Ejecuta un panel de visibilidad de IA que pueda distinguir un cambio real del ruido del modelo.

La mayoría de los informes de visibilidad de IA se basan en una ejecución por solicitud. Eso es como lanzar una moneda al aire y reportarlo como una medición. Cuando Thinking Machines Lab envió 1,000 solicitudes idénticas a Qwen3-235B a temperatura 0, recibió de vuelta 80 finalizaciones distintas, la primera divergencia aparece en el token 103 (Laboratorio de Máquinas Pensantes, 10 de septiembre de 2025Los asistentes de usuario añaden personalización, localización y actualizaciones silenciosas del modelo. Esta guía está dirigida a responsables de crecimiento y SEO a quienes se les ha preguntado si la marca aparece en ChatGPT, Gemini o el Modo IA de Google y necesitan una respuesta convincente. Al final, dispondrá de un panel de preguntas, un recuento de ejecuciones justificado por la precisión requerida, una rúbrica de puntuación y una regla para determinar cuándo un cambio entre oleadas es real.

Mide dos eventos binarios, no un rango.

No hay rango en una respuesta de IA. Hay un párrafo que te nombra o no, y una lista de fuentes que contiene tu dominio o no. La unidad de medida es uno. observación: una solicitud, ejecutada una sola vez, en un solo asistente, en un solo idioma y configuración regional, en una sola fecha. Cada una produce dos resultados binarios.

• Mencionar: El nombre de la marca aparece en el texto de la respuesta.
• Cita: Una URL de tu dominio aparece en las fuentes o en los enlaces integrados.

Todo lo demás se deriva de estos. La cuota de voz se refiere a tus menciones sobre todas las menciones de marca en el mismo conjunto de respuestas. La eficiencia de las citas se refiere a las citas sobre las menciones: te indica si se te describe a partir de la memoria del modelo o si realmente se ha leído.

Los resultados binarios convierten esto en una estimación de proporciones, que tiene métodos de intervalo bien documentados (Brown, Cai y DasGupta, Ciencia estadísticade 2001). Una "puntuación de visibilidad de la IA" compuesta no es comparable a nada, ni siquiera a su propio valor del mes pasado: no pudimos encontrar ninguna definición compartida entre los proveedores, por lo que las comparaciones entre herramientas se consideran inutilizables.

Construye el panel de avisos y luego bloquéalo.

Un panel es una lista fija de indicaciones que se repiten en cada oleada. Si la lista cambia entre oleadas, nada de lo que se mida representa un cambio en la visibilidad.

1. Generar sugerencias a partir de la demanda real. Extrae consultas con forma de pregunta de Search Console, los registros de búsqueda del sitio web y las transcripciones de ventas. Las sugerencias creadas en un taller ponen a prueba la imaginación de tu equipo.
2. Estratificar por intención. Cuatro estratos: nivel de categoría ("el mejor X para Y"), comparación ("A vs B"), problema primero ("cómo soluciono Z") y específico de la marca ("¿es buena la marca?"). Fije el recuento por estrato para que un cambio en la mezcla no se confunda con un cambio en la visibilidad.
3. Ajusta el tamaño a entre 40 y 80 indicaciones. Por debajo de 40, el intervalo del panel es demasiado amplio para poder actuar. Por encima de 80, el coste de ejecución aumenta más rápido que la precisión.
4. Trate cada idioma como un panel independiente. Una sugerencia en turco y su traducción al inglés devuelven marcas diferentes, citas diferentes, a menudo un marco de categoría diferente. Google agregó el turco cuando el Modo IA se expandió a 53 nuevos idiomas en 19 de Febrero de 2026 (lista de idiomasSi solo proporcionas cifras en inglés para un mercado turco, estás describiendo un mercado al que no prestas servicio.
5. Congele el panel durante un cuarto y versionarlo. Añada indicaciones solo en el límite de cada trimestre y vuelva a establecer la línea base cuando lo haga.

Decide cuántas carreras por indicación

Cada ejecución es un sorteo, no una consulta, por lo que una ejecución por solicitud proporciona un valor sin precisión. La tabla muestra la mitad del ancho del intervalo de Wilson del 95 % para una tasa de mención por solicitud observada del 50 %, el peor caso y, por lo tanto, la suposición de planificación segura.

La precisión por solicitud es costosa y rara vez necesaria. El número que la empresa solicita es el tasa a nivel de panel: menciones totales sobre observaciones totales. Un panel de 60 preguntas en 5 ejecuciones da 300 observaciones por asistente por oleada, una media anchura ingenua cercana a ±5.7 puntos al 50 %.

Eso es optimista, porque las ejecuciones de la misma consigna están correlacionadas. Aplique un efecto de diseño de clúster: multiplique la varianza por 1 + (ejecuciones por consigna − 1) × ICC, la correlación intraconjunta, estimada a partir de su primera ola propia en lugar de asumirla. Si se sitúa cerca de 0.5 en 5 ejecuciones, la muestra efectiva se acerca a 100 observaciones y la semianchura honesta se acerca a ±10 puntos. Planifique esto antes de prometer un panel de control.

Nuestro valor predeterminado: 60 preguntas, 5 repeticiones cada una, por asistente, por idioma, en fases de cuatro semanas. Informe a nivel de panel y estrato con intervalos, resultados por pregunta solo como niveles.

Controlar las condiciones de funcionamiento

El no determinismo es el punto de partida. Todo lo que está por debajo es varianza que usted mismo añade.

• Desactivar la personalización. En ChatGPT se utiliza el chat temporal, que no utiliza ni crea recuerdos. De lo contrario, la memoria recurre a instrucciones personalizadas, chats anteriores y archivos (Preguntas frecuentes sobre la memoria), de modo que un analista que ha iniciado sesión mide su propio historial.
• Corrige la configuración regional y el idioma de la interfaz. y grabar ambos.
• Versión del modelo de registro y marca de tiempo En cada observación, o una actualización del modelo entre oleadas, parecerá que su campaña está funcionando.
• Utilice un método de recolección por asistente. Durante todo el trimestre. La API y la aplicación para el consumidor tienen métodos de recuperación diferentes; mezclarlas en una misma serie hace que no tenga sentido.
• Orden aleatorio de las indicaciones y se ejecuta a lo largo del día, por lo que la carga del servidor, que impulsa la variación del tamaño del lote detrás del no determinismo, no se confunde con la lista de indicaciones.

Califica cada observación con una rúbrica fija.

Dos analistas deben obtener la misma puntuación a partir de la misma respuesta. Utilice una escala cerrada y anote los criterios de desempate.

Califica con 1 una mención con información errónea y márcala. Una descripción incorrecta, aunque segura, de tus precios o cobertura representa tanto una ventaja en visibilidad como un problema comercial, y suele ser el hallazgo que justifica el esfuerzo. Calibra el sistema pidiendo a dos personas que califiquen las mismas 30 respuestas en la primera fase; si hay más de tres discrepancias, la rúbrica es demasiado flexible.

Decide si un cambio es real.

Ejecuta esto en orden y detente en el primer fallo.

1. ¿Se superponen los intervalos del 95% entre ondas? En caso afirmativo, informe que no se detectó ningún cambio, no la diferencia de puntos.
2. ¿Cambió la versión del modelo? Si es así, la comparación es errónea: primero vuelva a ejecutar la versión anterior comparándola con la nueva.
3. ¿Se mantuvo el cambio durante dos oleadas consecutivas? Una onda es una señal, dos son un hallazgo.
4. ¿Está concentrado en un solo estrato? Un cambio hacia sugerencias específicas de marca sin nada a nivel de categoría generalmente se debe a la demanda de la marca, no al trabajo de visibilidad de la IA.
5. ¿La eficiencia de las citas varió en función de la tasa de menciones? Si las menciones aumentan mientras que las citas se mantienen estables, significa que el modelo te está describiendo a partir de la memoria: vale menos y se deteriora.

Conecta el panel a algo comercial

La visibilidad es un indicador clave, no un resultado. Analice las referencias de los asistentes como un canal de análisis independiente y observe las sesiones y su tasa de conversión en comparación con la búsqueda orgánica. Espere un volumen bajo, una tasa por sesión más alta y cifras absolutas que decepcionarán a cualquiera que vea primero un gráfico de visibilidad en aumento. Dígalo con anticipación.

La ponderación de las plataformas importa. Los datos del panel de Similarweb para junio de 2025 a mayo de 2026 sitúan a ChatGPT cerca del 53% de la cuota de mercado de las plataformas de IA generativa, frente al 76% de hace aproximadamente un año, con Gemini entre el 27 y el 28% y Claude cerca del 9% (SimilarwebEstimaciones de panel, no un censo: úselas para elegir qué asistentes incluir, no para ponderar una cifra principal.

[DATOS INTERNOS NECESARIOS: tasa de mención mediana y eficiencia de citación de los paneles de Switas en clientes de comercio electrónico, viajes y salud, además de la correlación intra-propuesta observada en nuestras propias oleadas.]

Dónde falla este método

• Respuestas que no se pueden recopilar a gran escala. El Modo IA de Google no cuenta con una API de medición pública y la recopilación automatizada está sujeta a los términos de servicio. Considérelo como un subpanel manual más pequeño, debidamente identificado.
• No mide la pérdida clásica de SERP. En Turquía, donde se implementaron las vistas generales de IA 18 de Febrero de 2026, un estudio de 1,035 consultas en vivo en 17 sectores encontró que las vistas generales de IA estaban presentes en el 59% de ellas y los clics en consultas informativas disminuyeron alrededor de un tercio para junio de 2026, mientras que la posición promedio apenas se movió (Estradiji). Un panel no lo detectaría. Search Console sí.
• Líneas de base cortas en mercados con lanzamiento tardío. Informe sobre los niveles y los intervalos, no sobre las líneas de tendencia, hasta que tenga cuatro ondas.
• El no determinismo no se puede solucionar desde fuera. Los kernels invariantes por lotes lo eliminan solo para quien ejecuta la inferencia. Como usuario de asistentes alojados, solo puedes promediarlo.
• Desviación del panel. Un panel de datos congelado es adecuado para la comparabilidad, pero erróneo en cuanto al mercado después de dos o tres trimestres.

Preguntas frecuentes

¿Cuántas indicaciones necesito para el primer panel?

Cuarenta es el mínimo práctico y sesenta es nuestro valor predeterminado. Por debajo de cuarenta, el intervalo entre paneles es lo suficientemente amplio como para que la mayoría de los cambios trimestrales sean indistinguibles del ruido. Estratifique según la intención y mantenga fijo el número de muestras por estrato.

¿Ajustar la temperatura a cero garantiza la reproducibilidad de los resultados?

No. La temperatura cero elimina la aleatoriedad del muestreo, pero no la variación debida al cambio en el tamaño del lote con la carga del servidor. Por eso, en el experimento de Thinking Machines, 1,000 solicitudes idénticas con temperatura cero produjeron 80 resultados diferentes. Es mejor promediar las ejecuciones en lugar de buscar el determinismo.

¿Puedo usar simplemente una puntuación de visibilidad de IA del proveedor?

Utilice las herramientas del proveedor para la recopilación de datos si le ahorran tiempo, pero reconstruya la métrica a partir de las observaciones originales. Las puntuaciones compuestas no se definen de forma consistente en todas las herramientas, y varias informan de una sola ejecución por solicitud. Pregunte a cualquier proveedor cuántas ejecuciones hay detrás de un punto de datos.

¿Con qué frecuencia debo ejecutar una ola?

Cada cuatro semanas para la mayoría de las marcas. Las mediciones semanales se realizan principalmente para volver a medir el ruido y actualizar los modelos. Tras un cambio importante en el contenido o los datos estructurados, se añade una nueva medición cuatro semanas después, no la siguiente.

¿Deberían aparecer las indicaciones en turco e inglés en un mismo panel?

No. Ejecute paneles separados con líneas base separadas. Los conjuntos de respuestas, los dominios citados y el marco competitivo difieren según el idioma, por lo que mezclarlos produce un promedio que no describe ninguno de los dos mercados.

¿Qué se considera una cita si el asistente enlaza a un anuncio de un mercado en línea en lugar de a mi sitio web?

Registre la mención sin citar y el dominio citado por separado. Un patrón de citas en el marketplace suele indicar una deficiencia en el contenido o los datos estructurados de sus propias páginas, más que un problema de reconocimiento de marca.

Diseñamos y gestionamos paneles de visibilidad de IA como parte de nuestro trabajo de crecimiento y SEO técnico: diseño del panel, recopilación de datos en diferentes asistentes e idiomas, calibración de la puntuación y segmentación analítica que la vincula con los ingresos. Háblanos de una primera ola de referencia..

Fuentes

• Laboratorio de Máquinas Pensantes, Cómo vencer el no determinismo en la inferencia LLM, 10 de septiembre de 2025
• Brown, Cai y DasGupta, Estimación por intervalos para una proporción binomial, Statistical Science 16(2), 2001
• Centro de ayuda de OpenAI, Preguntas frecuentes sobre el chat temporal
• Centro de ayuda de OpenAI, Preguntas frecuentes sobre memoria
• Mesa redonda sobre motores de búsqueda: Google amplía el modo de IA a 53 nuevos idiomas, 19 de febrero de 2026.
• Ayuda de búsqueda de Google, idioma compatible con el modo IA
• Zeo, el modo IA de Google y una descripción general de la IA en directo en Turquía.
• Stradiji, Lo que las visiones generales de la IA hicieron por la búsqueda en Turquía
• Similarweb, estadísticas de búsqueda con IA, junio de 2025 a mayo de 2026