Si tienes un negocio en Chile y alguna vez le preguntaste a ChatGPT por proveedores de tu rubro, ya viste lo que está pasando: el motor nombra tres o cuatro empresas, muchas veces ninguna de tu ciudad, y no hay una lista de diez enlaces donde puedas pelear un puesto. La unidad de medida cambió. Ya no compites solo por una posición en Google: compites por aparecer, con qué rol y con qué exactitud, dentro de respuestas que se arman en el momento de la consulta.
Esta guía está escrita para dueños de negocio, responsables de marketing y equipos internos que necesitan entender el mecanismo antes de contratar a alguien. No es un catálogo de tácticas ni una promesa. Nadie puede garantizarte que ChatGPT, Gemini o Perplexity te mencionen —ni nosotros ni quien diga lo contrario—, y esa frase no es un descargo legal: es el punto de partida del documento.
A lo largo de trece secciones vas a encontrar tres cosas separadas con disciplina: lo que los fabricantes documentan sobre su propia tubería (OpenAI, Google, Microsoft y Perplexity), lo que se ha medido con metodología publicada y auditable, y lo que se repite como dato sin fuente detrás. También vas a encontrar lo que no se sabe, que es bastante y que es la parte más útil para decidir, y las siete tácticas sobrevendidas que conviene reconocer en una reunión comercial, cada una con la razón técnica de por qué no funciona como se promete.
Partamos por lo incómodo: nadie puede garantizarte que ChatGPT te recomiende. Ni nosotros ni quien prometa lo contrario. Si alguien te ofrece una posición asegurada dentro de una respuesta generativa, está vendiendo algo que ningún fabricante documenta y que ningún tercero puede verificar.
Dicho eso, el cambio de fondo es real y es técnico, no publicitario. Durante veinte años el negocio se ordenó en torno a una pregunta simple: en qué posición aparezco. Hoy la pregunta útil es otra: en cuántas de las respuestas que importan para mi categoría se menciona mi negocio, con qué rol y con qué exactitud.
Un motor generativo no entrega una lista de diez enlaces. Entrega una respuesta redactada y, a veces, unas pocas fuentes de apoyo. Eso significa que tu página puede estar perfectamente indexada y no ser citada nunca, o ser citada una vez y desaparecer del conjunto. Es otra unidad de medida, y confundirlas es el origen de casi todas las promesas infladas que vas a escuchar este año.
En el modelo clásico, competías por un puesto dentro de una lista estable y compartida. Dos personas en Santiago que buscaban lo mismo veían, con matices, la misma lista. En el modelo generativo, cada respuesta se arma en el momento, con recuperación de páginas y síntesis de lenguaje, y puede variar entre consultas casi idénticas.
La consecuencia práctica para un negocio chileno es que ya no basta con administrar un ranking. Hay que administrar participación: en qué proporción de un conjunto definido de preguntas comerciales apareces, y en cuáles no. Esa proporción siempre se mide sobre una canasta de preguntas que alguien eligió, y ese detalle es el que casi nunca se declara.
| Dimensión | Búsqueda clásica | Respuesta generativa |
|---|---|---|
| Unidad de medida | Posición en una lista de enlaces | Presencia y rol dentro de una respuesta |
| Qué compites | Un puesto por consulta | Un racimo de consultas derivadas |
| Estabilidad | Alta entre sesiones | Variable; medida incluso a minutos de distancia |
| Resultado del clic | El usuario entra a tu sitio | El usuario suele quedarse en la respuesta |
| Qué se puede comprometer | Trabajo y método | Trabajo y método |
Fíjate en la última fila. En ninguno de los dos modelos un proveedor serio puede comprometer una posición. La diferencia es que en el modelo generativo la promesa es todavía más frágil, porque no existe un ranking publicado de fuentes que alguien pueda rastrear.
No es una intuición. Un estudio que envió 480 preguntas a cuatro motores en una sola captura registró 16.069 citas sobre 7.775 dominios distintos, y encontró que 5.201 de esos dominios —el 67%— fueron citados exactamente una vez en todo el corpus. El dominio promedio fue citado 2,1 veces (The Answer Index).
Más incómodo aún: al repetir las mismas preguntas 38 minutos después, Perplexity coincidió consigo mismo en 0,900 y Google AI Overviews en 0,622 sobre 201 paneles (The Answer Index). Es decir, hay variación medible incluso para el mismo motor con la misma pregunta, en la misma sesión de trabajo. Una captura de pantalla con tu marca citada no es evidencia de nada, y volveremos sobre ese punto.
El mismo estudio buscó cuánto se parecen los motores entre sí y encontró que muy poco. El par con mayor acuerdo —Perplexity y Google AI Overviews— coincide con un Jaccard medio por pregunta de 0,181. Todos los pares que incluyen a ChatGPT quedan en 0,020 o menos (The Answer Index). Son cuatro cadenas de suministro distintas, no cuatro vistas del mismo ranking.
Para que una página sea enlace de apoyo en AI Overviews o AI Mode, Google exige que esté indexada y sea elegible para snippet. Pero la propia documentación agrega: «Just because a page meets all requirements, best practices, and complies with the policies, doesn’t mean that Google will crawl, index, or serve its content. Indexing and serving isn’t guaranteed.» (Google Search Central, AI features and your website).
Y sobre las herramientas de terceros, Google es igual de directo: «No third-party tool has access to our internal ranking or AI systems.» (Google, Optimizing for generative AI search). Si ninguna herramienta externa accede a esos sistemas, ninguna puede calcular una posición futura dentro de ellos.
El artículo separa tres cosas que el mercado mezcla a propósito: lo que los fabricantes documentan sobre su propio funcionamiento, lo que se ha medido con metodología publicada y auditable, y lo que se repite como dato sin fuente detrás. Cuando algo no está confirmado en fuente primaria, lo decimos y no lo usamos como cifra.
También vas a encontrar los vacíos de conocimiento, que son extensos. No existe estudio público con metodología declarada sobre citación en consultas locales chilenas, y ese hueco explica por qué la mayoría de las cifras que circulan en Chile son automediciones de agencia con interés comercial directo. Se pueden citar y contextualizar, pero no son un estudio independiente del mercado.
Si tu objetivo es entender el mecanismo antes de contratar a alguien, esta guía está pensada para eso. Si buscas un número que te asegure aparición, no lo vas a encontrar aquí, porque no existe con respaldo.
Cuando alguien pregunta a ChatGPT, Gemini o Perplexity por un servicio en Chile, el motor no consulta una base de datos de marcas. Ejecuta una búsqueda, recupera páginas candidatas, las lee y recién entonces escribe una respuesta que puede citar a algunas de ellas. Entender ese recorrido es lo que separa una estrategia con fundamento de una promesa de agencia.
La consecuencia práctica es incómoda y conviene decirla al principio: ningún fabricante publica los factores ni los pesos con que elige a quién mencionar, y Google lo declara sin ambigüedad sobre sus propios sistemas internos de ranking y de IA (Google, Optimizing for generative AI search). Nadie puede garantizar que aparezcas.
El recorrido tiene cuatro momentos: primero existe un índice, un corpus de páginas que el motor ya conoce; segundo hay recuperación, el sistema trae un conjunto acotado de candidatas para esa consulta; tercero hay síntesis, el modelo escribe una respuesta a partir de lo recuperado; cuarto hay citación, y algunas de esas páginas quedan referenciadas mientras otras no. Conviene separarlos porque cada etapa falla por razones distintas, y la solución de una no arregla la siguiente.
Si tu página no está en el índice, ninguna táctica de contenido importa. Si está indexada pero el motor no la recupera, el problema es de relevancia y no de redacción. Si la recupera pero no la cita, el asunto es de evidencia y formato. La investigación académica distingue justamente dos etapas medibles en ese tramo final: selección de la fuente y absorción de su contenido en la respuesta generada (Zhang, He y Yao, arXiv 2604.25707).
Google documenta que para sustentar sus respuestas recupera páginas relevantes y actualizadas desde el índice de Google Search, con sus sistemas centrales de ranking. Ese mecanismo se llama RAG o grounding. La implicación es directa: las funciones de IA de Google no operan sobre un índice paralelo y secreto, sino sobre el mismo índice que ya alimenta la búsqueda tradicional.
De ahí se sigue algo que el propio Google repite: no hay requisitos adicionales para aparecer en AI Overviews ni en AI Mode, ni optimizaciones especiales que sean necesarias (Google, AI features and your website). Lo que sí existe es una condición dura, y la revisamos más adelante: la página tiene que estar indexada y ser elegible para snippet.
El segundo mecanismo documentado es el query fan-out: además de la consulta original, el sistema lanza consultas relacionadas de forma concurrente. Google da un ejemplo textual. Para «how to fix a lawn that’s full of weeds» el fan-out incluye «best herbicides for lawns», «remove weeds without chemicals» y «how to prevent weeds in lawn» (Google, Optimizing for generative AI search).
Esto cambia la unidad de trabajo. No optimizas una keyword: cubres un conjunto de preguntas vecinas que el motor puede disparar en paralelo. Un negocio que solo tiene una página genérica sobre su servicio queda fuera de las consultas derivadas, y esas derivadas son las que aportan buena parte del material citado.
Microsoft describe sus agentes con una frase que vale como criterio de redacción: son «retrievers, drawn to structured, verifiable, and applicable content» —recuperadores atraídos por contenido estructurado, verificable y aplicable (Bing Webmaster blog, AI Performance). Las tres palabras son exigentes: estructurado se refiere a la organización de la página, verificable a que las afirmaciones se puedan comprobar, y aplicable a que sirvan para responder algo concreto.
Lo medido apunta en la misma dirección: las páginas con más evidencia extraíble dentro —definiciones, cifras, comparaciones y pasos procedimentales— son las que tienden a influir más en la respuesta final, y lo desarrollamos con sus cifras en la sección de selección y absorción. Como veremos, más citas no equivale a más uso: ChatGPT cita menos y aprovecha más por página, mientras Perplexity cita el doble y aprovecha menos.
El sistema no te conoce ni te recuerda. Recupera. Todo lo que hagas por ser visible en IA pasa por ser recuperable, legible y verificable en el momento exacto de la consulta.
Ningún motor generativo «ve» tu sitio en el momento en que alguien pregunta. Antes de eso, un programa automatizado tuvo que descargar tus páginas y dejarlas disponibles en algún índice. Si ese programa nunca entró, tu contenido no puede ser recuperado y, por lo tanto, no puede ser citado. No hay optimización, texto ni presupuesto que reemplace ese paso previo.
La buena noticia es que aquí la documentación oficial es explícita y la palanca es barata. La mala es que casi todo el mercado confunde agentes que pertenecen a tuberías distintas y toma decisiones que no afectan lo que cree estar afectando.
OpenAI documenta etiquetas de robots.txt independientes para sus distintos agentes. Permitir OAI-SearchBot para aparecer en búsqueda y bloquear GPTBot para excluirse del entrenamiento son decisiones separadas, no una sola (OpenAI Crawlers).
| Agente | Para qué sirve | Qué controla de verdad |
|---|---|---|
| OAI-SearchBot | Rastreo para búsqueda | Textual de OpenAI: «Sites that are opted out of OAI-SearchBot will not be shown in ChatGPT search answers, though can still appear as navigational links.» Es la única palanca con efecto declarado y directo sobre aparecer o no. |
| GPTBot | Entrenamiento de modelos fundacionales | Uso del contenido en entrenamiento. Bloquearlo no controla la visibilidad de búsqueda. |
| ChatGPT-User | Acciones iniciadas por el usuario | No rastrea de forma automática y no determina si el contenido aparece en Search. |
| OAI-AdsBot | Validación de anuncios | Solo visita páginas enviadas como anuncios. Sus datos no se usan para entrenar modelos fundacionales. |
Las cuatro filas salen del mismo documento de OpenAI (OpenAI Crawlers), y la plataforma publicitaria que sostiene OAI-AdsBot también está documentada como producto con API de anunciantes, pixel de medición y product feeds (OpenAI Ads).
La trampa más repetida es tratar todos los agentes como si fueran uno. Un sitio bloquea GPTBot, respira tranquilo y asume que con eso reguló su presencia en las respuestas de ChatGPT. Según la propia documentación, esa decisión no toca la tubería de búsqueda: la palanca de aparición es OAI-SearchBot. El resultado es un sitio fuera del índice de búsqueda por accidente y con la sensación de haber tomado una decisión estratégica.
Además, los cambios en robots.txt pueden tardar aproximadamente 24 horas en surtir efecto en los sistemas de OpenAI (OpenAI Crawlers). Si alguien mide el mismo día en que cambió el archivo y no ve diferencia, todavía no probó nada.
Perplexity documenta que PerplexityBot sirve para aparecer y no se usa para entrenar modelos fundacionales, mientras Perplexity-User «generally ignores robots.txt rules» (Perplexity Crawlers). Traducido: existe un agente que respeta tus reglas y otro que, por diseño, actúa como lo haría un navegador en manos de una persona.
Su guía recomienda combinar user-agent y rango de IP, porque el user-agent por sí solo puede falsificarse. Es la advertencia técnica más útil de toda la documentación de rastreadores: si tu verificación se apoya solo en el nombre declarado, cualquiera puede imitarlo y tú no puedes distinguir el rastreador real de una imitación.
Para el caso de Anthropic y sus agentes, esta investigación no pudo reverificar la documentación con una URL primaria accesible, así que no se entregan detalles de sus tokens en este artículo. Existen, pero publicar sus nombres y comportamientos sin fuente vigente sería exactamente lo que este documento pide no hacer.
El bloqueo casi nunca viene de una decisión editorial. Viene de una regla ancha puesta por otra razón y olvidada: un WAF que rechaza «bots» en masa, un CDN que corta rangos de IP heredados, una plantilla que sobrescribe el robots.txt en cada despliegue. Los sitios que filtran por rangos amplios corren un riesgo particular, porque la verificación por IP que recomienda Perplexity deja de funcionar.
Este es el error más frecuente en las auditorías técnicas que revisamos, y también el más caro, porque se comete con buena intención: alguien decide bloquear Google-Extended desde robots.txt para «no alimentar la IA de Google», y después se pregunta por qué su sitio no aparece en AI Overviews. Las dos cosas no están conectadas.
Google lo describe en su propia tabla de rastreadores. Google-Extended no tiene una cadena de user-agent propia en la petición HTTP: el rastreo se hace con los user-agents de Google que ya existen, y el token de robots.txt sirve exclusivamente como control. Y su alcance está acotado a Gemini apps y a Vertex AI, no a Search.
Según la documentación oficial, el token permite decidir si el contenido de tu sitio sirve para entrenar los modelos Gemini de próxima generación que están detrás de las apps de Gemini y de la API de Vertex AI, y si sirve para el grounding en Gemini apps y en Vertex AI con Google Search —es decir, aportar contenido del índice de Google al modelo en el momento del prompt, para verificar hechos y mejorar la relevancia—.
La frase que cierra el asunto es textual: Google-Extended «won’t affect your site’s inclusion in Google Search, nor is it used as a ranking signal in Google Search» (Google, Common crawlers). No afecta la inclusión en Search. No es señal de ranking.
Y Google, por su parte, declara que para aparecer en AI Overviews o AI Mode no hay requisitos adicionales ni optimizaciones especiales: «There are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary.» (AI features and your website).
El malentendido tiene una raíz técnica concreta. En OpenAI cada agente tiene su propio token y su propio efecto declarado: permitir OAI-SearchBot para aparecer en búsqueda y bloquear GPTBot para excluirse del entrenamiento son decisiones independientes (OpenAI Crawlers). Ahí sí existe una palanca con efecto directo sobre la visibilidad, y la propia documentación lo admite: los sitios excluidos de OAI-SearchBot no se muestran en las respuestas de búsqueda de ChatGPT.
Esa lógica —un agente, un token, un efecto— se extrapoló a Google-Extended, donde no aplica. Google-Extended funciona como una etiqueta de control sobre usos específicos de contenido ya rastreado por los user-agents de Google, sin identidad propia en la petición HTTP. Bloquearlo cambia lo que Gemini puede hacer con tu contenido en Vertex AI; no cambia si Googlebot te indexa ni si AI Overviews te usa como enlace de apoyo.
| Control | Qué decide | ¿Afecta AI Overviews o AI Mode? |
|---|---|---|
| Google-Extended | Uso del contenido para entrenamiento de Gemini y grounding en Gemini apps y Vertex AI | No. No afecta la inclusión en Search ni es señal de ranking |
| Googlebot | Rastreo e indexación para Google Search y sus funciones | Sí, de forma indirecta: sin indexación no hay elegibilidad |
| OAI-SearchBot | Aparecer o no en las respuestas de búsqueda de ChatGPT | No aplica: es un control de OpenAI |
| GPTBot | Inclusión del contenido en entrenamiento de modelos fundacionales de OpenAI | No aplica, y no controla la visibilidad de búsqueda |
| PerplexityBot | Aparecer en Perplexity; no se usa para entrenar modelos fundacionales | No aplica: es un control de Perplexity |
La lección operativa es que cada fabricante define su propio conjunto de controles, con efectos declarados distintos, y ninguno de ellos es intercambiable con el de otro. Tratar los tokens como si fueran un panel único de «IA sí o no» produce exactamente el resultado contrario al buscado.
Mientras el mercado discute Google-Extended, los bloqueos que de verdad sacan a un sitio de circulación ocurren más abajo en la pila y casi nadie los revisa. Un WAF con reglas de reputación agresivas, un CDN que aplica desafíos de JavaScript a peticiones sin navegador, una plantilla de hosting que inyecta un robots.txt por defecto o una regla de seguridad que rechaza rangos de IP corporativos pueden dejar fuera a rastreadores legítimos sin que aparezca un solo error en los registros que alguien mire.
El caso de Perplexity ilustra por qué el user-agent por sí solo no basta como criterio: su documentación recomienda combinar user-agent y rango de IP, precisamente porque el user-agent puede falsificarse (Perplexity Crawlers). Una regla de WAF que confía solo en la cadena de texto bloquea tráfico legítimo y deja pasar el falsificado.
A esto se suma la latencia. En el caso de OpenAI, los cambios de robots.txt pueden tardar alrededor de 24 horas en surtir efecto en sus sistemas (OpenAI Crawlers). Quien haga un cambio y mida a los veinte minutos va a concluir lo contrario de lo que realmente ocurrió.
Regla práctica: antes de discutir qué le vendes o no le vendes a la IA, verifica que los rastreadores puedan entrar. Es la palanca más barata y la única con efecto declarado y directo por parte de un fabricante.
Con las palancas técnicas ya ordenadas, toca separar dos cosas que el mercado mezcla a propósito: lo que un fabricante documenta y lo que una agencia afirma sin fuente. Empezamos por la única regla dura que Google publica para aparecer como enlace de apoyo en funciones de IA.
El orden importa. La indexación no es la etapa glamorosa del trabajo y rara vez aparece en una propuesta comercial, pero es la que decide si el resto del esfuerzo tiene alguna posibilidad de ser recuperado. Antes de discutir tácticas, conviene auditar si tus páginas comerciales están indexadas y si son elegibles para snippet.
Para ser enlace de apoyo en AI Overviews o AI Mode, la página debe estar indexada y ser elegible para snippet. Son dos condiciones acumulativas y ninguna es opcional. Si tu sitio tiene la indexación bloqueada por una etiqueta noindex o por un robots.txt mal editado, no hay trabajo de contenido que compense.
La segunda mitad de la regla es la que casi nadie comunica, y es textual del fabricante: «Just because a page meets all requirements, best practices, and complies with the policies, doesn’t mean that Google will crawl, index, or serve its content. Indexing and serving isn’t guaranteed» (Google, AI features and your website). Cumplir todo no es una garantía; es el requisito de entrada al sorteo.
| Elemento | Estado documental | Qué dice la fuente |
|---|---|---|
| Estar indexado | Requisito duro | Condición para ser enlace de apoyo en AI Overviews o AI Mode |
| Ser elegible para snippet | Requisito duro | Segunda condición acumulativa, también exigida |
| Datos estructurados | No es requisito para IA | «Structured data isn’t required for generative AI search, and there’s no special schema.org markup you need to add»; su valor documentado es la elegibilidad para resultados enriquecidos |
| llms.txt | Ignorado por Google | Crearlos «will neither harm nor help your site’s visibility or rankings in Google Search, as Google Search ignores them» |
Las dos últimas filas salen de la misma guía oficial (Google, Optimizing for generative AI search) y conviene retener la distinción: los datos estructurados siguen valiendo dentro de una estrategia de SEO general; lo que no está documentado es que sean la palanca para aparecer en respuestas generativas. Las tácticas que se venden alrededor de esas filas las desarmamos una por una en su propia sección.
Para un negocio local chileno, la ficha de empresa es donde Google sí publica reglas explícitas y donde un error se paga con suspensión. Las directrices de representación exigen usar el nombre real del negocio, tal como aparece en la documentación y el letrero físico, sin agregar palabras clave ni localidades para ganar posicionamiento. La dirección debe ser precisa y corresponder a una ubicación que el cliente pueda visitar.
También rige una ficha por ubicación: no se duplica la misma ficha para cubrir más comunas o más consultas. Y hay una advertencia operativa que conviene leer en la fuente antes de tocar nada, porque el incumplimiento puede terminar en suspensión de la ficha (Google Business Profile, directrices de representación).
Lo que esas directrices no dicen es que una ficha completa aumente la probabilidad de ser citado en una respuesta generativa. La lista completa de lo que sigue sin peso publicado está en la sección de vacíos, y quien te entregue esos pesos con decimales está inventando.
Si la auditoría de indexación y de ficha revela que el problema de fondo es la base técnica del sitio, conviene resolverla antes de invertir en contenido: el trabajo de diseño web en Chile cubre esa capa.
De todo lo anterior sale un criterio útil para evaluar cualquier propuesta. Lo comprometible es trabajo y método: auditoría de indexación y de elegibilidad para snippet, revisión de robots.txt y del WAF, corrección de la ficha de empresa según directrices, contenido con evidencia extraíble y un panel de medición con reglas fijas.
Lo que no se puede comprometer es el resultado. Google lo declara en su propia documentación: el cumplimiento de requisitos, buenas prácticas y políticas no garantiza rastreo, indexación ni servicio del contenido, y ninguna herramienta de terceros accede a sus sistemas internos de ranking o de IA. Una propuesta que prometa aparición no está exagerando un dato: está inventando uno.
Cuando Google ordena sus propias recomendaciones para aparecer en funciones de IA, lo primero de la lista no es técnico. Es contenido, y lo dice con una prioridad que no deja espacio a interpretación.
Textual: «Creating content that people find unique, compelling, and useful will likely influence your website’s presence in generative AI search in the long run more than any of the other suggestions in this guide.» (Optimizing for generative AI search)
Esa frase reordena la conversación completa. Si el factor de mayor peso declarado por el propio fabricante es la unicidad del contenido, entonces una agencia que empieza su propuesta hablando de archivos de configuración está optimizando lo accesorio.
La segunda recomendación es tener punto de vista propio, y Google traza el contraste entre un review de primera mano y el resumen de lo que otros ya publicaron. La diferencia no es de estilo: es de origen del dato. Un análisis hecho por quien usó el producto o prestó el servicio aporta algo que nadie más puede copiar sin vivirlo.
Para una pyme chilena eso se traduce en material concreto: el precio real de la comuna, el tiempo real de instalación, los errores reales de la primera semana. Todo lo que se pueda verificar contra la experiencia de la propia empresa.
Google ilustra el concepto de contenido commodity con un ejemplo textual: un artículo sobre cómo comprar la primera vivienda es material que existe por miles y que un modelo generativo puede producir con facilidad, mientras la historia de la línea de alcantarillado de una casa específica es información que nadie más tiene. Ese segundo tipo es el que aporta algo al índice.
Y lo cierra sin ambigüedad: «Don’t just recycle what others on the internet have already said, or could easily be produced by a generative AI model.» La prueba que propone es incómoda y muy útil como filtro editorial: si un modelo puede escribir tu página sin salir de lo que ya está publicado, esa página no compite.
Estas tres recomendaciones —contenido único, punto de vista propio y material que nadie más tiene— describen qué decir. Cómo se organiza ese contenido para que un sistema pueda extraerlo y sostenerlo es la materia de la sección siguiente, donde los números separan la intuición de lo medido.
Hay una distinción que casi ningún informe de agencia hace y que cambia por completo cómo se lee un resultado: una cosa es que te seleccionen entre las fuentes candidatas, y otra muy distinta es que te absorban, es decir, que tu página aporte lenguaje, evidencia, estructura o sustento factual a la respuesta final. Aparecer en la lista de fuentes no equivale a haber influido en lo que el motor dijo.
El estudio de selección y absorción de citas de Zhang Kai, He Xinyue y Yao Jingang, publicado el 29 de abril de 2026, midió ambas capas por separado sobre 602 prompts controlados, con 21.143 citas válidas de la capa de búsqueda y 18.151 páginas descargadas con éxito (arXiv 2604.25707). La conclusión más útil para un negocio es que trabajar la forma tiene retorno medible, pero no donde el mercado dice.
Los motores citan con intensidades muy distintas. Las citas medias por prompt fueron 6,88 en ChatGPT, 12,06 en Google y 16,35 en Perplexity. Si el análisis terminara ahí, Perplexity parecería el motor más generoso. Pero la influencia media de la página descargada fue 0,2713 en ChatGPT, 0,0584 en Google y 0,0646 en Perplexity (Zhang, He y Yao, arXiv 2604.25707).
Es el hallazgo contraintuitivo del estudio: más citas no equivale a más uso. ChatGPT cita poco y aprovecha mucho; Perplexity cita mucho y aprovecha poco por página. Un informe que solo cuente menciones está midiendo anchura y presentándola como impacto. En tareas con múltiples restricciones la anchura se reduce todavía más en una plataforma: ChatGPT promedia 3,4 citas, contra 12,6 de Google y 17,7 de Perplexity (arXiv 2604.25707).
| Plataforma | Citas medias por prompt | Influencia media de la página | Lectura |
|---|---|---|---|
| ChatGPT | 6,88 | 0,2713 | Pocas fuentes, alta absorción por página |
| Google (AI Overview / Gemini) | 12,06 | 0,0584 | Muchas fuentes, baja absorción por página |
| Perplexity | 16,35 | 0,0646 | Anchura máxima, absorción baja por página |
El estudio caracteriza las páginas de mayor influencia: son más largas, más modulares, más alineadas semánticamente con la respuesta generada y más propensas a contener evidencias extraíbles. Eso último se traduce en cuatro elementos concretos: definiciones, cifras, comparaciones y pasos procedimentales.
La palabra clave es extraíble. Un modelo no puede citar con precisión un párrafo que nunca dice qué es algo, cuánto cuesta, con qué se compara o en qué orden se hace. Si tu página da vueltas alrededor de una idea sin enunciarla, el sistema puede seleccionarla por tema y no encontrar nada que valga la pena absorber.
Fíjate en que ninguna de las cuatro depende del largo por sí solo. La longitud aparece en el estudio como característica de las páginas de mayor influencia porque esas páginas suelen contener más evidencia, no porque el conteo de palabras tenga efecto propio. Dicho de otro modo: lo que cuenta es una cifra propia y verificable, un procedimiento numerado con los pasos reales de tu operación, una comparación honesta contra las alternativas que el cliente evalúa, una definición citable sin contexto adicional y un enlace a la fuente cada vez que afirmes algo técnico.
Aquí el mercado se equivoca de forma medible. El formato de preguntas y respuestas por sí solo no mejora la absorción: las páginas tipo Q&A registraron una influencia media de 0,0947 contra 0,1005 de las no-Q&A, una diferencia relativa de −5,74%. Los autores concluyen que convertir el contenido a FAQ no debe tratarse como una intervención universal (arXiv 2604.25707).
El mismo estudio encontró que las páginas de medios de noticias se seleccionan mucho pero no se absorben más: promedian 0,0726 de influencia frente a 0,2144 de las páginas tipo enciclopedia (arXiv 2604.25707). Es decir, el tipo de fuente que gana presencia no es el que gana profundidad de uso.
Los propios autores son explícitos: sus hallazgos son correlacionales, no causales, y el score de influencia es un proxy construido, no una medida de la atención interna del modelo. El paper declara además que solo sus dos primeros niveles de evidencia —conteos y contrastes descriptivos— están empíricamente sostenidos, que la interpretación de mecanismo es plausible y que la prescripción causal de optimización no está establecida.
Esa honestidad tiene una consecuencia directa para tu bolsillo. Nadie puede decirte con respaldo cuántos puntos de influencia ganarás por agregar una tabla, y quien te entregue ese número con decimales está extrapolando más allá de lo que el estudio sostiene.
Lo que sí se puede hacer, y se sostiene en la evidencia descriptiva, es revisar tus páginas comerciales y preguntarte cuántas definiciones, cifras propias, comparaciones y procedimientos extraíbles contienen. Es una revisión editorial, no un truco técnico, y es la parte del trabajo que casi nadie factura.
Si has probado a preguntarle a ChatGPT o a Gemini por proveedores de tu rubro en Chile y la respuesta nombra empresas que no conoces, no es una impresión tuya. Hay una medición publicada que describe exactamente ese fenómeno.
El estudio de selección y absorción midió 602 prompts controlados y 21.143 citas válidas de capa de búsqueda en ChatGPT, Google AI Overview/Gemini y Perplexity. Su primer hallazgo es que la identidad de la fuente funciona como condición de entrada, y que esa entrada está muy concentrada: fuentes oficiales, de noticias y verticales reúnen entre 79,12% y 87,52% de las citas según plataforma (ChatGPT 87,52%, Google 87,34%, Perplexity 79,12%) (arXiv 2604.25707).
Traducido a una pyme: el espacio disponible para un sitio corporativo común, sin respaldo editorial ni institucional, es el margen que queda fuera de ese rango. No es cero, pero es estrecho, y explica por qué publicar más páginas de servicio no mueve la aguja por sí solo.
Sobre la porción de muestra que los autores pudieron identificar, el origen de las fuentes citadas es abrumadoramente estadounidense y angloparlante. La tabla siguiente reproduce las cifras tal como fueron publicadas.
| Plataforma | Fuentes de EE.UU. | Fuentes en inglés |
|---|---|---|
| ChatGPT | 85,89% | 95,07% |
| Google (AI Overview / Gemini) | 86,76% | 91,98% |
| Perplexity | 82,70% | 82,90% |
Lee la segunda columna otra vez. En ChatGPT, de cada cien fuentes citadas que pudieron identificarse, más de noventa escriben en inglés. Para un negocio que vende en español de Chile y cuya web está íntegramente en español, eso significa competir por un lugar en un conjunto de candidatas donde su idioma es minoría.
Una marca global con cobertura en prensa internacional ya está dentro del grupo de fuentes oficiales, de noticias y verticales. Una pyme chilena suele estar fuera de ese grupo y, además, escribe en un idioma que aparece en menos del 10% de las fuentes identificadas en dos de los tres motores. Las dos desventajas se suman en la misma etapa del proceso: la de recuperación.
Hay un tercer factor que agrava el efecto y que es propio de cómo se construyen los corpus. Los motores recuperan desde índices que se nutren mayoritariamente de contenido en inglés, de modo que una consulta formulada en español puede terminar apoyada en material anglosajón traducido implícitamente por el modelo. Cuando eso ocurre, la respuesta suena local pero las fuentes no lo son.
Los propios autores advierten que los campos de país e idioma contienen valores desconocidos, por lo que estas cifras deben leerse como cuotas de muestra identificable y no como el reparto total de las citas. No son un censo del comportamiento de los motores. Se publican como lo que son: la mejor medición disponible y con límites declarados.
Tampoco se puede extrapolar el efecto del idioma desde otros mercados. El estudio midió prompts en chino e inglés y encontró que la dirección del efecto depende de la plataforma: en una capa, ChatGPT citaba más en chino (7,77 contra 7,03 en inglés), mientras Google mostraba lo contrario (11,57 en inglés contra 7,53 en chino) (arXiv 2604.25707). No existe una regla universal de idioma, y menos una que se pueda aplicar al español de Chile sin medirla.
Lo que no se sabe: si el sesgo hacia fuentes estadounidenses y en inglés se atenúa cuando la consulta está localizada explícitamente, del tipo «agencia de diseño web en Santiago». Nadie ha publicado esa medición, y ese vacío es una razón más para medir tu propio caso en lugar de comprar una promesa.
Conviene además no confundir este sesgo con una sentencia. El estudio mide de dónde vienen las fuentes que los motores citan, no qué pasa cuando un negocio chileno construye respaldo verificable: cifras propias publicadas, documentación técnica, presencia en medios del rubro y páginas que responden consultas concretas con evidencia. El sesgo marca el punto de partida, no el techo.
La lectura correcta de la tabla es estratégica y no fatalista. Si el conjunto de fuentes candidatas se inclina hacia lo oficial, lo noticioso y lo vertical, entonces el trabajo útil consiste en acercar tu contenido a esas tres categorías dentro de tu mercado: datos que solo tú puedes aportar, cobertura de terceros y profundidad temática real. Repetir lo que ya está publicado en inglés no te acerca a ninguna de las tres.
Si hay un hallazgo que reorganiza la estrategia de cualquier negocio chileno, es este: la mayoría de las citas no va a la web de la marca que responde la pregunta. Va a sitios que venden justamente lo que se pregunta.
Los sitios de empresas que venden lo que se pregunta concentran el 54,0% de todas las citas, con un rango que va de 64,5% en salud a 27,0% en educación. Ampliando la definición a directorios, marketplaces de leads y contenido comparador de agencias, la masa de citas llega al 71,4% (The Answer Index).
Ese estudio envió las mismas 480 preguntas, en 8 industrias y 10 tipos de pregunta, a Google AI Overviews, ChatGPT, Perplexity y Gemini en una sola captura el 1 de septiembre de 2026. Registró 16.069 citas sobre 7.775 dominios distintos (The Answer Index).
La segunda cifra incómoda es la dispersión: 5.201 de los 7.775 dominios, un 67%, fueron citados exactamente una vez en todo el corpus. El dominio promedio fue citado 2,1 veces (The Answer Index). Estar citado una vez no construye un activo; es un evento.
A eso se suma que los motores apenas comparten fuentes entre sí. El par con mayor acuerdo, Perplexity y Google AI Overviews, coincide con un Jaccard medio por pregunta de 0,181, y todos los pares que incluyen a ChatGPT están en 0,020 o menos (The Answer Index). No son cuatro vistas del mismo ranking: son cuatro cadenas de suministro distintas, y promediarlas en una sola cifra borra la información útil.
| Hallazgo | Cifra | Qué implica para tu negocio |
|---|---|---|
| Sitios que venden lo que se pregunta | 54,0% de las citas (71,4% sumando directorios, marketplaces y comparadores) | Tu web sola no basta: hay que estar en los terceros de tu categoría. |
| Dominios citados una sola vez | 67% del corpus (5.201 de 7.775) | Una mención aislada no es un activo. |
| Acuerdo entre Perplexity y Google AI Overviews | Jaccard 0,181 | Optimizar para un motor no te posiciona en los otros. |
| Autoconsistencia de Perplexity al repetir las mismas preguntas 38 minutos después | 0,900 | La misma consulta cambia en menos de una hora. |
Todas las cifras de la tabla provienen de The Answer Index. Los propios autores declaran sus límites: es una sola captura, midió APIs de un proveedor comercial de datos de búsqueda y no las aplicaciones de consumidor, y las cifras de AI Overviews son direccionales porque su fuente reportó paneles ausentes donde el navegador los mostraba. El reparto proveedor/no proveedor sobrevivió su auditoría y se publica como piso, no como techo.
El hallazgo más citado del estudio es también el más malinterpretado. ChatGPT citó al menos una fuente en 72 de 480 respuestas (15,0%). Los otros tres motores citaron entre el 93% y el 100% de sus respuestas (The Answer Index).
De esas 72 respuestas con cita, 69 se concentran en dos tipos de pregunta: descubrimiento de proveedor y costo. En los otros seis tipos no citó nada, en ninguna industria. Cuando citó, sus respuestas promediaron 6.194 caracteres; cuando no, 2.303 (The Answer Index). La conclusión práctica es que «aparecer en ChatGPT» no es una meta única: la probabilidad de cita depende del tipo de pregunta.
La presencia y la masa son cosas distintas. Reddit aparece en el 68,1% de las respuestas de Perplexity, pero solo concentra el 4,45% de sus citas; en AI Overviews aparece en el 38,3% de los 462 paneles renderizados y concentra el 5,59% (The Answer Index).
YouTube muestra el otro extremo de esa asimetría entre motores: aparece en el 47,0% de los 462 paneles de AI Overviews renderizados, contra 8,1% en Gemini, 2,3% en Perplexity y 0% en ChatGPT (The Answer Index). Es el hallazgo que menos depende de juicio clasificatorio, porque youtube.com se detecta por regla exacta.
Pew Research Center analizó los datos de navegación real de 900 adultos estadounidenses y 68.879 búsquedas únicas en Google durante marzo de 2025; 12.593 de esas búsquedas produjeron un resumen de IA. Los usuarios hicieron clic en los enlaces de resultado con menos frecuencia cuando aparecía un resumen de IA, y «very rarely» hicieron clic en las fuentes citadas dentro del resumen (Pew Research Center). Wikipedia, YouTube y Reddit fueron las fuentes más citadas.
Ese dato debe leerse completo, sin convertirlo en una promesa ni en una tragedia. Aparecer en una respuesta generativa no equivale a recibir una visita, y por lo tanto ninguna agencia puede presentar una cita como si fuera tráfico. La consecuencia operativa es que la visibilidad en IA se mide con métricas de presencia —impresiones, citas, menciones— y no con sesiones.
Esta sección es la que más te va a servir en una reunión comercial. Cada táctica que sigue se ofrece hoy en Chile con nombres atractivos y presupuestos reales. Para cada una damos la razón técnica por la que no funciona como se promete, y qué parte de ella sí tiene sentido conservar.
El criterio es simple: si una táctica no tiene documentación de fabricante ni medición con metodología publicada que la respalde, no puede venderse como palanca de visibilidad. Puede venderse como higiene, como comodidad o como preparación, pero no como causa de que te citen.
Ningún fabricante publica los factores ni los pesos con que selecciona fuentes, y Google lo dice sin ambigüedad sobre su propia casa: «No third-party tool has access to our internal ranking or AI systems.» Si ninguna herramienta externa accede a esos sistemas, ninguna puede asegurar un resultado dentro de ellos (Google, Optimizing for generative AI search).
En lo medido, el argumento es más fuerte todavía: en el corpus de 16.069 citas que ya revisamos, el 67% de los dominios apareció una sola vez y la misma pregunta cambió parte de sus fuentes en menos de una hora (The Answer Index). Una promesa de aparición garantizada es, en los hechos, una promesa sobre un sistema que su propio dueño dice que no garantiza.
Es la táctica con mejor evidencia en contra de toda la lista, y conviene tenerla a mano porque se vende mucho. Google declara textualmente que crear archivos llms.txt «will neither harm nor help your site’s visibility or rankings in Google Search, as Google Search ignores them» (Google, Optimizing for generative AI search).
Las mediciones independientes van en la misma dirección. Ahrefs analizó 137.210 dominios con tráfico: de los aproximadamente 38.000 con un archivo llms.txt válido, el 97% no recibió ninguna petición en un mes, y los bots de recuperación de IA representaron apenas el 1,1% de las peticiones (Ahrefs). SE Ranking analizó casi 300.000 dominios y, con correlación de Spearman y modelos de machine learning, no encontró correlación entre tener llms.txt y la frecuencia de citación por IA (SE Ranking).
La precisión obligatoria es esta: no hace daño, es barato y puede ser útil cuando un agente ya llegó al sitio. La propia especificación aclara que no es «el robots.txt de la IA» (llmstxt.org). Mantenerlo como higiene de bajo costo es razonable. Venderlo como palanca de aparición no está respaldado por nada.
Google lista el troceado entre los mitos que desmiente, y lo hace en una frase: «There’s no requirement to break your content into tiny pieces for AI to better understand it.» Sus sistemas, agrega, entienden la variedad de temas de una página y muestran la parte relevante. Tampoco existe una longitud ideal de página (Google, Optimizing for generative AI search).
El problema del troceado agresivo va más allá de que no ayude: destruye el contexto que hace legible un argumento. Una página partida en fragmentos de dos frases pierde la comparación, el matiz y la secuencia, que son justamente los elementos que el estudio de absorción asocia a mayor influencia.
La evidencia medida va en contra. Las páginas tipo Q&A registraron una influencia media de 0,0947 frente a 0,1005 de las no-Q&A, una diferencia relativa de −5,74%, y los autores concluyen que la conversión a FAQ no debe tratarse como intervención universal (arXiv 2604.25707).
El valor está en la densidad de evidencia dentro de la página, no en los signos de interrogación. Una FAQ con respuestas sustantivas funciona por las respuestas, no por el formato. Una FAQ que repite lo que ya está arriba solo agrega ruido y alarga la página sin aportar nada extraíble.
Es oficialmente contraproducente. Google advierte que buscar menciones no auténticas «isn’t as helpful as it might seem», porque sus sistemas centrales priorizan contenido de calidad y otros sistemas bloquean spam, y las funciones de IA dependen de ambos (Google, Optimizing for generative AI search).
Hay además un límite de política explícito: generar contenido para cada consulta derivada con el único fin de manipular respuestas de IA en Google Search infringe su política de abuso de contenido escalado (Google, Spam policies). Y del lado de Microsoft, sus directrices de webmaster incorporaron una sección específica sobre manipulación de IA y prompt injection, lo que muestra que el intento de manipulación está siendo tratado como categoría propia de abuso.
El detalle que se omite al vender menciones es que las funciones de IA de Google se apoyan en los mismos sistemas de calidad y de bloqueo de spam que el buscador. Comprar presencia en el lugar equivocado no solo no suma: puede restar.
Aquí el obstáculo no es algorítmico, es de política del propio proyecto. La notabilidad en Wikidata exige un enlace válido a un proyecto Wikimedia, referencias serias y públicamente disponibles, o una necesidad estructural, y la decisión final «is always up to the community» (Wikidata:Notability).
Para un negocio sin cobertura de terceros, crear un ítem es una eliminación probable. Y una página eliminada deja un rastro público que después es difícil de explicar. Cualquiera que venda «crear tu entidad en Wikidata» debería decirte esto antes de cobrar, no después.
Google incluye los datos estructurados entre los mitos de la optimización para IA generativa: «Structured data isn’t required for generative AI search, and there’s no special schema.org markup you need to add» (Google, Optimizing for generative AI search).
Su valor documentado es otro: ser elegible para resultados enriquecidos, y que lo declarado en el marcado coincida con el texto visible de la página. Eso sigue siendo útil dentro de una estrategia general de SEO, aunque no constituye la palanca para aparecer en respuestas generativas. Venderlo como tal es un error de categoría.
El «share of voice» vendido como ranking. El share of voice depende por completo del conjunto de preguntas que se elija: cambia las preguntas y cambia el número. Cualquier panel serio debe publicar el set de preguntas, los motores, las fechas y la línea base, y si lo hace una agencia sobre su propia marca, debe declararlo como automedición.
Los pesos con decimales. Ningún fabricante publica cuánto pesa cada factor blando —datos estructurados, ficha de empresa, reseñas, autoría o coherencia de nombre, dirección y teléfono—, y no existe estudio de intervención que los haya aislado. Volvemos sobre esto en la sección de vacíos.
La captura de pantalla es el formato de evidencia más común del mercado y el más débil. Muestra una consulta, en un motor, en un momento, con una sesión que puede estar personalizada. No es una medición: es una anécdota con buena presentación.
Hay un número que cierra el argumento. Al repetir las mismas preguntas 38 minutos después, Perplexity coincidió consigo mismo en 0,900 y Google AI Overviews en 0,622 sobre 201 paneles (The Answer Index, Hendricks, septiembre 2026). Es decir: incluso el mismo motor, con la misma pregunta, cambia parte de sus fuentes en menos de una hora.
A eso se suma la dispersión entre dominios: en un corpus de 7.775 dominios citados, 5.201 (67%) apareció exactamente una vez, y el conteo promedio por dominio fue de 2,1 citas. Una captura donde sales citado puede ser ese único caso, y una donde no apareces puede serlo también. Sin repetición y sin fechas, no hay señal.
Los fabricantes sí entregan datos verificables, y son la base de cualquier medición seria. Google Search Console desplegó el informe de rendimiento de IA generativa a todos los sitios el 31 de agosto de 2026, tras lanzarlo en junio de ese año; expone impresiones, páginas, países, dispositivos y fechas en funciones de IA de Search y Discover (Google Search Central Blog). Ojo con el alcance: son impresiones, no clics.
Bing Webmaster Tools expone AI Performance con citas totales, páginas citadas promedio, grounding queries y actividad de citación por URL, en Copilot, resúmenes de Bing y partners. La propia página advierte que la cifra refleja «how often pages are cited, not page importance, ranking, or placement» (Bing Webmaster blog).
| Fuente de datos | Qué entrega | Límite declarado por el fabricante |
|---|---|---|
| Search Console, informe de IA generativa | Impresiones, páginas, países, dispositivos, fechas en funciones de IA de Search y Discover | Solo impresiones, no clics |
| Bing Webmaster Tools, AI Performance | Citas totales, páginas citadas promedio, grounding queries, citación por URL | Frecuencia de citación, no importancia, ranking ni posición |
| Herramientas de terceros | Estimaciones y paneles propios | Google: «No third-party tool has access to our internal ranking or AI systems» |
La tercera fila merece énfasis. Google declara que ninguna herramienta de terceros tiene acceso a sus sistemas internos de ranking o de IA. Cualquier panel externo es una aproximación con método propio; sirve si el método se publica, y no sirve como sustituto de los datos de primera parte.
Lo que sí puedes construir, y es lo que una agencia honesta debería entregarte, es un panel con reglas fijas y auditables. La lista mínima es esta:
Un quinto punto que suele omitirse: el share of voice depende por completo del set de preguntas elegido. Cambia las preguntas y cambia el número. Por eso el set se publica completo y se congela entre mediciones, o la comparación entre meses no significa nada.
Un panel sin metodología declarada tiene el mismo valor probatorio que una captura, aunque venga en una planilla. Para que un reporte sea auditable debe permitir que un tercero lo reproduzca, y eso exige cuatro datos por cada corrida: las preguntas exactas, los motores consultados, la fecha y hora de la consulta, y la línea base contra la que se compara.
Si falta cualquiera de los cuatro, el número no se puede verificar y la conclusión se cae. Con los cuatro, incluso un panel modesto de veinte preguntas se vuelve defendible, porque cualquiera puede repetirlo y obtener un resultado comparable dentro de la variación que los propios estudios ya documentaron.
Una captura de pantalla muestra una respuesta. Un panel con preguntas fijas, varios motores, fechas y línea base muestra una tendencia. Solo la segunda sirve para decidir.
Las declaraciones que siguen se leyeron directamente en páginas de agencias chilenas y regionales. Conviene decirlo al principio: esto es una muestra acotada de afirmaciones publicadas, no un estudio del mercado chileno. No dice qué opina la mayoría; dice qué se está prometiendo y qué respalda cada promesa.
| Afirmación publicada | Qué dice la evidencia |
|---|---|
| «Somos la primera agencia en Chile con servicio de GEO (Generative Engine Optimization).» Leída en Maqui — GEO Checker. | Superlativo no verificable. No se encontró fuente independiente que lo respalde. Que no se pueda refutar no lo convierte en cierto. |
| Una agencia publica automediciones con su propia marca como la más nombrada: «16 consultas… apareció en el 88,9% de las respuestas… con 17,4% de share of voice»; y otra medición con «29 preguntas… el 14,2% del share of voice». Leída en Bigbuda — GEO. | Es automedición de una agencia con interés comercial directo y así debe presentarse. El método —preguntas fijas, varios motores, fechas explícitas— es correcto; el conflicto de interés es real. |
| «Para 2026 el 25% del volumen de búsquedas tradicionales migrará hacia modelos de IA generativa.» | Se presenta como hecho, sin atribución. Coincide con una predicción de Gartner, no con una medición. Una predicción no es un dato observado. |
| «Los principales modelos de IA ya lo reconocen [el llms.txt] como señal de estructura y prioridad de contenido.» | Contradicho por tres fuentes: Google declara que su buscador lo ignora (Optimizing for generative AI search), Ahrefs encontró que el 97% de los archivos llms.txt recibió cero peticiones en un mes (Ahrefs) y SE Ranking no halló correlación con citas en casi 300.000 dominios (SE Ranking). |
«Primera agencia en Chile con GEO» es una afirmación de hecho sobre el mercado completo. Para sostenerla habría que haber revisado a todos los competidores del país en un momento dado, y no existe registro público que permita hacerlo. Además, el término GEO designa una práctica, no un servicio registrado: cualquiera que trabaje visibilidad en motores generativos puede describirse así.
El asunto excede la precisión de marketing. En Chile, la Ley 19.496 sobre protección de los derechos de los consumidores contiene normas sobre publicidad engañosa, y el SERNAC mantiene un Observatorio de Publicidad Comercial que exige a los anunciantes comprobar sus afirmaciones cuando hacen promesas que el consumidor no puede verificar (SERNAC — La publicidad y sus trucos · Ley 19.496 en Ley Chile).
Textual del SERNAC: «Cuando se detecta que los anunciantes hacen promesas que no pueden ser comprobadas por los consumidores, o que omiten información relevante sobre los productos o servicios ofrecidos, se les comunica la necesidad de que comprueben sus afirmaciones o que corrijan sus anuncios.»
Una automedición no es un fraude por definición. El método que describe la agencia citada —un set fijo de preguntas, varios motores y fechas explícitas— es el correcto, y es más de lo que entrega la mayoría de los reportes del sector. Lo que falta es la declaración de que quien mide es también quien aparece primero.
Hay un problema aritmético adicional, que es el mismo que ya revisamos al hablar de medición: el share of voice depende por completo del set de preguntas elegido, y los motores apenas comparten fuentes entre sí. Una agencia puede medir su propia marca con rigor metodológico y decirlo en la misma página; lo que no puede es publicar el resultado como si fuera evidencia independiente. Cuando el conflicto no se declara, la cifra deja de ser información y pasa a ser publicidad no comprobable, con el riesgo que eso implica bajo el criterio del SERNAC.
No dice que las agencias chilenas mientan ni que sus mediciones sean falsas. Dice que una muestra de afirmaciones publicadas no resiste el contraste con la documentación de los fabricantes y con la evidencia medida, y que las únicas cifras chilenas disponibles son automediciones de agencia con interés comercial.
Tampoco existe un estudio público con metodología declarada sobre citación en consultas locales chilenas, y ese vacío —que retomamos en la sección siguiente— es la razón por la que nadie puede garantizar apariciones: no hay base medida sobre la cual prometer nada.
Los vacíos de conocimiento público son la parte más honesta de esta guía y, probablemente, la más útil para decidir. Si algo no se sabe, nadie puede cobrarte por saberlo. Y en visibilidad en IA hay bastante más vacío que certeza, incluso entre quienes trabajan el tema a diario.
Esta sección enumera lo que no está establecido, con la misma disciplina con que enumeramos lo que sí. No se trata de una lista de excusas, sino del conjunto de preguntas que conviene hacerle a cualquier proveedor antes de firmar.
Con ese mapa de vacíos sobre la mesa, la conversación comercial se vuelve concreta. Lo que una agencia honesta puede comprometer es el trabajo, el método, las preguntas, los idiomas, los motores, las fechas y la línea base medida antes de intervenir. Es un compromiso verificable, porque deja registro.
Lo que no se puede comprometer es una posición, una mención ni un porcentaje de aparición. Y hay una razón adicional para exigir método: las únicas cifras chilenas disponibles hoy son automediciones de agencia con interés comercial directo. Su método puede ser correcto —preguntas fijas, varios motores, fechas explícitas— y aun así el conflicto de interés es real y debe declararse.
Ese estándar tiene respaldo normativo en Chile, como vimos al contrastar las afirmaciones del mercado: la Ley 19.496 sobre publicidad engañosa y el criterio del SERNAC sobre promesas que el consumidor no puede comprobar. No hay jurisprudencia administrativa publicada sobre GEO en Chile, así que ese marco no se ha aplicado todavía de forma específica al rubro, pero el criterio es claro: una promesa de «aparición garantizada en ChatGPT» es, por definición, una afirmación que el consumidor no puede comprobar antes de contratar.
Si el proveedor responde esas tres preguntas con documentos y no con decimales, estás frente a alguien que trabaja con método. Si responde con una promesa de posición, ya sabes lo que estás comprando.
La visibilidad en IA es el grado en que tu marca o tus páginas aparecen citadas dentro de las respuestas que generan los motores de IA, más que en una lista de enlaces. La diferencia está en la unidad de medida: el SEO clásico se juega en una posición dentro de un ranking, y la visibilidad en IA, en una proporción de respuestas que se arman en el momento y cambian entre consultas casi idénticas. El trabajo de base se solapa, y Google sostiene que esto sigue siendo SEO. Lo detallamos en nuestra página sobre visibilidad en IA y en la explicación de qué es GEO.
No con respaldo documental. Ningún fabricante publica los factores ni los pesos con que selecciona fuentes, y Google lo declara de forma explícita: «No third-party tool has access to our internal ranking or AI systems.» A eso se suma lo medido: en un corpus de 7.775 dominios citados, el 67% apareció una sola vez, y al repetir las mismas preguntas 38 minutos después un motor cambió parte de sus fuentes. Cualquier promesa de aparición garantizada se hace sobre un sistema que su propio dueño dice que no garantiza.
Son tres agentes de OpenAI con efectos distintos y ajustes independientes en robots.txt. OAI-SearchBot rastrea para la búsqueda: los sitios que lo excluyen no se muestran en las respuestas de búsqueda de ChatGPT. GPTBot alimenta el entrenamiento de modelos fundacionales, así que bloquearlo no controla la visibilidad de búsqueda. ChatGPT-User ejecuta acciones iniciadas por el usuario: no rastrea de forma automática y no determina si el contenido aparece en Search. Existe un cuarto, OAI-AdsBot, que solo visita páginas enviadas como anuncios y no entrena modelos fundacionales.
No, y es el error más repetido. Permitir OAI-SearchBot para aparecer en búsqueda y bloquear GPTBot para excluirse del entrenamiento son decisiones separadas, según la propia documentación de OpenAI. Un sitio que bloquea GPTBot creyendo que reguló su presencia en ChatGPT puede quedar fuera del índice de búsqueda sin notarlo, porque la palanca de aparición es OAI-SearchBot. Además, los cambios en robots.txt pueden tardar alrededor de 24 horas en surtir efecto, así que medir el mismo día del cambio no prueba nada.
No. Google-Extended es un token de robots.txt que controla el uso de tu contenido para entrenamiento de Gemini y para grounding en Gemini apps y Vertex AI. No tiene user-agent propio en la petición HTTP y la documentación es textual: no afecta la inclusión del sitio en Google Search ni se usa como señal de ranking. Bloquearlo no cambia si Googlebot te indexa ni si AI Overviews te usa como enlace de apoyo. Lo que sí decide tu elegibilidad es estar indexado y ser elegible para snippet.
No como palanca de aparición. Es la táctica con mejor evidencia en contra: Google declara que su buscador ignora esos archivos y que crearlos «will neither harm nor help your site’s visibility or rankings». Ahrefs analizó 137.210 dominios y el 97% de los archivos llms.txt válidos no recibió ninguna petición en un mes, con los bots de recuperación de IA en apenas el 1,1% de las peticiones. SE Ranking no encontró correlación con citas en casi 300.000 dominios. Mantenerlo como higiene de bajo costo es razonable; venderlo como palanca, no.
No. Google incluye el troceado entre los mitos que desmiente con una frase textual: «There’s no requirement to break your content into tiny pieces for AI to better understand it.» Sus sistemas, agrega, entienden la variedad de temas de una página y muestran la parte relevante, y tampoco existe una longitud ideal de página. El troceado agresivo tiene además un costo propio: destruye el contexto que hace legible un argumento, y la comparación, el matiz y la secuencia son justamente los elementos que la evidencia asocia a mayor influencia de una página.
No como intervención universal. La evidencia medida va en contra: las páginas tipo Q&A registraron una influencia media de 0,0947 frente a 0,1005 de las no-Q&A, una diferencia relativa de −5,74%, y los autores del estudio concluyen que la conversión a FAQ no debe tratarse como una receta general. El valor está en la densidad de evidencia dentro de la página —definiciones, cifras, comparaciones y pasos—, no en los signos de interrogación. Una FAQ con respuestas sustantivas funciona por las respuestas; una que repite lo que ya está arriba solo agrega ruido.
No son un requisito para las funciones de IA. Google lo dice textual: «Structured data isn’t required for generative AI search, and there’s no special schema.org markup you need to add.» Su valor documentado es otro: la elegibilidad para resultados enriquecidos, y que lo declarado en el marcado coincida con el texto visible de la página. Eso sigue siendo útil dentro de una estrategia general de SEO y conviene mantenerlo. Lo que no está documentado por ningún fabricante es que los datos estructurados sean la palanca para aparecer en respuestas generativas.
Porque el sesgo está medido. Sobre la porción identificable de la muestra, las fuentes de EE.UU. representan 85,89% en ChatGPT y 86,76% en Google, y las fuentes en inglés alcanzan 95,07% y 91,98% respectivamente (arXiv 2604.25707). Los autores advierten que esos campos contienen valores desconocidos, por lo que deben leerse como cuotas de muestra identificable y no como el reparto total.
Para una pyme chilena que publica en español, eso significa competir en un conjunto de candidatas donde su idioma es minoría. El sesgo describe la línea de partida, no el techo.
Con un panel de reglas fijas y cuatro datos por corrida: las preguntas exactas, los motores consultados, la fecha y hora de la consulta, y la línea base contra la que comparas. Las preguntas deben ser comerciales y no incluir tu marca, y los motores se miden por separado, porque apenas comparten fuentes. A eso se suman los datos de primera parte: el informe de rendimiento de IA generativa de Search Console, que expone impresiones y no clics, y AI Performance de Bing Webmaster Tools, que mide frecuencia de citación y no posición.
Porque las directrices de representación son explícitas y su incumplimiento se paga con suspensión. Exigen usar el nombre real del negocio, tal como aparece en la documentación y el letrero físico, sin agregar palabras clave ni localidades para ganar posicionamiento; una dirección precisa que el cliente pueda visitar; y una ficha por ubicación, sin duplicarla para cubrir más comunas o más consultas. Lo que esas directrices no dicen es que una ficha completa aumente la probabilidad de ser citado en una respuesta generativa.
Esta guía la escribe el equipo de investigación editorial de Posicionamiento Web SEO Chile, un equipo de profesionales SEO en Chile. El criterio de selección de fuentes es único y declarado: solo entran cifras que provienen de documentación oficial del fabricante involucrado o de estudios con metodología publicada y auditable, y cada afirmación de industria se etiqueta como tal. Cuando un dato no se pudo confirmar en fuente primaria, se dice en el texto y no se usa como cifra.
La guía se revisa cuando un fabricante actualiza su documentación o cuando aparece una medición nueva que contradice lo publicado; en esos casos se corrige el texto y se deja registro de la fuente. Fecha de publicación: octubre de 2026. La atención de nuestra agencia es remota, con reuniones por videollamada y trabajo sobre tu sitio sin que tengas que estar en Santiago.
Si tuvieras que hacer solo una cosa esta semana, que sea revisar lo más barato: que los rastreadores de búsqueda puedan entrar a tu sitio, que tus páginas comerciales estén indexadas y sean elegibles para snippet, y que tu ficha de empresa cumpla las directrices al pie de la letra. Nada de eso requiere presupuesto ni una reunión comercial.
Después, y con calma, el trabajo se ordena en tres frentes: contenido con evidencia extraíble y puntos de vista que solo tú puedes aportar, presencia en los terceros de tu categoría, y un panel de medición con preguntas fijas, motores, fechas y línea base. Si tu operación depende de responder consultas por WhatsApp, vale la pena mirar cómo automatizar WhatsApp sin perder el trato humano, porque la respuesta rápida sigue siendo parte de la experiencia. Y si quieres revisar tu caso concreto, escríbenos: te vamos a decir con franqueza qué se puede medir hoy en tu negocio y qué parte todavía no tiene método público. No hay compromiso en preguntar.
Cuéntanos tu caso concreto y te decimos si tiene arreglo, qué implicaría y cuánto costaría. Sin compromiso y sin tecnicismos: si no podemos ayudarte, te lo decimos.
Escríbenos por WhatsApp o déjanos tus datos y te contactamos.
La atención es remota: no hace falta que vengas a ninguna oficina.
Luis Altair es ingeniero electrónico y especialista en posicionamiento web con más de 10 años de experiencia en SEO, SEO local, remoción de contenido negativo y visibilidad ante motores de inteligencia artificial. Es autor de libros de SEO publicados en Amazon.
Escribe sobre cómo los negocios chilenos pueden ser encontrados —en Google, en el mapa y en los asistentes de inteligencia artificial— sin recurrir a tácticas que no se sostienen. La atención de la agencia es remota y no implica oficinas fuera de Santiago.
Un sitio lento no se nota en la oficina: se nota en el celular del cliente que iba a pedirte una cotización y se fue. Cómo medirlo, qué lo causa en WordPress y en qué orden se arregla.
Pagas publicidad todos los meses. Llegan consultas: por WhatsApp, por el formulario, por teléfono. El problema aparece el día que abres la planilla y no
Si tu negocio tiene Perfil de Empresa verificado, sitio publicado y clientes que lo recomiendan, y aun así no apareces cuando alguien busca tu servicio
