En una prueba reciente, Tony Uphoff interrogó a ChatGPT, Gemini, Perplexity y Google AI Overviews con las preguntas que le hacen sus clientes potenciales, y luego contó cuántas veces estos motores de respuesta recomendaban las dos empresas que lanzó en febrero. Los resultados revelan una brecha entre ser conocido y ser recomendado, que el autor considera central en el problema de medir la visibilidad de marca.
- La IA conoce a Tony Uphoff, pero casi nunca recomienda las empresas que ha creado.
- Los modelos describen empresas antiguas porque priorizan los contenidos web más repetidos.
- Los modelos atribuyen las ideas a quien explica mejor el concepto, no a quien lo inventó.
- Tony Uphoff propone medir primero la frecuencia de recomendación en los motores de IA.
De 59 respuestas, su boletín, Uphoff on Media, no apareció en ninguna de las 12 respuestas sobre una categoría, y su firma consultora, Uphoff Advisory, en una sola respuesta de 43. Sin embargo, cada motor que respondió a la pregunta «Who is Tony Uphoff?» conocía su trayectoria. «Los modelos saben quién soy. Casi nunca recomiendan lo que he construido», resume.
Esta discrepancia se enmarca en una evolución de los hábitos de compra. Según una encuesta de G2 publicada en marzo de 2026 entre 1.076 compradores de software B2B, el 51 % ahora inicia sus búsquedas con un chatbot de IA más a menudo que con Google, frente al 29 % en el informe de 2025. Para el 69 % de ellos, un chatbot les llevó a elegir un proveedor diferente al previsto, y uno de cada tres compradores trabajó con un proveedor del que nunca había oído hablar.
Tony Uphoff considera que los equipos de marketing han trasladado sus antiguos referentes a la IA. «Durante dos décadas, el tablero de mandos era la descubribilidad. El SEO enseñó a todos los equipos de marketing a posicionarse, obtener clics y ser encontrados. La mayoría de las empresas trasladaron ese tablero directamente a la IA». Pedir a un modelo su propio nombre, obtener una respuesta exacta y concluir que uno está cubierto constituye, según él, un falso positivo.
Motores que describen la empresa de ayer
La segunda observación concierne a empresas que han cambiado de nombre, fusionado o experimentado un cambio de dirección. Tres de tres motores siguen presentando a Tony Uphoff como CEO de Pipeline360, y solo uno menciona la empresa que dirige hoy. «Las fuentes incluían agregadores de organigramas, bases de datos de ejecutivos y antiguos comunicados de prensa», explica. Según su regla, los motores priorizan lo que la web dice con más frecuencia sobre uno, «y con más frecuencia generalmente significa más antiguo».
Esta ficha obsoleta pesa doblemente, ya que el modelo la usa para decidir si recomendar o no una empresa, y el humano la usa para verificar lo que dice el modelo. Sin embargo, pocos equipos monitorean este punto. Un estudio de Corporate Ink, difundido por eMarketer en mayo, indica que solo el 29 % de los profesionales de marketing siguen y miden activamente su visibilidad en la IA.
La prueba contiene otra lección. Cuando Tony Uphoff preguntó «What is Demand-as-a-Service?», los tres motores definieron el término con exactitud y citaron páginas de Pipeline360, sin mencionar nunca al hombre que contribuyó a elaborar esta estrategia. «Los modelos atribuyen el mérito a quien publica la explicación más clara, no a quien tuvo la idea primero».
Listas construidas a partir de otras listas
Una sola vez, Uphoff Advisory figuró en una lista: ChatGPT lo clasificó segundo de cuatro para la pregunta «Who advises founders of B2B information and data businesses?». En las preguntas de categoría, los modelos rara vez citaban las empresas que nombraban, sino más bien clasificaciones publicadas por Zapier, Content Allies y otros.
Un estudio de mayo de 2026 de Maryanna Franco y João da Silva, realizado en la plataforma Friction AI a partir de 14.140 consultas sobre marcas de ropa deportiva, muestra el mismo mecanismo. Nike y New Balance comparten la misma descripción en el grafo de conocimiento de Google, pero Nike aparece en aproximadamente el 71 % de las respuestas de recomendación sobre athleisure, frente a casi nunca para New Balance.
El autor del artículo matiza esta prueba: diecinueve consultas en una semana constituyen una instantánea, y las respuestas varían de una ejecución a otra. Una aparición de 43 puede ser, por tanto, un mínimo o ruido. Aprueba el proyecto de Tony Uphoff de relanzar las mismas consultas en enero, e iría más allá monitoreando la métrica cada semana.
Una tasa de recomendación a la cabeza del tablero
Tony Uphoff propone, entre otras cosas, redactar de 10 a 15 consultas como las formulan los compradores, a las que se añaden dos o tres consultas de marca, lanzarlas en ChatGPT, Gemini, Perplexity y AI Overviews, y seguir la frecuencia de aparición así como la exactitud de la descripción. Recomienda poner este indicador primero en los informes, antes del posicionamiento y las sesiones.
