Posicionamiento en ChatGPT: la posición no existe

«¿En qué posición estamos en ChatGPT?» Es la pregunta que más se repite cuando se habla de visibilidad en IA, y conviene corregirla antes de contestarla. El posicionamiento en ChatGPT no es algo que tu marca tenga. Es una característica de una respuesta concreta, y la siguiente respuesta a la misma pregunta casi siempre trae otra. La pregunta que sí tiene respuesta es distinta: en muchas respuestas, ¿cuántas veces te nombra el asistente?

Parece una discusión de palabras. No lo es, porque sobre esa posición se toman decisiones. «Terceros en ChatGPT para bombas industriales» acaba en una presentación para dirección, se lee como se leía un tercer puesto en Google, es decir, como un sitio que se conserva hasta que alguien te lo quita, y al mes siguiente alguien pregunta por qué ahora sois quintos. En este artículo desmontamos ese número pieza a pieza, vemos qué medir en su lugar y cuántas ejecuciones hacen falta para que una medición signifique algo.

El posicionamiento en ChatGPT no es una lista fija

Un ranking de Google es un orden calculado sobre un índice que existe antes de tu búsqueda. Dos personas que buscan lo mismo con un minuto de diferencia ven, en lo esencial, la misma página. Detrás de una respuesta generada no hay nada parecido. El modelo escribe palabra a palabra, eligiendo en cada paso entre continuaciones plausibles, y una lista de marcas no es más que otro puñado de palabras. Por qué ocurre esto lo explicamos en por qué las respuestas de la IA cambian cada vez. Aquí interesa lo que significa para la posición.

El 28 de enero de 2026 SparkToro publicó una prueba diseñada justo para esto. Unos 600 voluntarios lanzaron 12 peticiones de recomendación de marcas a ChatGPT, Claude y la IA de Google (AI Overviews o AI Mode), 2961 ejecuciones en total. Los autores calculan que la probabilidad de que ChatGPT o la IA de Google devuelvan la misma lista de marcas en dos respuestas de cada 100 es inferior a 1 entre 100. Para ver la misma lista en el mismo orden, hablan más bien de 1 entre 1000 ejecuciones. Claude se repetía algo más, sin que eso cambie el panorama.

El orden, además, era lo menos estable de todo, y tampoco es un veredicto. Un asistente que enumera proveedores no está ordenando una tabla por puntuación. Puede empezar por el nombre que más ha leído, agrupar el resto por tipo de producto o dejar al final la opción local porque la pregunta mencionaba un país. Salir tercero con un párrafo que explica por qué encajas con lo que necesita el comprador vale más que salir primero en una enumeración de pasada. La posición borra justo esa diferencia.

Lo que sí se puede medir: la frecuencia de mención

La frecuencia de mención es la proporción de respuestas, sobre un número declarado de ejecuciones, en las que el asistente nombra tu marca. «Nombrada en 7 respuestas de 10» es una frecuencia de mención. «Tercera» no lo es.

Una frecuencia está pensada para absorber la variación en lugar de dejarse engañar por ella. Cada ejecución es una muestra. Si el asistente te nombra en unas y te omite en otras, el número recoge exactamente eso, y sigue siendo comparable de una medición a otra mientras las preguntas, el idioma y el asistente no cambien. SparkToro llega a la misma conclusión con sus propios datos: lo que merece la pena seguir es cuántas veces aparece una marca a lo largo de muchas ejecuciones, no en qué puesto.

Una frecuencia de mención nunca va sola. Necesita tres datos al lado: cuántas ejecuciones hay detrás, en qué idioma y en qué asistente. Una frecuencia sin número de ejecuciones es una posición disfrazada.

Una respuesta no representa a las demás

El 14 de julio de 2026 Dmitrij Żatuchin publicó en arXiv un preprint (2607.13304) que se pregunta de dónde sale el ruido en las respuestas sobre marcas. Analiza 12.933 respuestas sobre 20 marcas de Europa central y oriental, en 8 idiomas, de tres modelos: GPT-5.2, Gemini 3 Flash y Perplexity. Mide el tono con el que cada respuesta habla de la marca, no si la nombra, así que no es una prueba directa de las menciones. Pero la estructura del ruido que describe vale también aquí.

En una escala en la que 1 es fiabilidad perfecta, una respuesta aislada obtiene alrededor de 0,01 a la hora de ordenar las marcas entre sí. El diseño completo, que cruza preguntas, idiomas y modelos, llega a alrededor de 0,36. Y el idioma de la pregunta es la mayor fuente de variación sistemática, por encima de la identidad de la propia marca.

El mismo idioma no es el mismo mercado

Para una empresa que vende en español, este punto tiene una vuelta más. El español no es un mercado: es una lengua que comparten España, México, Colombia, Argentina, Chile y muchos otros países, cada uno con sus proveedores, su normativa y su vocabulario. Un comprador de Madrid pide un presupuesto para un ordenador industrial; uno de Monterrey cotiza una computadora industrial. Una pregunta escrita en español neutro no le dice al asistente desde qué país pregunta el comprador, salvo que la pregunta lo mencione.

De ahí salen dos errores frecuentes al medir. El primero es dar por hecho que una frecuencia medida con preguntas «de España» sirve para México. El segundo, más sutil, es mezclar en una misma medición preguntas de varios países y leer el resultado como «el mercado hispanohablante». Ese promedio no describe a ningún comprador real.

Lo prudente es tratar cada país donde vendes como un conjunto de preguntas propio, escritas con el vocabulario y las referencias locales, y leer cada frecuencia por separado.

¿Cuántas repeticiones hacen falta?

Aquí es donde fallan casi todas las mediciones, y la cuenta se puede comprobar con cualquier calculadora binomial.

Diez ejecuciones, tu marca aparece en 5. Con el nivel de confianza que se usa normalmente, la frecuencia real puede estar entre más o menos 2 de 10 y 8 de 10. Diez ejecuciones no distinguen una marca que el asistente nombra casi siempre de una que nombra rara vez. Pasar de 4 de 10 el mes pasado a 6 de 10 este mes no es un cambio: es la misma incertidumbre vista dos veces.

Para acotar una frecuencia cercana a la mitad a unos 10 puntos arriba o abajo hacen falta alrededor de 100 respuestas independientes. Para bajar a 5 puntos, unas 385. Por eso una comprobación hecha un martes por una sola persona no produce una tendencia, y por eso medir más a menudo no es medir mejor.

El preprint de Żatuchin añade de dónde deberían salir esas respuestas. Lo habitual es repetir cada pregunta unas cinco veces, y a partir de la quinta repetición cada ejecución extra apenas reducía el error. Con el mismo presupuesto, añadir idiomas y modelos lo reducía mucho más. Dicho en concreto:

• Cien respuestas a la misma pregunta repetida cien veces miden muy bien esa pregunta y casi nada tu mercado.
• Cien respuestas a veinte preguntas repetidas cinco veces, en los asistentes y los idiomas que usan tus compradores, se acercan a cómo te ve el mercado.

Cómo leer un informe que te da una posición

Que un informe muestre una posición en ChatGPT no significa que sea deshonesto. Significa que al número le falta un contexto que casi nunca trae. Cuatro preguntas lo ponen en su sitio:

• ¿En cuántas ejecuciones se basa? Si es una, es una anécdota.
• ¿Es una posición media? ¿Y cómo cuentan las ejecuciones en las que no apareciste? Una media que las ignora te deja mejor de lo que estás.
• ¿En qué idioma, en qué país y en qué asistente? La posición en español de España en ChatGPT no dice nada del español de México en Gemini.
• Repetida mañana con la misma pregunta, ¿daría el mismo número? Si nadie lo ha probado, nadie lo sabe.

Con esta lógica construimos PSentry: hace las preguntas de tu mercado a ChatGPT, Claude, Gemini y Perplexity, en cada idioma en el que vendes, con dos escaneos al mes, y con esas respuestas calcula una puntuación de visibilidad por idioma. Ningún escaneo es un veredicto: también es una muestra, y la información está en la evolución de uno a otro. No cambiamos lo que dicen los asistentes. Lo contamos.

La próxima vez que alguien anuncie en una reunión vuestra posición en ChatGPT, basta una pregunta: ¿de cuántas respuestas sale? Si la respuesta es una captura de pantalla, esa posición es cierta para esa captura y para nada más.

Lo que suelen preguntar los equipos de marketing

¿Puedo saber en qué posición aparece mi marca en ChatGPT?

Solo para una respuesta concreta, porque ChatGPT escribe cada respuesta desde cero y la lista de marcas y su orden cambian casi cada vez. Lo que sí puedes medir es la frecuencia de mención: en cuántas respuestas, sobre un número declarado de ejecuciones, el asistente nombra tu marca.

¿Una medición hecha con preguntas de España me sirve para México?

No conviene darlo por hecho. Aunque el idioma sea el mismo, cada país tiene sus proveedores, su normativa y su vocabulario, así que lo prudente es tratar cada país donde vendes como un conjunto de preguntas propio y leer cada frecuencia por separado.

¿Cuántas veces hay que repetir una pregunta para medir la visibilidad en IA?

Lo habitual es repetir cada pregunta unas cinco veces; a partir de ahí, cada repetición extra apenas reduce el error. Rinde más añadir preguntas, idiomas y asistentes hasta reunir alrededor de un centenar de respuestas independientes.

¿Cómo sé si un informe de posicionamiento en ChatGPT es fiable?

Pregunta en cuántas ejecuciones se basa, en qué idioma, país y asistente, y cómo cuenta las respuestas en las que tu marca no aparece. Si la posición sale de una sola respuesta o de una captura de pantalla, es una anécdota y no una medición.