentry está diseñado para rastrear: ejecuta tu conjunto de prompts en las cuatro plataformas según un calendario y muestra qué capacidades hacen que te nombren, y cuáles no, en silencio.

Lo que esta comprobación no te dice

Nada de esto significa que documentar una capacidad con precisión garantice que un modelo te nombrará la próxima vez. No es así, y cualquier herramienta que lo prometa está vendiendo algo que no puede cumplir. Este mecanismo es un diagnóstico, no una palanca accionable con certeza. Si la capacidad no está escrita en ningún sitio independiente de ti, es una carencia corregible. Si está escrita, actualizada, y aun así no te nombran, la pregunta honesta es quién gana esa consulta y qué ha publicado que tú no, no una resolución vaga de hacer más "optimización para IA". Una herramienta de medición puede decirte cuál de estas dos situaciones es la tuya; no puede escribir las páginas por ti.

Preguntas Frecuentes

¿Cambia la redacción exacta de la pregunta a quién nombran?

Sí, más de lo que la mayoría espera. Los modelos responden en parte a cuánto se parece una pregunta a la forma en que los documentos subyacentes describen lo mismo, así que una pregunta construida con el vocabulario de un ingeniero tiende a recuperar resultados distintos de una construida con vocabulario de marketing, como "socio" o "solución".

Si nuestra empresa no aparece nombrada, ¿significa que el modelo no sabe que existimos?

No necesariamente. Puede significar que el modelo sabe que tu empresa existe en general, que ha leído tus textos de marketing genéricos, pero que no tiene ningún texto que la conecte con esa capacidad concreta. Normalmente es una carencia de documentación sobre un punto, no un veredicto sobre toda la empresa.

¿Ayudan más los directorios sectoriales que nuestro propio sitio web?

De forma distinta, no necesariamente más. Una ficha en un directorio es útil sobre todo porque es independiente de ti, pero la mayoría de los directorios solo recogen una categoría amplia, no la combinación exacta que necesita una RFQ.

¿Podemos enviar nuestra empresa para que una IA la recomiende?

No. Ninguna gran plataforma tiene formulario de envío ni posicionamiento pagado para esto. La única forma de entrar es la misma que para todo lo demás: algo, en algún sitio, describe la capacidad con detalle, corroborada las veces suficientes como para formar parte de lo que el modelo ha leído.

¿Con qué frecuencia conviene repetir este tipo de comprobación?

Hacerla una vez solo te dice algo sobre un día concreto. La misma pregunta puede devolver nombres distintos en ejecuciones diferentes, y certificaciones y capacidades cambian con el tiempo. Repetirla detecta tanto una carencia que se abre como una afirmación desactualizada que persiste.