¿Existe tu marca como entidad para la IA?

La mayoría de las marcas llegan a la visibilidad en IA con la pregunta equivocada. Quieren saber si ChatGPT las recomienda. Es comprensible, pero debajo de esa pregunta hay otra que hay que resolver antes, y casi nadie se la plantea: ¿sabe el modelo que existes, como algo específico, distinto de todo lo demás que por casualidad comparte tu nombre?

Si la respuesta es no, cualquier métrica que recojas después está midiendo otra cosa. No puedes ser recomendada si la máquina no logra determinar quién eres.

Qué es una entidad, en términos sencillos

Para un modelo de lenguaje, el nombre de tu marca es una cadena de caracteres que aparece en cierta cantidad de texto. En los datos de entrenamiento está junto a otras palabras: productos, sectores, fundadores, competidores, reseñas. Lo que el modelo aprende es la forma de ese vecindario.

Una entidad es lo que ocurre cuando ese vecindario es lo bastante coherente como para tratarse como una sola cosa. El modelo, y los sistemas de recuperación construidos sobre él, pueden entonces asociar hechos a un referente estable: este nombre es una empresa, pertenece a esta categoría, vende esto, no es aquella otra. Eso es la resolución de entidad: la diferencia entre un nombre sobre el que una máquina sabe razonar y un nombre que solo puede repetirte de vuelta. Una lista de enlaces puede quedarse ambigua y mostrar los dos significados de un nombre confuso. Una respuesta en prosa tiene que elegir uno.

Las tres formas en que un nombre no se resuelve

Tu nombre también es una palabra corriente

Llama a tu empresa Meridiano, Brújula u Órbita, y le has entregado al modelo una palabra que ya carga con un significado propio. Pregunta por la marca y puede que defina el sustantivo, lo mezcle con la empresa, o describa una organización genéricamente construida a partir de lo que esa palabra sugiere. Los nombres que son también palabras corrientes funcionan de maravilla con las personas, que usan el contexto sin esfuerzo, y son hostiles a las máquinas, que ese contexto tienen que deducirlo.

Otro ya tiene tu nombre

Dos empresas que comparten un nombre, en países o sectores distintos, son la situación habitual. Si una de las dos es más antigua, más grande o simplemente está mejor documentada en internet, el modelo resuelve el nombre hacia esa y atribuye en silencio tus menciones a ella. Su categoría y su mala prensa se convierten en las tuyas.

El nombre pertenece a una persona

Las empresas que llevan el nombre de su fundador tropiezan con esto constantemente. El apellido también pertenece a un deportista, a una política, a una escritora, y la web habla de esa persona mucho más de lo que habla de tu negocio. El modelo no está exactamente confundido: ha aprendido que esa cadena normalmente se refiere a otra persona.

La consecuencia es la misma en los tres casos: tus menciones se dispersan. Lo que construyes nunca se acumula sobre una sola cosa. Se reparte entre varios referentes posibles, y ninguno de ellos eres exactamente tú.

Dónde se definen realmente las entidades

Los modelos no aceptan tu palabra sobre quién eres. Aceptan la palabra de la web, ponderada según lo independiente y consistente que suene. Algunos lugares pesan más que otros, no porque alguien los haya declarado oficiales, sino por lo que son: neutrales, estructurados, escritos por gente sin interés comercial en ti. Las enciclopedias colaborativas como Wikipedia son el ejemplo más obvio, junto con bases de conocimiento estructuradas detrás, como Wikidata, donde una entidad es un registro con identificadores, no un párrafo. Junto a ellas están los registros mercantiles, los organismos normativos, los colegios profesionales y los directorios de categoría.

Lo que hace que una marca sea resoluble es una definición consistente y repetida en lugares independientes entre sí. Cuando varias fuentes sin relación describen el mismo nombre de la misma manera, en la misma categoría, con los mismos datos fundacionales, la ambigüedad se disuelve: hay suficiente acuerdo para que una máquina se comprometa. Cuando cada fuente dice algo ligeramente distinto, o nadie dice nada, no hay nada a lo que comprometerse. Por eso una entrada enciclopédica, donde existe legítimamente, tiene un efecto desproporcionado: no porque los modelos veneren ese sitio, sino porque una entrada bien documentada es una afirmación compacta y muy replicada de lo que significa ese nombre, y otros conjuntos de datos la heredan.

La parte que no te va a gustar

No escribes tu propia entrada enciclopédica. Tampoco le pagas a una agencia para que la escriba por ti, ni a un editor complaciente para que la cuele sin revisión. Esas comunidades tienen reglas explícitas sobre conflicto de interés, notabilidad y fuentes independientes. Una entrada no corroborada por fuentes ajenas se elimina, y una entrada promocional se elimina más rápido todavía. El intento fallido es peor que la ausencia: deja un rastro, en la web que los modelos leen, de una marca sorprendida fabricando un hecho sobre sí misma.

Si no cumples los criterios de notabilidad, la lectura honesta es que no eres notable según esos criterios, todavía no. No es un veredicto sobre tu negocio: muchas empresas rentables nunca califican. Significa que la enciclopedia no es tu palanca, y puedes dejar de mirarla fijamente.

Qué puedes hacer legítimamente

• Sé implacable con el nombre. Una sola grafía, una sola forma de mayúsculas, un único sufijo legal o ninguno, en todas partes: sitio web, perfiles, facturas, notas de prensa, páginas de socios. Cada variante que toleras es otro referente que una máquina debe reconciliar.
• Pon datos estructurados en tu sitio. Publica un registro Organization en JSON-LD con razón social, categoría, logotipo, datos de fundación y, sobre todo, la propiedad sameAs que apunte a tus perfiles en otros lugares. Esa propiedad afirma que las páginas dispersas son una sola entidad: tú.
• Escribe una página "quiénes somos" que una máquina pueda citar. No un manifiesto, un párrafo que diga qué eres, qué vendes, quién lo compra y en qué categoría te sitúas, con las palabras de tu mercado. Si no, un modelo deducirá algo de tu poesía de posicionamiento, y no te va a gustar.
• Reclama los lugares que aceptan a cualquiera. Registros mercantiles, asociaciones sectoriales, directorios de categoría, registros de desarrolladores, mercados de aplicaciones, páginas de socios de las herramientas con las que te integras. Ninguno exige notabilidad, y cada uno repite la misma definición desde una dirección independiente.

Nada de esto garantiza un resultado. Elimina un obstáculo. Las dos cosas no son lo mismo, y cualquier proveedor que las confunda está vendiendo algo que no puede entregar.

La prueba que lleva un minuto

Abre ChatGPT, Claude, Gemini y Perplexity y hazle a cada uno la pregunta más plana posible: quién es [tu marca]. No estás evaluando los elogios. Estás comprobando si la máquina te ha confundido con otra.

Fíjate en las señales. Una categoría que no es la tuya. Un país en el que nunca has operado. Un fundador que no es el tuyo. Una descripción fluida de otra empresa con tu nombre. Una negativa educada a decir nada, que ya es una respuesta en sí misma. Luego repite la pregunta en cada idioma en el que vendes: un nombre claro en español puede chocar con algo corriente en inglés o en alemán.

Si las respuestas vuelven confusas, tu problema no es la visibilidad. Es la identidad, y ninguna cantidad de contenido la arreglará hasta que las máquinas sepan qué cosa eres.

Dónde encaja la medición

Una vez que el nombre se resuelve, la pregunta útil pasa a ser qué fuentes usan los modelos cuando te describen, y si esa descripción sobrevive al cruce hacia tus mercados de exportación. Eso se puede medir: es lo que hace PSentry, que ejecuta tus prompts en ChatGPT, Claude, Gemini y Perplexity, por idioma y por mercado, e informa dónde te mencionan, qué fuentes se usaron y quién aparece nombrado en tu lugar.

Mide. No manipula lo que dicen los modelos, no va a escribir tu entrada enciclopédica y no puede prometerte un lugar en una respuesta. Lo que te dice es si las máquinas saben hoy quién eres: el hecho sobre el que se sostiene esta disciplina, y el que casi ninguna marca ha comprobado nunca.

Preguntas Frecuentes

¿Debemos cambiar de nombre si es ambiguo?

Casi nunca. Cambiar de nombre destruye el reconocimiento construido con las personas, y son ellas quienes firman los contratos. Descrita con consistencia en suficientes lugares independientes, tu acepción se vuelve dominante dentro de tu categoría, que es la solución más barata.

¿Una entrada en Wikipedia garantiza que la IA nos describa correctamente?

No. Ayuda a un modelo a asociar los hechos con el referente correcto, porque es neutral, estructurada y ampliamente replicada. No te vuelve recomendada, y una entrada llena de afirmaciones que nadie más corrobora es frágil: puede recortarse justo ahí.

Somos jóvenes y no tenemos cobertura de prensa. ¿Trabajar en la entidad es inútil por ahora?

No, solo más limitado. La consistencia del nombre, los datos estructurados y una página "quiénes somos" sin ambigüedad no cuestan nada y dependen de ti. Haz ahora la mitad que controlas, y la cobertura, cuando llegue, aterrizará sobre una entidad que ya existe.

Un asistente nombra a un competidor cuando preguntamos por nosotros. ¿Qué hacemos?

Determina si es un competidor real o una empresa que solo comparte tu nombre: los remedios son completamente distintos. Un homónimo es un problema de resolución, resuelto con consistencia y confirmación independiente. Un rival nombrado en tu lugar es un problema de visibilidad, y significa que tu entidad está bien.