La mitad de las marcas pequeñas no sale ni una vez en 37.000 respuestas de IA

Cuando alguien te dice que su marca «no sale mucho» en ChatGPT, lo normal es pensar que sale poco. Este estudio dice otra cosa: para la mitad de las marcas pequeñas, el número no es poco, es cero.

Y trae una segunda sorpresa, esta vez para los grandes: ser el líder de tu categoría tampoco te garantiza que te recomienden.

Qué hicieron

El equipo lanzó unas 37.000 ejecuciones contra asistentes de IA con 215 preguntas del tipo que hace un comprador real: qué proveedor usar, qué producto elegir, qué empresa contratar. Diecinueve sectores distintos.

Lo importante es lo que hicieron antes: prepararon un catálogo de 533 marcas y las ordenaron en cinco niveles según lo conocidas que son, del líder mundial de la categoría al especialista regional. Eso les permitió no quedarse en «la IA nombra a unos y a otros no», sino ver el patrón por tramos.

El dato duro: la invisibilidad no es baja visibilidad

En los dos niveles más bajos, los especialistas y los jugadores regionales, entre el 48% y el 52% de las marcas no apareció en ninguna de las 37.000 ejecuciones. Los autores lo llaman invisibilidad catastrófica y el nombre está bien puesto.

Merece la pena parar un segundo en lo que significa. No es que salgan poco y haya que mejorar. Es que en 37.000 oportunidades, con 215 preguntas distintas y 19 sectores, el modelo no las mencionó jamás. Para efectos prácticos, no existen en ese canal.

Y ahora la sorpresa para los grandes

Uno esperaría que el líder de la categoría, ese que sale en todas partes, se llevara casi todas las recomendaciones. Pues no.

Las marcas del nivel más alto aparecen en casi todos los conjuntos de opciones que el modelo llega a manejar, o sea que el problema no es que no las encuentre. Pero de esos puestos a los que llegan, solo se llevan entre el 25% y el 41%. En la mayoría de las ocasiones en las que están disponibles, el modelo acaba recomendando a otro.

El nivel que mejor convierte no es el primero, es el segundo: las marcas fuertes que no son las número uno ganan entre el 37% y el 52% de las veces que llegan, la tasa más alta de todo el estudio. Son lo bastante conocidas para estar en la conversación y lo bastante específicas para encajar con una necesidad concreta.

La lectura es incómoda para todos, cada uno por su lado. Si eres pequeño, tu problema es que no te encuentran. Si eres grande, te encuentran y aun así eligen a otro. Son dos trabajos distintos.

Los tres motivos por los que te dejan fuera

Los mismos autores publicaron un segundo estudio que completa el primero y que es, en la práctica, más útil. Con 215 preguntas de recomendación comercial compararon ChatGPT y Claude y clasificaron cada fallo en uno de tres momentos.

Lo valioso viene ahora. Cuando ChatGPT y Claude coinciden en dejar fuera a una marca, coinciden también en el motivo el 95,1% de las veces, sobre 7.763 casos de fallo conjunto. Y esa coincidencia sube al 99,6% precisamente en las marcas pequeñas y regionales.

Traducido a algo accionable: para una marca pequeña, el diagnóstico es fiable. Si dos modelos distintos te dejan fuera por el mismo motivo casi siempre, sabes qué arreglar sin tener que adivinar. En las marcas líderes esa coincidencia baja al 81%, así que ahí sí conviene mirar motor por motor.

Qué hacer, según dónde estés

El estudio no da recetas, pero sí deja claro que la receta no puede ser la misma para todos, porque el fallo no es el mismo.

• Si no apareces nunca, tu trabajo no es persuadir, es existir. Estar en los sitios de los que el modelo saca sus opciones: comparativas del sector, directorios, reseñas, foros. Escribir mejor tu web no arregla que no te encuentre.
• Si apareces y no te eligen, ya tienes lo difícil. Lo que falta es una razón concreta para preferirte, y el margen necesario es sorprendentemente pequeño: otro estudio midió que menos de una décima de estrella más de valoración basta para dar la vuelta a una comparación entre iguales.
• Si te eligen para el cliente equivocado, el problema es de encaje. Di para quién eres y para quién no, con esas palabras. Las respuestas de IA se construyen sobre descripciones, y una descripción vaga te coloca en la conversación equivocada.
• Y en cualquier caso, mide antes de actuar. Los tres fallos se parecen desde fuera, se ven igual: no sales. Solo mirando las respuestas completas y las fuentes que usa sabes en cuál de los tres estás.

Los límites, que también hay que contarlos

Aun con todo eso, el orden de magnitud es difícil de discutir. Que la mitad de las marcas de un catálogo de 533 no aparezca en 37.000 intentos no es un matiz metodológico.

Preguntas que nos hacen

¿Esto significa que no hay nada que hacer si soy pequeño?

Significa lo contrario, pero cambiando el orden. El primer objetivo no es que te recomienden, es entrar en el conjunto de opciones que el modelo maneja. Eso se consigue apareciendo en las páginas que lee, que casi nunca son la tuya.

¿Por qué los líderes solo ganan una de cada tres?

Porque estar disponible y ser la mejor respuesta a una pregunta concreta son cosas distintas. Cuando alguien pregunta con detalle qué necesita, el modelo busca encaje, no fama. Ahí es donde una marca más específica adelanta a una más grande.

¿Cómo sé en cuál de los tres fallos estoy?

Mirando las respuestas completas, no solo si sales o no. Si el modelo no te nombra pero tampoco parece conocerte, es el primero. Si te nombra de pasada y recomienda a otro, el segundo. Si te describe bien pero para un tipo de cliente que no es el tuyo, el tercero.

¿Vale esto para el mercado español?

Con prudencia. El estudio no publica el desglose por país y el catálogo de marcas es principalmente internacional. El mecanismo, que la fama previa decide quién entra en la lista, no tiene nada de específico de un mercado, pero los porcentajes exactos podrían moverse.

Fuentes: W. Jack, N. Lehman, K. Maloney y S. Xu, Prominence-Stratified Failure Modes in Retrieval-Augmented Commercial Recommendation: A 37,000-Run Audit y Divergent Recommendations, Convergent Diagnoses, 2026. Más estudios como estos, resumidos a diario, en GEO al día. Para seguir: cómo medimos si una IA nombra tu marca y por qué el top 10 de Google no basta.