- IAB identificó más de 20 proveedores de medición de visibilidad en IA, pero sus metodologías pueden arrojar resultados distintos para una misma marca.
- La nueva guía organiza la medición en cuatro dimensiones: presencia, prominencia, representación y persuasión.
- El documento sólo cubre visibilidad orgánica; la medición de anuncios y la atribución comercial dentro de respuestas generadas por IA siguen pendientes.
Una marca puede ocupar la primera posición en Google y desaparecer por completo cuando un consumidor pide una recomendación a ChatGPT. También puede aparecer con frecuencia, pero asociada con información desactualizada, un atributo que no posee o una recomendación tan débil que nunca llega a generar una visita.
Ese es el problema que intenta ordenar IAB con Measuring Visibility in the AI Era, una nueva guía para evaluar cómo aparecen marcas y publishers en plataformas como ChatGPT, Gemini, Copilot, Perplexity y Claude.
Medir la visibilidad será tan importante como construirla. Forma parte de la Comunidad y mantente al frente de los cambios que están redefiniendo el marketing, los medios y la tecnología.
La organización encontró que más de 20 compañías ya comercializan herramientas de medición de visibilidad en inteligencia artificial. Sin embargo, cada una trabaja con diferentes bibliotecas de prompts, modelos, fuentes de datos, frecuencias de consulta y sistemas de puntuación. En la práctica, dos proveedores pueden medir a la misma marca y entregar conclusiones incompatibles.
La guía no recomienda plataformas ni establece todavía un estándar técnico. Caroline Giegerich, vicepresidenta de IA de IAB, explicó que el mercado se encuentra en una etapa de transición demasiado inestable como para hablar de una norma definitiva. Su objetivo inmediato es más básico y, quizá, más urgente: que compradores y proveedores utilicen un lenguaje común y expliquen cómo obtuvieron sus resultados.
La visibilidad dejó de ser una posición
Durante años, el marketing de búsqueda pudo trabajar con una lógica relativamente clara: consulta, página de resultados y clic. Las respuestas generadas por IA rompen esa secuencia. El usuario ya no necesariamente revisa una lista de enlaces; recibe una síntesis, una comparación o una recomendación construida a partir de varias fuentes.
El cambio ya afecta las decisiones de compra. Un estudio de McKinsey, realizado entre consumidores estadounidenses, encontró que la mitad utiliza búsquedas impulsadas por IA y que 44% de sus usuarios las considera su principal fuente de información. La consultora calcula que hasta 750,000 millones de dólares del gasto de los consumidores en Estados Unidos podría pasar por estos entornos en 2028.
Aun así, sólo 16% de las marcas consultadas por McKinsey medía sistemáticamente su desempeño en búsquedas con IA. El problema no es únicamente la falta de herramientas. También es la ausencia de criterios que permitan saber si un aumento en “visibilidad” representa una ventaja competitiva real o simplemente una variación en las respuestas del modelo.
Para cerrar esa brecha, el documento de IAB propone las llamadas cuatro “P” de la visibilidad en IA.
Julieta Ruiz
Presencia: ¿la marca aparece?
La primera dimensión mide la frecuencia con la que una marca es mencionada o citada, su participación de voz frente a competidores y la evolución de esa visibilidad.
Aquí existe una diferencia importante: una mención significa que el modelo habla de la marca; una cita indica que utiliza su sitio o contenido como fuente. Una empresa puede ser mencionada muchas veces y, al mismo tiempo, tener una tasa de citación mínima. Esa distancia revela cuánto depende la inteligencia artificial de fuentes propias y cuánto de reseñas, medios, afiliados, comunidades o contenido generado por usuarios.
McKinsey encontró que los sitios de las marcas representan apenas entre 5% y 10% de las fuentes empleadas por las búsquedas con IA en algunos casos. Para marketing y comunicación, esto significa que la visibilidad ya no se construye únicamente optimizando páginas propias: también depende del ecosistema de información que rodea a la empresa.
Prominencia: ¿en qué lugar aparece?
No es lo mismo ser la primera recomendación que ocupar el último lugar de una lista. La prominencia analiza la posición, el número de apariciones y si la marca se presenta como una opción principal, una alternativa condicionada o una referencia secundaria.
La medición es relativamente sencilla cuando la IA entrega un ranking, pero se complica en respuestas narrativas. Por eso, IAB pide que los proveedores expliquen si analizan todo el contenido generado, únicamente lo visible antes de desplazarse por la pantalla o una captura completa de la interfaz.
Ese detalle importa en AdTech: dos herramientas pueden encontrar la misma mención, pero asignarle un valor completamente diferente según la parte de la respuesta que observan.
Julieta Ruiz
Representación: ¿qué dice la IA y con qué precisión?
Aparecer no siempre es una buena noticia. La representación contempla sentimiento, contexto, encuadre, alucinaciones e inexactitudes factuales.
IAB distingue entre dos problemas que suelen mezclarse. Una alucinación ocurre cuando el modelo fabrica una asociación o característica sin sustento. Una inexactitud factual aparece cuando la IA recupera información que sí existe, pero que está equivocada o desactualizada. El primer problema corresponde al comportamiento del modelo; el segundo puede originarse en fichas de producto, notas, reseñas o bases de datos que continúan circulando en internet.
Una investigación académica basada en más de 55,000 consultas, publicada como preprint, encontró que 11% de las afirmaciones incluidas en Google AI Overviews no estaban respaldadas por las páginas citadas. El hallazgo refuerza una idea central: tener una cita no garantiza que la respuesta represente correctamente lo que dice la fuente.
Persuasión: ¿la aparición provoca una acción?
La última dimensión intenta conectar visibilidad con comportamiento. Incluye la fuerza de la recomendación y el porcentaje de usuarios que hace clic después de ver una cita.
Es la parte más cercana a las métricas de performance, pero también una de las menos maduras. No todas las plataformas ofrecen datos suficientes para seguir el recorrido entre respuesta, clic y conversión. IAB la considera una métrica puente hacia una futura metodología de atribución, no una solución completa.
Para las áreas de marketing, esta es la frontera que determinará si GEO y AEO permanecen como disciplinas de posicionamiento o comienzan a competir por presupuesto con search, contenido, relaciones públicas y medios pagados.
Julieta Ruiz
Preguntarle 20 veces a ChatGPT no es una medición
Uno de los apartados más útiles del documento separa los datos “direccionales” de aquellos aptos para tomar decisiones.
La medición direccional sirve para observar tendencias, detectar riesgos y realizar comparaciones preliminares. No debería utilizarse para reasignar presupuesto, evaluar a una agencia o justificar una inversión ante dirección.
IAB considera que un ejercicio con menos de 50 consultas es meramente exploratorio. Para acercarse a una medición robusta, el proveedor debe utilizar múltiples respuestas por consulta, cubrir diferentes plataformas y probar cuatro tipos de intención: informativa, comparativa, de recomendación y transaccional.
También debe revelar:
- Cómo construyó y ponderó su biblioteca de prompts.
- Qué versiones de los modelos midió.
- Si utilizó consultas simuladas, paneles de usuarios o datos proporcionados por las plataformas.
- Cómo identifica alucinaciones e información incorrecta.
- Con qué frecuencia repite las pruebas.
- Cómo controla cambios de modelo, ubicación, idioma y momento de consulta.
- Cómo pondera cada plataforma al construir un indicador general.
El punto es relevante porque los modelos no son deterministas. Una misma pregunta puede producir respuestas distintas y una actualización de plataforma puede modificar la participación de voz de una marca sin que ésta haya cambiado su estrategia.
Por eso, una gráfica ascendente no necesariamente prueba que una campaña funcionó. Podría reflejar una actualización del modelo, un cambio en las fuentes consultadas o una modificación en la manera de mostrar las respuestas.
Julieta Ruiz
México y Latinoamérica no pueden importar el benchmark estadounidense
La guía también introduce una advertencia especialmente importante para la región: una medición entre mercados sólo puede considerarse apta para decisiones si adapta las consultas al idioma, la geografía y el contexto cultural de cada país.
Traducir una biblioteca de prompts creada en Estados Unidos no es suficiente. Las formas de buscar, comparar productos y formular recomendaciones cambian entre mercados. También cambia la relevancia de las plataformas, los retailers, los medios y las fuentes locales.
Para las agencias latinoamericanas, esto vuelve indispensable exigir resultados separados por país. Un índice regional que combine México, Brasil, Colombia y Argentina puede ocultar diferencias en lenguaje, disponibilidad de productos, competidores y comportamiento de los modelos.
La oportunidad para el ecosistema MadTech está en desarrollar medición diseñada desde la región: bibliotecas de consultas locales, fuentes de referencia verificables en español y portugués, y benchmarks construidos con comportamientos reales de las audiencias latinoamericanas.
Julieta Ruiz
La gran ausencia: publicidad y atribución
El documento cubre exclusivamente visibilidad orgánica. No mide anuncios, influencia pagada ni atribución comercial, aunque ambos tipos de resultados ya comienzan a coexistir dentro de una misma respuesta.
Esta limitación anticipa uno de los mayores retos para AdTech. Si una marca aparece como recomendación orgánica y también como contenido patrocinado, será necesario separar qué parte de la exposición provino de autoridad, inversión publicitaria o una combinación de ambas. Sin esa distinción, los proveedores podrían terminar atribuyendo a GEO resultados generados por medios pagados, o viceversa.
IAB prepara una metodología adicional de atribución. Hasta que exista, las marcas deberían desconfiar de cualquier plataforma que convierta menciones, sentimiento y clics en un único índice sin explicar sus fuentes, limitaciones y variabilidad.
El nuevo documento no resuelve la medición de la búsqueda con IA. Hace algo previo: establece qué preguntas debe responder cualquier empresa que asegure poder medirla. En un mercado lleno de dashboards y puntuaciones propietarias, esa transparencia puede ser más valiosa que otro indicador supuestamente definitivo.
Las respuestas de IA ya influyen en decisiones de negocio, aunque la industria apenas comienza a medirlas. Únete a la Comunidad para acceder a información estratégica, análisis y conversaciones con quienes están transformando el mercado.
