Cómo comprobar gratis la visibilidad en IA: el método y lo que vale de verdad el resultado

La visibilidad en IA se puede comprobar gratis, hoy mismo, sin más que un navegador. Lo que no se puede es comprobarla en cinco minutos, porque una sola respuesta de un solo asistente es ruido. En un estudio con 2.961 ejecuciones en ChatGPT, Claude y la IA de Google, la probabilidad de que el mismo prompt (la instrucción o pregunta que se le escribe al asistente) devolviera la misma lista de marcas en dos respuestas cualesquiera fue inferior a una entre cien en ChatGPT y en la IA de Google, y solo algo mejor en Claude. Por eso el método importa más que la herramienta: hacer preguntas de compra y no preguntas de marca, repetir cada una varias veces, preguntar en más de un asistente, usar una sesión limpia y anotar a quién se nombró y qué se citó.

Hecha así, una tarde da una imagen defendible. Hecha como se suele hacer, da una imagen tranquilizadora.

El método manual que sigue cuesta una tarde y dice dónde está tu empresa. No mueve el número, y ningún panel de control lo mueve tampoco. Lo que lo mueve es una respuesta completa y con fuentes a cada una de esas preguntas de compra, publicada en el propio sitio web y mantenida al día. Eso es lo que scaile opera como infraestructura gestionada: un estratega de AI search dedicado, investigación a partir de la base de conocimiento de tu empresa, cada dato comprobado, la aprobación de tu equipo antes de publicar nada y todo en marcha en 14 días. Para quien prefiera no dedicarle la tarde, el AI Visibility Check gratuito aplica la misma idea de forma automática.

¿Por qué preguntarle a ChatGPT por la propia marca no demuestra nada?

La comprobación gratuita más habitual consiste en abrir ChatGPT y escribir “qué información hay sobre [nombre de la empresa]” o “¿es [nombre de la empresa] un buen proveedor?”. Las dos son preguntas sugestivas. Se le ha entregado al asistente la entidad, así que recuperará páginas sobre esa entidad y la describirá, normalmente con amabilidad. Lo que se aprende es que en la web existe una empresa con ese nombre. Lo que no se aprende es si alguien habría llegado nunca hasta ella.

Las preguntas que importan son las que escribe un comprador antes de tener una lista de candidatos. Comparemos las dos formas:

• Pregunta de marca: “¿Es scaile un buen partner de GEO?”. Inútil. La respuesta trata de scaile porque la pregunta la hizo tratar de scaile.
• Pregunta de compra: “¿Qué partner debería contratar una empresa industrial mediana para aparecer en las respuestas de ChatGPT?”. Útil. Ahora el asistente tiene que elegir, y los nombres que elige son el verdadero grupo de competidores.

Conviene escribir diez de estas, en el idioma y para el mercado que usan de verdad los compradores, porque un comprador que pregunta en español desde Madrid no recibe la misma recuperación de fuentes que quien hace la misma pregunta traducida al inglés, ni necesariamente la misma que quien la hace desde Ciudad de México. Hay que cubrir las cuatro formas que tienen peso comercial: la pregunta de categoría (“mejor X para Y”), la de alternativas (“alternativas a <líder del mercado>”), la de criterios (“qué tener en cuenta al elegir X”) y la pregunta de problema, formulada como alguien describe un problema antes de saber que existe la categoría de producto. Si cuesta llegar a diez, esa dificultad ya es en sí un hallazgo, y es el mismo hueco que cierra la plataforma cuando deriva las preguntas de la propia oferta y del comprador.

¿Cuántas veces hay que preguntar para que el número signifique algo?

Más de las que parecen razonables. SparkToro y Gumshoe pidieron a 600 voluntarios que ejecutaran 12 prompts en ChatGPT, Claude y la IA de Google, 2.961 veces en total, en noviembre y diciembre de 2025. En ChatGPT y en la IA de Google hubo menos de una probabilidad entre cien de que dos ejecuciones del mismo prompt devolvieran la misma lista de marcas, y Claude fue solo algo más propenso a repetir una lista. El orden salió peor todavía: menos de una probabilidad entre mil de obtener la misma lista en el mismo orden. El propio autor del estudio sugiere ejecutar cada prompt al menos entre 60 y 100 veces y promediar las respuestas, que es también la cantidad de veces que se ejecutó cada prompt en el estudio.

Nadie va a hacer 100 ejecuciones a mano, y no hace falta. Lo que sí hace falta es dejar de tratar una ejecución como un resultado. Cinco ejecuciones por pregunta y por asistente es el mínimo manual realista, suficiente para distinguir “nombrada en cinco de cinco” de “nombrada una vez”. Algo que se vio una sola vez es una moneda al aire, no un hallazgo.

Se registra como fracción, no como sí o no: tu empresa nombrada en 4 de 5 ejecuciones, el competidor A en 5 de 5, el competidor B en 2 de 5. Esa fracción es el único número manual que resiste la inestabilidad.

¿Por qué no basta con un asistente?

Porque no leen la misma web. Ahrefs comparó los 50 sitios más mencionados en ChatGPT, Perplexity y la IA de Google a partir de unos 76,7 millones de AI Overviews (los resúmenes generados por IA que Google muestra sobre los resultados) y de unos 950.000 prompts en ChatGPT y en Perplexity. Solo 7 de esos 50 dominios aparecían en las tres listas.

La dispersión también se ve frente al ranking de Google. En 15.000 consultas long tail, solo alrededor del 12 % de las URLs citadas por los asistentes de IA posicionaba en el top 10 de Google para la consulta original: Perplexity sacó el 28,6 % de sus citas del top 10, ChatGPT entre el 6 y el 8 %, y los demás asistentes analizados rondaron el 8 %. Los propios AI Overviews de Google van aparte, con otro conjunto de datos: la investigación de Ahrefs sobre sus citas situaba en torno al 76 % la parte de páginas citadas que posicionaban en el top 10 de Google, y su actualización del 2 de marzo de 2026 la rebajó al 38 %. Ahrefs atribuye la caída a que los AI Overviews se apoyan cada vez más en las búsquedas secundarias del query fan-out (la técnica que lanza varias búsquedas relacionadas mientras se genera la respuesta). Aun así, el 38 % queda muy por encima de los asistentes.

En la práctica: cada pregunta se hace en ChatGPT, en Gemini o en el AI Mode de Google, y en Perplexity. Si solo hay tiempo para dos, conviene elegir ChatGPT y Google, porque son los que menos se parecen entre sí.

¿Por qué tiene que estar limpia la sesión?

Porque el asistente ya conoce a quien pregunta. ChatGPT puede usar las memorias guardadas y las conversaciones anteriores para personalizar las respuestas, de modo que la cuenta que lleva seis meses hablando de la propia empresa es el peor instrumento posible para medir si los desconocidos oyen hablar de ella. La solución está en la documentación de OpenAI: el chat temporal no crea memorias nuevas y, en su modo sin personalización, tampoco usa las existentes. Sirve ese modo, una sesión sin iniciar sesión o un perfil de navegador nuevo.

Hay dos controles más que valen los segundos que cuestan. Fijar la ubicación, porque los asistentes adaptan la respuesta al lugar, y una comprobación hecha desde la oficina responde a otra pregunta que la hecha desde la ciudad del comprador. Y dar a cada pregunta su propia conversación, o la segunda respuesta quedará contaminada por la primera.

¿Qué hay que anotar exactamente?

No “si aparecimos”. Aparecer no es la variable que se mueve. Se construye una tabla con una fila por pregunta y se registran cuatro cosas.

A quién se nombró, y en qué orden. El primer puesto en una respuesta de tres nombres es un resultado comercial distinto del quinto en una lista de ocho, y el orden es la parte menos estable de la respuesta, lo que lo vuelve la más informativa cuando sí se mantiene.

Cuántos nombres contenía la respuesta. Una respuesta que nombra doce proveedores es un directorio. Una que nombra tres es una lista corta, y solo la lista corta importa.

Qué fuentes se citaron. Se copian las URLs reales.

Si el asistente llegó a buscar. ChatGPT indica cuándo ha buscado en la web. Una respuesta generada sin búsqueda sale de los datos de entrenamiento, y ningún cambio en el sitio web la moverá antes de la siguiente generación del modelo.

Tras diez preguntas en tres asistentes se obtiene una tabla de clasificación, y esa tabla es el entregable. No “somos invisibles”, sino “nos nombran en 3 de 30 ejecuciones, al competidor contra el que nunca perdemos un contrato lo nombran en 22, y en 18 de esas la página citada es un artículo comparativo que no escribió ninguno de los dos”.

¿Por qué importan más las citas que la mención?

Porque dicen de dónde salió la respuesta, y casi nunca es el sitio web de la propia marca. En un análisis de 240 prompts sobre marcas que produjeron 23.387 citas en cinco plataformas, el 23 % de las citas procedía del dominio de la propia marca, el 48 % de fuentes ganadas (medios editoriales, foros, sitios de reseñas y directorios) y el 30 % de contenido comercial de otras empresas.

Esa última cifra es la que se suele pasar por alto. Cerca de un tercio de lo que lee el asistente sobre una marca nombrada lo publican otras empresas, a menudo competidores, aunque la categoría abarca cualquier contenido comercial de otra marca y no solo el de rivales directos. Conviene fijarse en el alcance: eran prompts que contenían un nombre de marca, no las preguntas de compra abiertas que recomienda el resto de esta página. Cuando un asistente recomienda a un competidor y cita la página comparativa de ese mismo competidor, no se pierde por producto, se pierde porque ellos escribieron la página que responde a la pregunta y tu empresa no.

Por eso hay que leer las URLs citadas antes de sacar conclusiones. Son el camino más corto hacia un plan, y son justo lo que se pierde en una captura de pantalla de la respuesta. Para la mecánica de qué fragmento acaba citado, el repaso de las palancas con evidencia las ordena según lo que respalda de verdad la investigación.

¿Qué hacer con un mal resultado?

Tres problemas distintos producen el mismo síntoma, y tienen tres soluciones distintas. Conviene separarlos antes de gastar nada.

El sitio web no se puede leer. Los asistentes nunca descargan sus páginas. En el caso de OpenAI, OAI-SearchBot (el rastreador de la búsqueda de ChatGPT) y GPTBot (el de entrenamiento) se controlan por separado en robots.txt, y para ChatGPT-User, que visita páginas cuando lo pide un usuario, OpenAI advierte que las reglas de robots.txt pueden no aplicarse. Lo primero es comprobar que OAI-SearchBot tiene acceso y después revisar en los registros del servidor si llegan visitas reales de estos agentes, porque un fallo habitual es un robots.txt que los permite y una CDN que los bloquea por rango de IP. Para las funciones de IA de Google, el requisito que se indica es que la página esté indexada y pueda mostrarse con un fragmento, y Google dice explícitamente que no hacen falta archivos nuevos legibles por máquina ni un marcado especial. El Health Check gratuito resuelve la parte de robots.txt: 103 comprobaciones en cinco áreas (base técnica, arquitectura de contenido, optimización para IA, meta y redes sociales, y experiencia y confianza) que incluyen las reglas de robots.txt para los rastreadores de IA. No puede ver los registros del servidor, así que esa comprobación sigue siendo un paso manual.

No hay nada en el sitio web que merezca citarse. El sitio es accesible y, aun así, no hay un fragmento que responda la pregunta entera, con evidencia y en frases completas. Una página de producto centrada en beneficios no se puede trasladar a una respuesta. Este es el hallazgo que ningún ajuste corrige, y por eso scaile escribe esas respuestas, comprueba sus datos y las somete a la aprobación de tu equipo en lugar de entregar una lista de huecos.

La página citada es de otro. El sitio es accesible, la página es buena y el asistente sigue citando un artículo comparativo, un directorio o la página de un competidor. Entonces parte del trabajo está fuera del propio dominio: entrar en las fuentes que se recuperan para esa pregunta y publicar la comparativa que los compradores están leyendo en otra parte. Nuestros casos de éxito muestran cómo es ese cambio a lo largo de unos meses.

¿Qué no puede decir una comprobación manual?

Tres cosas, y conviene decirlas sin rodeos.

Tamaño de la muestra. Cinco ejecuciones por pregunta son poca cosa frente a las 60 a 100 que el propio estudio puso detrás de cada prompt. Las fracciones sirven para orientarse, pero estadísticamente son débiles.

Control del mercado y del idioma. A mano se obtiene una ubicación, un idioma y un momento, así que no se puede mantener fijo el mercado mientras se varía la pregunta. Y eso es justo lo que hace falta para saber si la visibilidad de tu empresa en España es distinta de la que tiene en México o en Colombia.

Cambio en el tiempo. Una instantánea no dice si hubo movimiento. Repetir a mano la prueba tres meses después da dos instantáneas tomadas con un instrumento poco fiable, y la diferencia entre ellas es sobre todo ruido.

Esa es la razón honesta por la que existe el AI Visibility Check gratuito. Lee el sitio web, escribe las preguntas de compra que genera de verdad la categoría y las plantea a ChatGPT, Gemini y Perplexity desde el mercado de tu empresa y en el idioma de sus compradores. El primer resultado se ve en la misma página; el informe completo, con diez preguntas, la tabla de competidores y las fuentes citadas, llega por correo. Más allá de esa primera instantánea, el seguimiento es trabajo de una plataforma y no de una hoja de cálculo, porque exige ejecutar los mismos prompts de forma periódica, con el movimiento y su causa en el mismo informe. Eso no se puede aproximar con una tarde trimestral de prompts manuales.

¿Qué vale de verdad salir nombrado?

Un puesto en la lista corta, y no mucho tráfico. En el estudio de Ahrefs de marzo de 2025 sobre unos 35.000 sitios web, la IA generaba alrededor del 0,1 % del tráfico de referencia, y Google enviaba 345 veces más tráfico que ChatGPT, Perplexity y Gemini juntos. Esa cuota ha crecido desde entonces, pero sigue siendo marginal al lado de la búsqueda, y quien vende la visibilidad en IA como un canal de tráfico la está vendiendo de más.

Además, la atribución es difícil de verdad. Google Analytics 4 tiene ya un canal “AI Assistant”, pero solo clasifica una sesión cuando el medio es ai-assistant o el sitio de referencia coincide con una lista de asistentes conocidos. Las sesiones que llegan sin referencia, y los enlaces que un comprador copió de una respuesta en lugar de hacer clic, acaban como tráfico directo o sin asignar. Así que el tráfico real influido por la IA es mayor de lo que muestra el panel, y no se puede saber cuánto.

El valor está antes del clic. Si un asistente nombra a tres proveedores y tu empresa es uno de ellos, está en la lista de un comprador que nunca abrió una página de resultados. Si nombra a tres y tu empresa no está, la decisión se tomó antes de que nadie contactara con ella. Eso merece medirse bien, que no es lo mismo que medirlo con cronómetro en el informe de tráfico. Si tu empresa no aparece en absoluto, las causas habituales y el orden en que conviene revisarlas son la siguiente lectura.

Preguntas frecuentes

Fuentes

• SparkToro y Gumshoe: las IA son muy inconsistentes al recomendar marcas, 600 voluntarios, 12 prompts, 2.961 ejecuciones, noviembre y diciembre de 2025. Inestabilidad entre ejecuciones en ChatGPT y la IA de Google, y la sugerencia del autor de preguntar al menos entre 60 y 100 veces y promediar (en inglés).
• Ahrefs: las fuentes más mencionadas no se comparten entre asistentes de IA, 12 de junio de 2025, unos 76,7 millones de AI Overviews y unos 950.000 prompts en ChatGPT y en Perplexity. Solo 7 de los 50 dominios principales compartidos por los tres (en inglés).
• Ahrefs: solo el 12 % de las URLs citadas por la IA posiciona en el top 10 de Google, 15.000 consultas long tail. Coincidencia de cada asistente con el top 10 de Google (en inglés).
• Ahrefs: el 38 % de las citas de los AI Overviews sale del top 10, 2 de marzo de 2026, unas 863.000 SERP y unos 4 millones de URLs de AI Overviews. La cifra de los AI Overviews, frente a cerca del 76 % del recuento anterior de Ahrefs (en inglés).
• Omniscient Digital: cómo obtienen los LLM la información sobre marcas, 240 prompts que contienen un nombre de marca, 23.387 citas, cinco plataformas. 23 % propias, 48 % ganadas, 30 % contenido comercial de marcas distintas de la nombrada (en inglés).
• OpenAI: resumen de sus rastreadores. OAI-SearchBot, GPTBot, ChatGPT-User y OAI-AdsBot, para qué sirve cada uno y cómo se aplica robots.txt (en inglés).
• OpenAI: preguntas frecuentes sobre el chat temporal. El chat temporal no crea memorias nuevas; en su modo sin personalización tampoco usa las existentes (en inglés).
• Google Search Central: las funciones de IA y tu sitio web. Estar indexado y poder mostrarse con un fragmento como único requisito técnico, sin archivos ni marcado especiales, y el query fan-out (en inglés).
• Ahrefs: la IA supone el 0,1 % del tráfico, 26 de marzo de 2025, unos 35.000 sitios web. La cuota de la IA en el tráfico de referencia, y Google frente a ChatGPT, Perplexity y Gemini juntos (en inglés).
• Google Analytics 4: definiciones del grupo de canales predeterminado. El canal AI Assistant y las condiciones de medio y de sitio de referencia que exige (en inglés).
• Ahrefs sobre la adopción de llms.txt, unos 137.000 dominios. El 97 % de los archivos encontrados no recibió ninguna solicitud en el mes medido (en inglés).