Durante veinte años la reputación digital tuvo una dirección: la primera página de los resultados de búsqueda. Las organizaciones aprendieron a custodiarla, medirla, defenderla. Esa dirección se está vaciando. Cuando un cliente potencial, un inversor o un periodista pregunta a un sistema de IA «¿de quién me puedo fiar para X?», la respuesta no es una lista de enlaces: es una síntesis — con nombres incluidos y nombres omitidos. La tesis de este artículo es que la reputación en los motores generativos ya es una magnitud real, que se forma con o sin vuestra contribución, y que custodiarla se ha convertido en un asunto de alta dirección.
La evidencia del adelantamiento
Los datos sobre el comportamiento de los usuarios son nítidos. Según el estudio del Pew Research Center sobre la navegación real de una muestra de adultos estadounidenses, cuando en la página de búsqueda aparece una síntesis generada por IA los usuarios pulsan un resultado tradicional en el 8% de las visitas, frente al 15% cuando la síntesis no está; los enlaces citados dentro de la síntesis se abren en el 1% de los casos (Pew Research Center, 2025). Una de cada cuatro sesiones se cierra directamente en la página de la síntesis: el usuario ya tiene la respuesta, el viaje termina ahí.
Las consecuencias son dos, y la segunda es más profunda que la primera. La primera: menos tráfico hacia vuestros contenidos. La segunda: la representación cuenta más que el destino. Si el sistema resume mal quiénes sois — o no os nombra en absoluto — el usuario nunca llegará al sitio donde la historia está bien contada.
En la búsqueda tradicional el riesgo era no ser encontrado. En los motores generativos el riesgo es ser mal contado — por una voz que el usuario considera neutral.
Cómo se forma la representación
Un sistema generativo construye lo que dice de una organización a partir de tres capas: lo que aprendió en el entrenamiento, lo que recupera en el momento de la pregunta y cómo ambas se combinan en la síntesis. Ninguna de las tres es directamente controlable. Las tres son influenciables.
La capa recuperada es la más sensible: las fuentes coherentes, verificables y estructuradas tienen más probabilidades de ser citadas. Las incoherencias — la bio que dice una cosa, el perfil que dice otra, la nota de prensa que desmiente a ambas — no producen una media: producen un relato inestable, que cambia con cada pregunta. Y las omisiones pesan tanto como los errores: donde vuestros hechos no están, la síntesis se construye con los hechos de otros.
Este trabajo de custodia tiene un método que, en lo operativo — cómo seleccionan y citan fuentes los modelos de lenguaje, y cómo estructurar las propias para que sean seleccionables —, es el terreno del LLMO, la disciplina nacida exactamente para esto.
Un escenario para entender lo que está en juego
Imaginad una empresa industrial sólida, noventa años de historia, ni un litigio relevante. Un fondo internacional la evalúa para una adquisición y el analista, como ya hace cualquiera, abre el expediente pidiendo a un sistema generativo un perfil de la compañía. La síntesis es correcta en casi todo — pero asocia la empresa a una retirada de producto de hace doce años, contada sin el desenlace (la retirada fue voluntaria e infundada), porque las fuentes que el sistema recupera son tres artículos de la época y ninguna rectificación posterior.
Nadie en la empresa conocía esa representación, porque nadie había planteado esa pregunta a ese sistema. El analista, sí. El coste no es medible — es una negociación que arranca con una sombra, una pregunta más en la due diligence, un descuento implícito en el precio.
El escenario es construido, pero cada uno de sus elementos es ordinario: la información desfasada prevalece donde falta la actualizada, las omisiones pesan tanto como los errores, y quien decide usa estas herramientas mucho más de lo que declara — la adopción organizativa de la IA ha alcanzado el 88% de las realidades analizadas por el AI Index de la Universidad de Stanford (Stanford HAI, 2026), y los expedientes sobre proveedores y contrapartes están entre los primeros usos en normalizarse. La reputación generativa no es un tema del futuro: es un expediente que ya se está instruyendo, sin vuestro conocimiento, sobre vosotros.
Los tres niveles de la custodia
Nivel uno: la línea de base. El inventario de respuestas descrito más abajo, repetido con cadencia fija — trimestral para la mayoría de las organizaciones, mensual para quien opera en sectores expuestos. Sin línea de base, toda discusión sobre la reputación generativa es anecdótica.
Nivel dos: la coherencia de las fuentes. La revisión sistemática de lo que los sistemas pueden recuperar: sitio web, perfiles institucionales, registros públicos, publicaciones, cobertura de prensa. El objetivo no es producir contenidos nuevos sino eliminar las contradicciones entre los existentes — el trabajo menos vistoso y más rentable de toda la disciplina.
Nivel tres: la respuesta a las desviaciones. Un protocolo para cuando la medición encuentra un problema: quién evalúa la gravedad, quién corrige en la fuente, quién verifica que la corrección se propague. Las correcciones en los sistemas generativos no son instantáneas ni están garantizadas — razón de más para tratarlas como proceso y no como emergencia.
De asunto de marketing a asunto de gobierno corporativo
Mientras se habla de visibilidad comercial, la cuestión puede quedarse en el perímetro del marketing. Pero la representación generativa toca terrenos que el marketing no gobierna: cómo describen los sistemas vuestra posición legal, vuestra solidez, vuestra conducta. Una inexactitud repetida por una voz percibida como neutral no es un problema de tráfico: es un riesgo reputacional con posibles derivadas legales y financieras.
Por eso la pregunta «¿qué dicen los sistemas de IA de nosotros?» merece el mismo tratamiento que «¿qué dice la prensa de nosotros?»: una custodia continua, una medición periódica sobre preguntas que importan, un responsable con mandato. Es el perímetro del trabajo de AI Reputation & Search que el instituto desarrolla con las organizaciones — análisis de cómo los sistemas representan la marca y dirección estratégica de la presencia.
Medir antes de reaccionar
La custodia empieza por un inventario honesto. Elegid las veinte preguntas que un cliente, un candidato o un inversor haría sobre vosotros y sobre vuestro mercado. Planteadlas a los principales sistemas, en varias lenguas si operáis en varios mercados. Registrad: ¿nos nombran? ¿Los hechos son correctos? ¿Las fuentes citadas son nuestras o de terceros? ¿Qué tono tiene la síntesis?
Para quien opera en varios mercados, la medición debe hacerse lengua por lengua: los sistemas no responden igual en español, italiano e inglés, porque recuperan fuentes distintas y ponderan autoridades distintas. Una organización impecable en las respuestas en español puede ser invisible — o peor, contada solo por terceros — en las respuestas en inglés que leen sus inversores. La reputación generativa no es una: es una por cada lengua en la que alguien os busca.
El resultado es casi siempre instructivo: representaciones desfasadas, competidores citados en preguntas donde deberíais estar vosotros, errores de hecho que nadie había buscado nunca. A partir de ahí el trabajo se vuelve concreto — corregir las incoherencias en la fuente, estructurar los contenidos que faltan, hacer citable lo que es verdad. No es un proyecto de una sola vez: la representación se mueve, y hay que vigilarla como se vigila el dossier de prensa.
Qué significa para quien decide
Tres decisiones que tomar ahora. Primera: asignar la titularidad — la reputación generativa no puede ser de nadie, porque de hecho ya es de otro: de los sistemas. Segunda: incorporar la medición al ciclo de reporting, junto a la notoriedad de marca y el dossier de prensa. Tercera: tratar las respuestas equivocadas como se tratan los errores de prensa — con corrección documentada en la fuente, no con indignación.
La reputación siempre fue lo que los demás dicen de vosotros cuando no estáis en la sala. Hoy en la sala hay un sistema generativo, y habla con millones de personas al día. Conviene saber qué dice.