Durante los últimos 20 años, los profesionales del marketing han estado aprendiendo cómo conseguir que a Google le guste su marca. En 2025, ha surgido una nueva pregunta, mucho menos cómoda:

¿Por qué no les gusta tu marca a ChatGPT, Claude o Perplexity cuando inviertes tanto en contenidos y SEO?

Hasta hace poco, sólo podíamos hacer conjeturas. Hoy tenemos algo nuevo: modelos lingüísticos capaces de observar sus propios estados internos hasta cierto punto e informar de lo que ocurre en ellos. La investigación de Anthropic sobre la llamada introspección ha demostrado que los modelos superiores de Claude Opus 4 y 4.1 son capaces de detectar y nombrar "pensamientos" inyectados artificialmente alrededor del 20% de las veces, y ni una sola vez se equivocaron en las pruebas de control.

Esto no es plena autoconciencia, pero significa una cosa para usted como vendedor:

puede preguntar hoy a la IA por qué pasa por alto su marca, y a veces obtendrá una respuesta que realmente procede de lo que tiene "en la cabeza" y no de una confabulación que suene bien.

Lo que Anthropic ha descubierto y lo que sigue

En pocas palabras, el equipo de Anthropic investigó si los grandes modelos lingüísticos son capaces de notar y describir los cambios en sus propias activaciones neuronales, si se modifican artificialmente.

Cómo se hizo:

1. Inyección de conceptos

Los investigadores establecieron primero un "vector" que representaba un concepto concreto, por ejemplo "traición" o "justicia". A continuación, inyectaron este patrón de activación durante una tarea completamente distinta, como resolver una tarea matemática.

2. La cuestión del modelo, ¿qué se siente

Durante la tarea, se preguntaba más o menos al modelo: "¿Notas algo inusual en tu estado interno? Si es así, intente describirlo".

3. Un resultado que sorprendió a todos

• Claude Opus 4 y 4.1 fueron capaces de detectar y nombrar correctamente un concepto inyectado de este tipo en aproximadamente el 20% de las pruebas.
• En la serie de control, en la que no se inyectó nada, no hubo confusión del modelo

El punto clave es que no tiene forma de "adivinar" a partir del texto de entrada lo que se ha inyectado. Responde únicamente en función de su propio estado interno. Se trata de la primera prueba contundente y causal de que los modelos son capaces de informar, hasta cierto punto, de lo que ocurre "en su interior", en lugar de limitarse a hacer bonitas justificaciones.

Al mismo tiempo, Antrópica subraya muy claramente:

• la introspección es inestable y a menudo fracasa
• los modelos aún pueden confabular
• las empresas no deben confiar "ciegamente" en todas las explicaciones que da un modelo sobre sí mismo

Para ti, otra cosa es importante: a veces el modelo revela el verdadero funcionamiento interno del. Y esto se traduce directamente en cómo ven su marca.

¿Por qué deberías molestarte?

Lo que es un avance científico para los investigadores es una nueva herramienta para usted:

Algo más está sucediendo en paralelo:

• Los resúmenes de IA y módulos similares de Google ya aparecen en varios porcentajes de las consultas y crecen mes a mes
• Los buscadores conversacionales (ChatGPT, Perplexity, Claude, Gemini) están empezando a convertirse en el lugar donde el cliente oye hablar por primera vez de su categoría y marca
• Los informes demuestran que el tráfico procedente de las citas de la IA convierte muchas veces mejor que el SEO clásico, porque el usuario llega ya "calentado" y más cerca de la decisión

La introspección de los modelos te proporciona una herramienta adicional con la que ya no sólo puedes medir si un modelo habla de ti, sino también preguntarle por qué habla de ti de esta manera y no de aquella y por qué no te considera en absoluto.

¿Qué pueden introspeccionar los modelos y qué no?

La investigación sobre la inyección de conceptos muestra un patrón interesante.

Los mejor detectados son:

• conceptos abstractos
  como "justicia", "paz", "traición", "caro" "barato", "seguridad"
• ejes de posicionamiento de alto nivel
  por ejemplo "empresa" frente a "pequeña empresa", "innovador" frente a "anticuado"

Va mucho peor con:

• nombres propios específicos
• características de cada producto
• detalles de la aplicación

En otras palabras, el modelo introspecciona mejor a nivel de "qué papel desempeña esta marca" que de "cuáles son exactamente sus funciones y precios".

Esto se alinea brillantemente con la perspectiva de la marca. Precisamente estos ejes abstractos son cruciales para el posicionamiento:

• prima frente a presupuesto
• alto nivel de seguridad frente al "SaaS ordinario"
• especialización en un segmento específico frente a herramienta de uso general

Si la IA tiene en mente tu marca como un "sustituto barato" o "tecnología antigua", es capaz de decírtelo directamente, al menos a veces.

¿Cómo puedes preguntar a ChatGPT por qué no recomienda tu marca?

Paso 1 Construye un escenario en el que te recomienden objetivamente

Escriba, por ejemplo, mensajes realistas que reproduzcan las situaciones de compra de sus clientes:

Ejecute estos escenarios a través de varios modelos: ChatGPT, Claude, Perplejidad, Géminis. Registre los resultados.

Paso 2. Marca los momentos en los que te dejan fuera

Le interesan tres casos:

1. El modelo sólo recomienda a los competidores, su marca no aparece en absoluto
2. El modelo le menciona, pero la descripción es incompleta o desfavorable
3. El modelo le recomienda bajar de una alternativa mucho más débil

Estos son los lugares en los que la introspección tiene sentido.

Paso 3 Haga una pregunta introspectiva

En lugar del clásico "¿por qué?", utilice una forma que haga referencia directa al estado interno del modelo.

O si se menciona la marca, pero mal:

No esperes siempre un milagro. En pocas palabras:

• en algunos casos obtendrá una respuesta que parecerá superficial o general - es probablemente una confabulación,
• de vez en cuando obtendrá una respuesta que da en el clavo
  por ejemplo: "No tengo suficiente información fiable sobre sus funciones de seguridad" o "Asocio la marca principalmente con el soporte a pequeños comercios, por lo que en un escenario empresarial prefiero otras soluciones".

Con una tasa de éxito del 20% y sin falsos positivos en condiciones de control, estas respuestas valen su peso en oro, aunque se produzcan con poca frecuencia.

Paso 4: Compruébelo, no se fíe de nuestra palabra

Trate cualquier idea de la introspección como una hipótesis, no como una verdad revelada:

• intente confirmarlo observando el comportamiento del modelo en varias indicaciones
• comparar los resultados entre los distintos modelos
• compruebe que coincide con lo que ve en el análisis de brechas de contenido, enlaces, menciones en los medios de comunicación

Tres elementos ausentes que limitan su visibilidad en la IA

En la práctica, las respuestas de la introspección tienden a clasificarse en tres segmentos.

1. Falta de contexto empresarial

El modelo "no lo sabe":

• ¿qué vende exactamente?
• en qué ganas
• para quién eres mejor

Esto se manifiesta en frases como:

• "No tengo representaciones sólidas sobre el cliente objetivo de la marca"
• "Veo que ofrecen una solución de este tipo, pero tengo poca información sobre dónde se utiliza"

Esto indica que su contenido no está construyendo una identidad de marca clara y abstracta.

2. Sin contexto de canal

El modelo no entiende cómo funciona su sector en un canal o caso de uso concreto.

Ejemplos:

• falta de contenidos que expliquen su papel en el ecosistema de la IA
• comparaciones deficientes con alternativas
• falta de material en el formato que a AI le gusta citar para preguntas concretas (comparaciones, guías, preguntas frecuentes)

3. Falta de perspectiva del cliente

El modelo ve su sitio web, pero no ve a sus clientes:

• no hay estudios de casos reales
• falta de respuesta a las objeciones reales
• la falta de expresión de las preocupaciones de los clientes que aparece en las reseñas y las comunidades

En la introspección sale como:

• "No tengo una representación clara de los problemas típicos de los clientes de esta marca"
• "Veo muy pocas revisiones y pruebas de las implantaciones"

E-E-A-T en IA, o ¿en qué basa la IA la confianza en su marca?

Los modelos de IA "heredan" en gran medida los sesgos (tendencias, sesgos cognitivos de los modelos) y las señales familiares de Google. El clásico E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) también se convierte en la base de la visibilidad en las respuestas de la IA.

Lo que esto significa en la práctica:

• Experiencia
  Contenido basado en implantaciones reales, resultados concretos, estudios de casos, citas de clientes.

• Experiencia
  Autores con experiencia, material técnico en profundidad cuando el tema es crítico, referencias a investigaciones y normas industriales.

• Autoritatividad
  Citas en medios creíbles, enlaces desde dominios reputados, apariciones en conferencias, integraciones de socios.
• Fiabilidad
  Información clara de la empresa, datos de contacto claros, políticas, contenido actualizado, datos correctos, sin clickbait.

Los estudios y análisis del mercado SEO muestran que las señales E-E-A-T fuertes se correlacionan con una mayor visibilidad y con la estabilidad ante las actualizaciones de los algoritmos. Todo indica que lo mismo ocurre con los sistemas de IA, que prefieren fuentes "expertas y bien documentadas" a la hora de generar respuestas.

GEO, AEO y datos estructurados como "combustible" técnico para la IA

El SEO clásico optimiza el posicionamiento en las SERPs. GEO (Generative Engine Optimisation) y AEO (Answer Engine Optimisation) optimizan para que su contenido sea fácilmente citado por modelos como ChatGPT, Claude, Perplexity, AI Overviews en Google.

Elementos clave

1. Datos estructurados y marcado de esquemas
Artículo, PREGUNTAS FRECUENTES, Cómo, Producto, LocalBusiness, Consulte

• permiten a los modelos comprender rápidamente el tipo de página
• organizar las respuestas en un formato que el LLM pueda resumir fácilmente
• aumentar la posibilidad de que sean sus fragmentos los que se "peguen" en una respuesta

2. El formato "responder primero
Respuestas breves y precisas en la parte superior de la página, y sólo después, más detalladas.

Así es exactamente como las mejores guías de optimización de búsqueda AEO y AI estructuran el contenido.

3. Control de acceso para robots de inteligencia artificial

• corregir robots.txt
• considere archivos como llms.txt si desea controlar el rastreo de contenidos con mayor precisión
• ningún contenido crítico oculto tras un muro de pago donde no exista una versión abierta.

Si los datos no están estructurados y el sitio es lento y difícil de rastrear, el La IA no construirá representaciones sólidas de su marca, no importa lo bueno que sea el contenido.

Cómo medir la visibilidad de una marca en la IA

Las "sensaciones" por sí solas ya no bastan. Necesitas un conjunto de métricas.

Basándose en los informes de Semly, Semrush, Searchable y otros proveedores de herramientas de visibilidad de IA, puede construir el siguiente conjunto de indicadores.

1. Puntuación de visibilidad de marca AI
Porcentaje de respuestas de AI en su categoría en las que aparece la marca.

2. Índice de citas
La frecuencia con que se le cita o enlaza como fuente.

Por ejemplo, en ChatGPT, Perplexity, AI Overviews.

3. Cuota de voz de la IA
La cuota de sus menciones en relación con sus competidores en una categoría determinada.

4. Puntuación del sentimiento de la IA
Un índice sencillo que muestra cómo percibe la IA su marca.

5. Cobertura inmediata
¿En cuántos escenarios de compra clave aparece usted?

Cada vez son más las herramientas que permiten realizar un seguimiento continuo, como las soluciones de optimización de búsquedas mediante IA: Semly.ai o Profound.

Plan de 90 días

Cómo combinar la introspección de la IA con la práctica del marketing:

Días 1-14: Auditoría de "cómo piensa la IA sobre nosotros"

• Elabore una lista de indicaciones de compra clave
• Compruebe quién aparece en las respuestas de las 3 primeras recomendaciones
• En caso contrario, pida a los modelos que hagan una introspección: "¿cómo me percibe frente a la competencia?", "¿qué representaciones le han impedido recomendar esta marca?"

Fíjese en los temas recurrentes.

Días 15 a 30: Relacionar las lagunas de representación con las lagunas de contenido

• Realizar un análisis de las carencias de contenido con respecto a las marcas que la IA recomienda con más frecuencia
• Echa un vistazo a los formatos que a AI le gusta citar: guías, comparaciones, preguntas frecuentes, casos prácticos
• Yuxtaponga esto con señales introspectivas como "no hay representaciones sólidas de seguridad" o "pocas pruebas de despliegues"

Días 31-60: Construir contenidos "introspectivamente amables

• Preparar contenidos que codifiquen claramente el posicionamiento de marca premium abstracto, la empresa, la seguridad, la sencillez, la especialización sectorial
• Ocúpate de la E-E-A-T: autores, fuentes, casos prácticos, citas
• Añada datos estructurados y asegúrese de que el formato es "responder arriba, ampliar abajo"

Días 61-90: Validación e iteración

Repite las pruebas de IA a partir de las mismas indicaciones.

Compruébalo:

• apareces más a menudo
• el contexto en el que se le recomienda ha cambiado
• la introspección de los modelos da respuestas diferentes.

Sobre esta base, iterar: contenido, posicionamiento, estructura de la página.

Glosario

AEO (Optimización de motores de respuesta)
Optimización de contenidos para respuestas generadas por módulos de IA y motores de respuesta como AI Overviews, ChatGPT, Perplexity, Bing Copilot o asistentes de voz.

Visibilidad de la marca AI
La medida en que su marca es visible, citada y recomendada por los sistemas de IA en los momentos clave de la toma de decisiones.

Inyección de conceptos
Técnica de investigación en la que los investigadores inyectan en un modelo patrones de activación específicos que representan un concepto y, a continuación, comprueban si el modelo puede detectar que se ha producido algo "antinatural" en su estado interno.

E-E-A-T
Experiencia, especialización, autoridad y fiabilidad. El marco de Google para evaluar la calidad del contenido, también cada vez más importante en la búsqueda de IA.

GEO (Optimización Generativa de Motores)
Una estrategia de optimización de contenidos para motores de búsqueda generativos, centrada en la frecuencia y la calidad de las citas en las respuestas de la IA y no sólo en las posiciones en los resultados de búsqueda clásicos.

Introspección de la IA
Capacidad del modelo para detectar y describir aspectos seleccionados de sus propios estados internos. En la investigación antrópica se mide reaccionando a "pensamientos" inyectados artificialmente y evaluando si el modelo puede percibirlos y nombrarlos.

LLM (Gran Modelo Lingüístico)
Un gran modelo lingüístico, un sistema de IA entrenado en enormes cantidades de datos textuales, capaz de generar y comprender el lenguaje natural.

Marcado Schema
Conjunto de datos estructurados en formato JSON-LD o microdatos, añadidos a una página para ayudar a los motores de búsqueda y a los modelos de IA a comprender el tipo y la estructura del contenido.

Análisis de las lagunas de contenido
Es un método que le permite identificar qué contenidos faltan en su sitio web o ecosistema de contenidos, con el fin de: responder mejor a las necesidades de sus clientes, competir con las mejores marcas de su sector, mejorar su visibilidad en los motores de búsqueda y las respuestas de AI.

Sesgo
Se trata, en el mundo de la IA, de un término que designa la tendencia del modelo a favorecer ciertas fuentes, patrones establecidos derivados de datos de entrenamiento, "sesgos" repetitivos que no proceden de las intenciones del usuario, sino de lo que el modelo ha visto antes.

PREGUNTAS FRECUENTES

¿Un 20% de introspección efectiva no es suficiente para preocuparse?
Esto no es mucho si se trata la introspección como un "oráculo". En la práctica, se trata de otra cosa:

• en las pruebas de control, los modelos no señalaron ni una sola vez un problema cuando en realidad no ocurría nada anormal
• por ejemplo, cuando un modelo dice "veo tal y tal concepto en mí", es una señal clara de que existe tal cosa en sus representaciones internas

Para el vendedor, esto significa: no siempre obtendrá una respuesta, pero si la obtiene y parece coherente, vale la pena tomarla en serio y verificarla con otros métodos.

¿Qué herramientas pueden ayudarme a medir la visibilidad de la marca en la IA?
El mercado evoluciona rápidamente. Cada vez más plataformas de SEO y de contenidos añaden módulos para supervisar las citas en IA.

Presta atención a las herramientas que:

• lleve un registro de los avisos en los que aparece su marca
• mostrar la cuota de voz frente a los competidores
• medir el sentimiento de las respuestas
• apoyar el análisis de las lagunas de contenido en términos de búsqueda de IA

¿En qué se diferencia prácticamente el GEO del SEO tradicional?
El SEO se centra en las posiciones en los resultados de búsqueda y los clics. GEO se centra en el número de citas y la calidad del contexto en las respuestas de IA.

Dado que estoy optimizando para la IA, ¿puedo dejar de invertir en SEO?
No. Todos los análisis importantes indican que la IA utiliza en gran medida las señales conocidas del ecosistema de búsqueda clásico, como la autoridad del dominio y los enlaces. Un enfoque sensato es la "optimización de la búsqueda en todas partes": se construyen los cimientos de la SEO y, encima, se añaden capas de GEO y AEO.

¿Con qué frecuencia debo comprobar mi visibilidad en la IA?
Un mínimo de una vez a la semana y preferiblemente una vez al día. Los modelos se actualizan, así que el hecho de que hoy estés visible no significa que lo sigas estando dentro de tres meses.

Resumen

La investigación de Anthropic sobre la introspección de los modelos lingüísticos no es una curiosidad filosófica. Para las marcas significa eso:

• por primera vez, puede pregunta directamente a las modelos por qué te ignoran y ocasionalmente obtienen una respuesta que proviene de sus representaciones reales e internas de la
• puede utilizar estas respuestas para diseñar mejor el contenido, el posicionamiento y los datos estructurados
• puede empezar a tratar los modelos de IA como un nuevo medio, con su propia metodología de investigación y optimización, y no sólo como una caja negra

Las marcas que, en 2025, aprendan a ver la IA no como una caja mágica, sino como una un público al que hay que enseñar a pensar en nuestra oferta de la manera correctadentro de unos años tendrán una ventaja que no se podrá alcanzar fácilmente.

La introspección de la IA es aún imperfecta. Pero para comprender un hecho clave ya es suficiente:

Fuentes

1. Antrópico, "Conciencia introspectiva emergente en grandes modelos lingüísticos".
2. MarkTechPost, "Una nueva investigación de Anthropic muestra que Claude puede detectar conceptos inyectados, pero sólo en capas controladas", 2025.
3. Search Engine Land, "Cómo medir la visibilidad de su marca en la búsqueda de IA y demostrar su impacto", 2025.
4. Semrush, "Cómo optimizar los resultados de búsqueda de la IA en 2025", 2025.
5. SurferSEO, "Optimización de la búsqueda de IA: 8 pasos para aparecer en los resultados de IA", 2025.
6. CXL, "Optimización de motores de respuesta (OEM): La guía completa para 2025", 2025.
7. Central de búsqueda de Google, "Crear contenidos útiles, fiables y orientados a las personas"
8. Semrush, "Google E-E-A-T: Qué es y cómo afecta al SEO', 2024 y actualizaciones 2025.

Compartir:

Copiar enlace