La ciencia todavía no sabe medir con precisión qué tan visible es una marca en la inteligencia artificial

La revista científica Latitude: Multidisciplinary Research Journal, editada por Quality Leadership University (QLU) en Ciudad de Panamá, ha lanzado en su volumen 2, número 24 (2026), el estudio titulado «Medición de la presencia de marca en la optimización para motores generativos: una revisión de alcance sobre métricas y validez», el cual cuenta con la firma de Néstor Romero-Ramos, Yulianna Lobach, David Abreu-Abreu, Isaac Castillo-Hernández, Juan Carlos García-Cordero y Daniel García-Cordero. Dicha investigación, accesible libremente en la web, constituye el pionero de los frutos dados por la línea investigativa centrada en Generative Engine Optimization (GEO) que Centria Group impulsa en colaboración con centros universitarios y académicos de cuatro naciones.

Este texto aborda una cuestión que el marketing digital actual aún no logra resolver con precisión científica: al sugerir un hotel, una póliza de seguros o una entidad financiera un asistente de inteligencia artificial, ¿de qué manera se evalúa la aparición de una firma en dicha contestación, qué nivel de protagonismo ostenta y cuán fiable resulta? Con el fin de despejar esta incógnita, los investigadores llevaron a cabo una revisión exhaustiva basada en la metodología del Joanna Briggs Institute (JBI), ajustándose además a la directriz PRISMA-ScR; de este modo, se traza un mapa sistemático sobre la forma en que los estudios recientes cuantifican la visibilidad, las menciones y el posicionamiento de marcas y fuentes dentro de los sistemas conversacionales.

«Casi veinte años atrás, la presencia en el entorno digital dependía de una destreza muy específica: figurar, y recibir clics, en un índice de resultados. En la actualidad, el internauta ya no se topa con diez vínculos azules, sino que obtiene una contestación elaborada que agrupa y reelabora múltiples procedencias, mencionándolas de manera fragmentaria o desequilibrada. El dilema central ya no radica en si nuestro hipervínculo sale y es accionado, sino en si la información se integra en la contestación que la persona efectivamente visualiza», señala Néstor Romero, investigador firmante del informe y COO de Centria Group.

Del clic a la respuesta: por qué las métricas del SEO dejan de servir

El artículo parte de una constatación que el propio corpus revisado respalda con evidencia empírica: las fuentes citadas por un motor generativo coinciden escasamente con aquellas que posicionan en el buscador tradicional, mientras que la lógica de selección cambia de una plataforma a otra. Dicho de otro modo, aparecer en Google no garantiza visibilidad en un asistente conversacional, lo que descarta la transferencia directa de métricas y exige replantear tanto los indicadores como los métodos de medición. A lo anterior se añade el fenómeno «cero clics», impulsado por los resúmenes generativos que ya incorporan los buscadores: hoy en día, un porcentaje considerable de las búsquedas se satisface sin que el usuario llegue a navegar por ninguna página web.

«La tasa de citación figura como el indicador principal en el ejercicio profesional, mientras que los textos académicos la reducen a una sola investigación. Dicha distancia entre la teoría y el sector laboral constituye un descubrimiento por derecho propio», afirmó Néstor Romero.

 Las cinco preguntas de investigación junto con sus respuestas

Cómo se hizo: cuatro rutas de búsqueda y una política explícita de preprints

Cuatro vías complementarias integraron la búsqueda, ideadas para contrarrestar los puntos débiles de cada método: un sistema de hallazgo impulsado por inteligencia artificial, búsquedas multilingües y replicables en OpenAlex, seguimiento de referencias mediante nodos clave y comprobación en una plataforma indexada (Web of Science; Scopus no estuvo disponible). Una vez eliminados los duplicados por DOI —evitando el título debido a los frecuentes conflictos entre denominaciones genéricas dentro de esta disciplina—, dos evaluadores filtraron los registros analizando los resúmenes de manera autónoma, logrando acuerdos consensuados ante cualquier desacuerdo. Treinta y seis informes completos fueron valorados, seleccionándose veintitrés investigaciones principales, además de un par de revisiones catalogadas de forma independiente a modo de sustento teórico.

«Buena parte del conocimiento generado en español sobre esta materia no llega a los circuitos internacionales. Recuperarlo no es una cuestión de exhaustividad: revela un sesgo lingüístico latente en el campo», recalcó Néstor Romero.

Siete grupos de indicadores y ningún modelo que los unifique

En el mapeo se distinguen siete grupos de métricas con ciertos solapamientos —aparición/citación, prominencia/posición, absorción/influencia, ranking en listas, estabilidad, sentimiento/encuadre y cuota de citación— que operan careciendo de un esquema unificador común. Asimismo, la investigación subraya que el límite conceptual más productivo dentro de esta disciplina radica en separar la citación (el hecho de que se elija una fuente) de la absorción (la asimilación real de su contenido en el texto resultante), dividiendo de este modo en dos planos lo que anteriormente se evaluaba como una simple dicotomía.

La unidad de análisis se mueve: de la URL a la marca y a la trayectoria de los agentes

No existe consenso sobre qué se mide exactamente. El corpus revela un desplazamiento progresivo desde la fuente o la URL (herencia directa del SEO) hacia la marca o entidad, el documento, el producto y, en los trabajos más recientes, hacia unidades de orden superior como la trayectoria de navegación de los agentes. Ese desplazamiento refleja la migración de la pregunta del campo, pero tiene un coste: los estudios con unidades distintas no son directamente comparables, lo que refuerza la imposibilidad de realizar un metaanálisis.

Clasificación de los datos probatorios accesibles

Fuente: Romero-Ramos et al. (2026), Tabla 3 del manuscrito original. Versión propia.

La inteligencia artificial no siempre contesta igual, y prácticamente nadie lo evalúa

Debido a su naturaleza estocástica, los motores generativos son capaces de arrojar contestaciones diferentes frente a una idéntica consulta. Una evaluación certera demanda, por consecuencia, reiterar las mediciones o representar de forma explícita la incertidumbre; no obstante, una minoría escasa de las investigaciones adopta este enfoque de manera metódica. Dentro del grupo que efectivamente lo implementa sobresalen proyectos que realizan cinco ejecuciones por cada pregunta, completan doscientos exámenes junto con permutaciones de orden, aplican análisis de sensibilidad para idiomáticas y paráfrasis, o bien conciben la visibilidad bajo la forma de una distribución y no de un dato aislado. El resto de los estudios, en su gran mayoría, confía en una sola ejecución.

«En este ámbito, evaluar un único intento resulta epistemológicamente frágil. Todo instrumento sólido debe integrar la repetición y el cálculo de la incertidumbre desde el principio, y no como un simple añadido opcional», apunta Romero.

El descubrimiento principal: un terreno que mide en exceso y verifica de forma escasa

El hallazgo fundamental de la investigación revela que ningún análisis del conjunto somete su herramienta de medición a un proceso de validación psicométrica riguroso. En su lugar, se implementan supervisiones periféricas y fragmentadas (como índices de estabilidad, certeza en la asignación, contrastación metodológica o solidez ante secuencias), mientras que la concordancia entre evaluadores —un estándar elemental para cualquier dispositivo— rara vez se documenta. Por su parte, la validez, al momento de defenderse, se sustenta en la armonía interna de referencias diseñadas específicamente para la ocasión en lugar de apoyarse en atributos métricos. De este modo se desprende la premisa principal del análisis: aún no se cuenta con un mecanismo consolidado y verificado para cuantificar el impacto generativo de marca.

Criterios de elegibilidad

Fuente: Romero-Ramos et al. (2026), Tabla 1 del artículo original. Traducción propia.

«Hallamos un sector donde abunda la medición y escasea la validación. Las propuestas de evaluación no escasean —de hecho, sobran—; lo que realmente escasea es la fiabilidad documentada y la validez de constructo. Y es preciso señalarlo con rigor, pues equiparar un simple benchmark con un instrumento debidamente validado eleva artificialmente la supuesta madurez metodológica de la disciplina. Precisamente ese hueco constituye la gran ocasión científica», sostiene Néstor Romero.

Una brecha entre la práctica profesional y la academia

El texto expone una discrepancia notable entre aquello que el sector valora como prioritario y lo que la investigación académica ha consolidado. La participación en citas (citation share) —un indicador al que la actividad industrial otorga un peso determinante y presupone como idóneo para una validez convergente— se sustenta, en la práctica, sobre un único trabajo de investigación. Por otra parte, las categorías de tono y perspectiva presentan una escasez similar, a pesar de que la investigación más amplia del conjunto, centrada en el análisis de más de cien marcas, las señala como el indicador más volátil de todo el grupo.

«La visibilidad en Google no anticipa la presencia en un asistente generativo. Esto anula la transferencia directa de métricas y obliga a replantearse qué evaluamos y de qué manera».

«La visibilidad generativa resulta manipulable, lo cual impone a la medición una exigencia que usualmente no se le demanda: la solidez ante la manipulación en calidad de atributo del instrumento».

La ciencia en español, invisible: una lección metodológica

Asimismo, este análisis arroja una aportación metodológica de suma relevancia para los investigadores de habla hispana. Hay un corpus de estudios en español, divulgado en publicaciones de Documentación y Biblioteconomía, que examina la exposición ante la inteligencia artificial generativa desde perspectivas diversas —tales como la inestabilidad de las marcas dentro de las sugerencias turísticas elaboradas por IA, o bien el ajuste de los repositorios académicos para facilitar su indexación por parte de plataformas generativas—, aspectos que los textos anglosajones hegemónicos suelen soslayar. Su rescate únicamente se logró por medio de consultas en varios idiomas, lo cual pone de manifiesto un sesgo idiomático subyacente en esta disciplina.

A esto se añade otra enseñanza derivada del procedimiento: el cotejo en una base de datos indexada arrojó 360 entradas en bruto, de las cuales se examinaron 136 de libre acceso —en su gran mayoría interferencias temáticas debidas a la coincidencia de palabras—, sin que se sumara ninguna investigación de medición apta y novedosa. En resumen, este ámbito prioriza los preprints y su cobertura en los índices convencionales resulta insuficiente; de hecho, el 64 % del conjunto de candidatos se publica mediante arXiv o SSRN, mientras que el 98 % carece de un cuartil indexado.

«Este resultado lo reportamos como hallazgo metodológico y no como una limitación escondida. En un campo born-digital, la revista no funciona como indicador de calidad, y las herramientas de descubrimiento asistidas por IA tienden a infracubrir precisamente la evidencia revisada por pares y los benchmarks más relevantes. Hay que complementarlas con rastreo de citas y fuentes reproducibles», explica el investigador.

Proceso para elegir los estudios (PRISMA-ScR, dos ramas)

Fuente: elaboración propia a partir de la Figura 1 y del apartado «Selection process» de Romero-Ramos et al. (2026). Las cifras de identificación y cribado se muestran definitivas, mientras que los datos de evaluación a texto completo e inclusión resultan provisionales, de acuerdo con la declaración de los autores.

La visibilidad generativa se puede manipular

Cierta parte de la investigación analizada evidencia que la exposición en los motores generativos resulta manipulable de manera adversarial, ya sea a través de tácticas de alteración de posiciones en los buscadores conversacionales o mediante la optimización discreta de prompts. Dicha investigación traslada esta conclusión al ámbito de la métrica: la solidez frente a los intentos de manipulación tendría que integrar el conjunto de atributos indispensables para cualquier herramienta de visibilidad.

«Un benchmark evalúa si una táctica funciona o si un ítem cambia de rango; no si una métrica mide válidamente un constructo. Confundir los dos niveles infla la madurez aparente del campo».

«En este ámbito, evaluar basándose en una única prueba resulta epistemológicamente endeble, ya que los motores generativos son capaces de ofrecer respuestas diferentes ante una misma consulta».

Próximos pasos: del diagnóstico a la herramienta

Los creadores del estudio deducen que el déficit hallado, concretamente en la fiabilidad documentada y en la validez de constructo, representa el hueco idóneo que legitima la creación y validación formal de un indicador propio centrado en la presencia generativa. Del mismo modo, consideran esta labor como el paso lógico que sucede al artículo difundido, descartando que se trate de un hecho ya comprobado. Precisamente, este es el camino que el grupo investiga en la etapa venidera.

«Buscamos transitar del análisis a la solución práctica: diseñar y contrastar una métrica que cualquier entidad, sin importar su magnitud, logre aplicar para medir con rigor científico el impacto de su marca cuando la inteligencia artificial genera respuestas sobre ella», señala Néstor Romero.

Restricciones expuestas por los investigadores

El texto deja claros sus propios confines: la fragilidad de los datos en un ámbito tan incipiente y plagado de preprints, lo cual vuelve provisionales sus deducciones; la imposibilidad de replicar el trayecto de hallazgo originario —contrarrestada, si bien no suprimida, mediante OpenAlex, el seguimiento de referencias y el cotejo indexado—; la acotada cobertura idiomática al inglés y al español junto a la carencia de acceso institucional para constatar en Scopus; el etiquetado efectuado de manera parcial sobre los resúmenes, con métricas de incorporación sujetas a revisión; un riesgo de circularidad, puesto que múltiples investigaciones utilizan modelos de lenguaje para evaluar su propia ejecución; y la caducidad temporal intrínseca a cualquier análisis de un sector fundamentado en tecnologías propietarias en mutación constante.

Dichas restricciones resultan esenciales para valorar correctamente los hallazgos y entender el alcance de la información existente. Si deseas examinar con mayor detalle el procedimiento, las cifras evaluadas y las deducciones del estudio, descarga el informe completo «La banca panameña ante la inteligencia artificial».