El script casero de visibilidad en IA: hacer o comprar

En casi todas las pymes hay alguien que, cuando se habla de pagar una herramienta para saber si ChatGPT menciona a la empresa, levanta la mano y dice que eso lo hace él en una tarde. Suele ser el informático de la casa, y tiene más razón de la que a dirección le gustaría. Los cuatro asistentes tienen API públicas, recorrer una lista de preguntas en bucle no tiene misterio y, si ya pagas la nómina de alguien que programa, preguntarse por qué pagar además una suscripción es perfectamente legítimo.

Así que lo justo es empezar dándole la razón: una versión mínima sale en una tarde. Lo que sigue explica cómo montarla bien y, después, en qué punto esa tarde se convierte en un compromiso fijo.

Lo que sí cabe en una tarde

Veinte preguntas con las palabras del comprador. Para empezar, sobran. Tienen que ser las preguntas que alguien hace antes de conocer tu nombre: quién fabrica tal componente según tal norma, qué software resuelve tal proceso en una empresa de tu tamaño, qué alternativas hay al líder de siempre. Una pregunta que ya incluye tu marca no mide nada, porque a un modelo siempre se le ocurre algo que decir sobre un nombre que le pones delante. Y una vez escritas, se congelan. Si reformulas una pregunta entre dos ejecuciones, has cambiado el instrumento, y todas las comparaciones posteriores arrastran el cambio.

Las API oficiales, con la búsqueda activada. Una llamada a secas responde con lo que el modelo absorbió en su entrenamiento, que no es lo mismo que una respuesta construida después de leer la web actual. Donde la API ofrece una herramienta de búsqueda, hay que activarla. La Responses API de OpenAI tiene la herramienta web_search; la API de Anthropic, una herramienta de búsqueda web propia; la API de Gemini permite fundamentar las respuestas con la Búsqueda de Google mediante la herramienta google_search. Los modelos Sonar de Perplexity buscan siempre, así que ahí no hay nada que activar. En los tres primeros casos es el modelo el que decide, pregunta a pregunta, si merece la pena buscar: activar la herramienta es dar permiso, no dar una orden.

Guardar la respuesta entera, no el veredicto. La tentación es apuntar un sí o un no en una hoja de cálculo y tirar el texto. Mejor no. De cada llamada interesa la respuesta completa, la fecha y la hora, la pregunta tal como se envió, el idioma, el identificador de modelo que devuelve la API y todo lo que el proveedor diga sobre las fuentes. Dentro de seis meses querrás pasar un detector mejor por las respuestas antiguas, y un «sí» en una celda no se puede volver a analizar.

El español no es un mercado

Aquí aparece un problema que un script pensado desde Madrid no suele ver venir. Si tu empresa vende en España y en México, o en Colombia, o en Chile, «las preguntas en español» no son un conjunto, sino varios. El comprador mexicano pide una cotización y el español pide un presupuesto; uno trabaja con su computadora y el otro con su ordenador; los nombres de las normas, de los organismos y de los canales de venta cambian de un país a otro. Una pregunta escrita en el español de aquí, lanzada sin más contexto, obtiene una respuesta que no está pensada para ningún mercado concreto, o que lo está para el que el modelo considere más probable.

El script puede hacer dos cosas. La primera, escribir el conjunto por mercado y no por idioma, aunque toque redactar dos veces preguntas casi iguales. La segunda, declarar dónde está el comprador cuando la API lo permite: la herramienta web_search de OpenAI acepta un parámetro user_location de tipo aproximado, con país, región, ciudad y zona horaria. Es una decisión que alguien toma y deja por escrito, y conviene que sea la misma en cada ejecución. Tu matriz de preguntas acaba de ganar una dimensión.

Reconocer la marca: la S.L., las tildes y la eñe

Este es el punto en el que la tarde empieza a alargarse. Buscar tal cual el nombre de tu empresa en la respuesta se deja más casos de los que esperas y encuentra otros que no debería. Pongamos una empresa inventada, Montajes Almuñécar Técnica S.L.U. Un modelo puede escribir:

• Sin forma jurídica, o con otra: «Montajes Almuñécar», «Almuñécar Técnica S.L.», incluso «S.A.» si alguna fuente se equivocó. La denominación completa casi nunca aparece.
• Sin tildes ni eñe: «Almunecar», porque la fuente era una web en inglés o un directorio que no admite caracteres especiales. Al revés también pasa: una marca sin tilde aparece con ella.
• Abreviada: solo «Almuñécar», que además es un municipio de Granada y produce coincidencias que no tienen nada que ver contigo.

La solución es una lista de variantes por marca y por idioma, con reglas además de grafías: normalizar tildes y eñes antes de comparar, quitar las formas jurídicas con y sin puntos (S.L., SL, S. L.), ignorar mayúsculas y cuidar los límites de palabra. Y lo mismo para tus competidores, porque saber a quién nombran en tu lugar es al menos la mitad del valor. Si encargas la clasificación a otra llamada a un modelo, añades un segundo paso probabilístico, y una muestra de esos veredictos tiene que revisarla una persona.

Donde la tarde se alarga

Las repeticiones. La misma pregunta enviada dos veces puede devolver dos listas de proveedores distintas sin que haya cambiado nada. Una llamada suelta es una anécdota; lo que informa es cuántas veces, sobre varias llamadas, apareciste. Cada pregunta se repite varias veces por ejecución, y la ejecución se programa y se deja en paz, porque lo útil es esa misma proporción medida otra vez quince días después en las mismas condiciones.

La multiplicación. Veinte preguntas, en 4 asistentes, en 5 idiomas, con 3 repeticiones: 20 × 4 × 5 × 3 = 1200 llamadas por ejecución. Con dos ejecuciones al mes salen 2400 llamadas mensuales, y eso antes de separar España de México. Cada llamada se factura por tokens, y la búsqueda se cobra aparte al menos en dos casos: Anthropic cobra por búsqueda y Google por cada consulta de búsqueda que ejecuta el modelo en los modelos Gemini 3. Las tarifas vigentes están en la página de precios de cada proveedor, y es mejor hacer la multiplicación antes de la primera factura que después.

Los modelos que se retiran. Los proveedores dan de baja modelos según calendarios publicados; OpenAI mantiene una página de retiradas con cada versión y su fecha de baja. Cuando desaparece el modelo al que llama tu script, el script deja de funcionar, y el sustituto responde de otra manera. Eso es una ruptura en la serie: hay que anotarla con fecha, o el siguiente movimiento se atribuirá a la causa equivocada.

El responsable. Estos scripts rara vez fallan con estruendo. Envejecen en silencio: caduca una clave, el código que lee la respuesta se rompe con un cambio de formato, el informático se va de vacaciones o cambia de empresa, y el gráfico sigue enseñando el último dato bueno durante un trimestre sin que nadie en dirección lo note.

Hacer o comprar, con el informático delante

Para una empresa con alguien que programa y tiene tiempo, un mercado y un idioma, hacerlo en casa es una decisión sensata. El conjunto es pequeño, las variantes de marca son manejables y el conocimiento de cómo salen los números se queda dentro, que también vale algo.

La balanza se inclina cuando la matriz crece: más idiomas, varios mercados con el mismo idioma, competidores en cada uno y un histórico que tiene que sobrevivir a la retirada de modelos. Ese mantenimiento es lo que absorbe una herramienta como PSentry, que consulta los cuatro asistentes a través de sus API oficiales, dos veces al mes, por idioma y mercado, y pasa a modelos más nuevos cuando los proveedores retiran los antiguos. Si compensa pagarlo no depende de lo difícil que sea el primer script, sino de en qué quieres que invierta sus horas la persona que lo escribiría.

Lo que pregunta el informático después

¿Por qué asistente conviene empezar?

Por Perplexity. Sus modelos Sonar se apoyan en la búsqueda web por diseño y devuelven con cada respuesta una lista de citas y resultados de búsqueda estructurados. No hay herramienta que configurar.

¿Basta con preguntarle a un modelo si nos ha nombrado?

Como segunda pasada, sí. Como única pasada, cambias una regla de detección que puedes leer por un juicio que no puedes leer y que varía de una llamada a otra, como todo lo demás aquí. Primero, la lista de variantes; los casos dudosos, al modelo.

¿Tiene sentido medir también en catalán, gallego o euskera?

Si tus compradores preguntan en esas lenguas, sí, y con el mismo método: preguntas escritas por alguien que las hable, no traducidas a última hora, y una lista de variantes propia, porque el nombre de un producto o de una localidad puede cambiar de grafía de una lengua a otra. Si tus compradores están fuera, lo normal es que la prioridad sean los idiomas de exportación. Lo que no conviene es añadirlas por añadir: cada lengua multiplica las llamadas igual que cualquier otra.