El vídeo como fuente: qué lee la IA en YouTube

La mayoría de los equipos de marketing archivan el vídeo bajo la etiqueta de "marca", medida en visualizaciones y tiempo de visionado, sin plantear nunca la pregunta que hoy importa de verdad: ¿puede un modelo de lenguaje leerlo?

Puede, o más bien puede leer algo que lo representa. El vídeo se ha convertido, sin que nadie lo note, en una de las fuentes de las que tiran los sistemas generativos al responder sobre tu categoría de producto. El mecanismo es fácil de romper, y la mayoría de las empresas ya lo ha roto sin darse cuenta.

Un modelo no mira tu vídeo

Cuando ChatGPT, Claude, Gemini o Perplexity muestran un vídeo como fuente, ningún modelo lo ha visto. Lo que el sistema tiene es texto: una transcripción, unos subtítulos, un título, una descripción, marcadores de capítulo, y cualquier otra página de la web que haya incrustado ese vídeo o haya escrito sobre él.

Para un sistema de recuperación de información, un vídeo es un documento de texto con una miniatura adjunta: todo lo que un modelo dice sobre él lo dice porque alguien, antes que él, convirtió el sonido en palabras. De ahí una conclusión sin rodeos: un vídeo sin una transcripción limpia está casi mudo. Un vídeo explicativo maravillosamente producido puede convertir de maravilla y aun así no aportar nada a cómo un modelo describe tu empresa, si el único texto que emite es un título y una descripción escrita con prisa.

Para un modelo, la transcripción es el vídeo

La transcripción automática es notable con el lenguaje corriente y poco fiable justo con las palabras que más te importan: el sistema ya ha oído "cadena de suministro" innumerables veces, pero los nombres propios son difíciles. El nombre de tu marca, de tu producto, o de un estándar propio de tu sector. Son estas las palabras que el transcriptor inventa, deforma o parte por la mitad.

Y un nombre de marca mal transcrito no te atribuye nada. Si la transcripción convierte el nombre de tu empresa en una palabra común o en un compuesto inventado, entonces, para cualquier sistema que lea ese texto, tu empresa nunca fue mencionada. El vídeo está hablando de otra empresa.

Compruébalo tú mismo, ahora mismo

Esto es falsable en el tiempo que se tarda en preparar un café.

• Abre uno de tus propios vídeos en YouTube, aquel en el que tu marca se pronuncia más veces.
• Abre el panel de la transcripción: en escritorio está debajo de la descripción, en móvil detrás del mismo menú.
• Busca el nombre de tu marca en esa transcripción. No a ojo: con la función de búsqueda del navegador, escrito exactamente como tú lo escribes.
• ¿Aparece bien escrito cada vez que se pronunció? ¿O aparece como otra cosa, o no aparece en absoluto?

Haz lo mismo con los nombres de tus productos y con cualquier término técnico de tu categoría. Si la transcripción está mal, la corrección es manual: sube un archivo de subtítulos corregido. YouTube sustituye entonces el intento automático por tu texto, lo que puede marcar la diferencia entre un vídeo que te menciona y uno que no.

El título y la descripción no son decoración

El título es el texto breve más fuerte asociado al contenido, y la descripción el fragmento de prosa más largo que controlas junto a él. Sin embargo, las descripciones todavía se escriben como una lista de enlaces: perfiles sociales, marcas de tiempo, nada más. Si no indica, en frases normales, qué pregunta responde el vídeo y quién lo hizo, has dejado vacío el campo más recuperable de la página, lleno de enlaces en su lugar.

Los capítulos son estructura, y la recuperación de información adora la estructura

Los marcadores de capítulo dividen un vídeo largo en segmentos con nombre: para una persona son una comodidad, para un sistema de recuperación un conjunto de pasajes etiquetados, cada uno con su fragmento de transcripción debajo. Un webinar largo sin capítulos es un muro de palabras indiferenciado, con la respuesta enterrada en medio y nada que la señale. El mismo webinar con títulos honestos se convierte en una pequeña biblioteca de unidades consultables: nómbralos por lo que tratan, no por una broma interna. "Precios y licencias" se recupera, "La parte divertida" no.

Por qué una pregunta en el título funciona tan bien

El formato "haz la pregunta en el título, respóndela en el vídeo" funciona inusualmente bien como fuente. La recuperación de información funciona por semejanza: el sistema busca un texto que se parezca a la pregunta planteada, y el texto que más se parece a una pregunta es una pregunta. Un título formulado como lo formularía un comprador, seguido de una transcripción que la responde en el primer minuto, coincide de cerca con la búsqueda que escribe una persona real. Un eslogan como título no coincide con nada, porque nadie lo ha escrito jamás en ninguna parte.

También importa dónde se ubica la respuesta. El pasaje que se recupera es aquel en el que la respuesta está cerca de la pregunta, así que un vídeo que entierra su conclusión detrás de una introducción larga entierra también el texto recuperable.

Las páginas alrededor del vídeo importan tanto como el vídeo

Un vídeo solo en una plataforma es un documento. Un vídeo incrustado en tu propio sitio, junto a un resumen escrito, en una página que otros enlazan, es un conjunto de documentos que apuntan todos a lo mismo. Los modelos recogen contenido de vídeo a través de esas páginas: una entrada de blog que resume la charla, o un hilo de foro que cita a tu fundador. El vídeo es el origen; las páginas son el amplificador.

Por eso, el movimiento práctico no es publicar y desentenderse. Dale a cada vídeo que importa un hogar escrito: una página en tu propio dominio con el vídeo incrustado, un resumen real y la transcripción como texto legible. Esa página puede ser recuperada incluso por sistemas que nunca tocan la plataforma de vídeo.

Lo que ser una fuente no te garantiza

Ser legible es una condición previa, no una promesa. Un modelo puede tener tu transcripción en su contexto y aun así citar a otras tres empresas. Nadie puede garantizar que un vídeo termine citado, y quien diga lo contrario describe una palanca que no existe. Tú controlas si la máquina tiene con qué trabajar, no qué hace con ello.

Lo que de verdad merece la pena medir

La pregunta útil no es cuántas visualizaciones consiguió el vídeo. Es: cuando una IA responde a una pregunta sobre mi categoría, ¿aparecen mis vídeos entre las fuentes que usó?

Responderla significa plantear las preguntas de compra en los sistemas que usa la gente, en cada idioma en el que vendes, y luego leer las fuentes detrás de cada respuesta y no solo la prosa en superficie. A veces un vídeo olvidado resulta estar haciendo el trabajo en silencio. Con más frecuencia, las fuentes son páginas de otra empresa, y ninguno de tus materiales está en la sala.

Esa es la capa que reporta PSentry: ejecuta tus prompts en ChatGPT, Claude, Gemini y Perplexity, en cada mercado, y muestra qué fuentes usaron los modelos para hablar de tu categoría, junto con dónde fuiste mencionado y quién fue nombrado en tu lugar. Mide. No optimiza tus vídeos, y no te promete ninguna cita.

Corregir una transcripción es un trabajo pequeño con un mecanismo claro detrás. Si eso cambia algo más adelante es una pregunta empírica, y la única forma de saberlo es mirar qué citan los modelos antes y después. Casi nadie mira.

Preguntas Frecuentes

¿Los modelos leen de verdad las transcripciones de YouTube?

Leen el texto asociado al vídeo, del que la transcripción es la parte más grande. Los sistemas que recuperan páginas en vivo llegan a ella directamente; los que responden desde su entrenamiento suelen haberla absorbido a través de páginas que citaban o incrustaban el vídeo. El camino siempre pasa por las palabras, no por los píxeles.

¿Debo subir mis propios subtítulos o confiar en los automáticos?

Comprueba primero los automáticos. Si el nombre de tu marca y de tus productos sale bien, déjalos como están. Si no, sube un archivo corregido: una marca mal escrita en una transcripción no le atribuye el contenido a nadie.

¿Esto aplica a plataformas distintas de YouTube?

El mecanismo sí: cualquier vídeo es legible para un modelo solo a través del texto que lo rodea. Lo que cambia es cuánto de ese texto es públicamente accesible. Un vídeo tras un inicio de sesión, o donde no se publica ninguna transcripción, es invisible en términos de recuperación por muy bien hecho que esté.

Si lo arreglo todo, ¿se citará mi vídeo?

Quizá. Nadie puede prometerlo, y quien lo haga está vendiendo algo que no puede entregar. Transcripciones correctas y títulos claros hacen que un vídeo sea apto como fuente. Que una respuesta lo use depende de la pregunta, del modelo, del idioma y de qué más exista en la web sobre tu categoría.

¿Cómo sabría si un vídeo se convirtió en una fuente?

Leyendo las fuentes adjuntas a las respuestas de las IA sobre tu categoría, de forma repetida, en lugar de vigilar las visualizaciones. Una comprobación aislada no dice nada: estos sistemas son probabilísticos, y dos preguntas idénticas pueden producir citas distintas. Solo un patrón, a lo largo del tiempo, significa algo.