El juego de dados de la IA: por qué el “ranking” en 2026 se sustituye por la “visibilidad”

En la optimización clásica para motores de búsqueda, el panorama ha estado durante años perfectamente ordenado: quien hacía bien los deberes, acababa en el mejor de los casos en la posición 1, 2 o 3 de la primera página de resultados de Google. Sin embargo, en 2026 nos encontramos ante un fenómeno que desconcierta a muchos responsables de marketing: quien pregunta hoy a ChatGPT o Google Gemini por una recomendación, obtiene una respuesta completamente diferente mañana, incluso utilizando exactamente la misma formulación.

Un estudio reciente de SparkToro y Gumshoe muestra una sorprendente inestabilidad en el mundo de las respuestas generadas por IA. Si se pide a una IA una lista de recomendaciones de productos, la probabilidad de que devuelva exactamente la misma lista dos veces es inferior al 1 %. Si se trata del orden exacto de las menciones, la probabilidad se reduce incluso a 1 entre 1.000.

Para las empresas, esto significa que la lucha por el “puesto 1” se convierte en un juego de azar digital. Sin embargo, quien comprende la lógica detrás de este fenómeno, descubre una gran oportunidad para construir una verdadera autoridad de marca.

Análisis en profundidad: por qué los dados caen a favor de su marca (o no)

El análisis de Rand Fishkin y Patrick O’Donnell revela un malentendido fundamental en el marketing moderno: intentamos aplicar reglas deterministas (SEO) a sistemas no deterministas (IA). Para interpretar correctamente los resultados, es necesario separar el plano técnico del psicológico.

1. La realidad matemática: la visibilidad no es una cuestión de posición

El estudio demuestra que la probabilidad de obtener una lista idéntica es inferior al 1 %. Esto significa que, a la hora de analizar resultados, una simple captura de pantalla de una respuesta de IA es tan representativa como una tirada de dados en un casino.

• Inestabilidad como característica del sistema: dado que los modelos de lenguaje calculan probabilidades de tokens, generan variaciones de forma deliberada. Una marca puede aparecer en el 97 % de los casos, pero solo ocupar el primer puesto en el 25 % de ellos.
• Consecuencia: en 2026 el éxito ya no se mide en rankings, sino en la frecuencia de aparición, es decir, en cuántas veces aparece su marca como solución a lo largo de 100 o más consultas de prueba.

2. El “ancla de intención”: por qué la precisión es más importante que las palabras clave

Un resultado sorprendente del estudio es la discrepancia entre las entradas humanas y las respuestas de la IA. Mientras que los prompts humanos presentan una similitud semántica muy baja (con una puntuación de apenas 0,081), el conjunto de marcas recomendadas se mantiene notablemente estable.

• Significado: la IA es capaz de identificar la intención subyacente del usuario, incluso cuando la pregunta está formulada de forma caótica.
• Contexto: para las empresas, esto significa que el keyword stuffing ha quedado definitivamente obsoleto. En su lugar, el contenido debe estructurarse de tal forma que la IA pueda captar el contexto de inmediato. Una posicionamiento absolutamente claro es la base imprescindible para lograrlo.

3. El problema de la caja negra y la “fuente de la verdad”

El estudio demuestra que las IAs no se limitan a enumerar fuentes, sino que sintetizan la información. Dado que los procesos internos de decisión permanecen ocultos (problema de la caja negra), la selección de una marca se convierte en un acto de “opacidad algorítmica”.

La IA como máquina de probabilidades: por qué ya no existen listas fijas

El problema radica en la propia naturaleza de los modelos de lenguaje (LLM). Las IAs no son bases de datos, sino máquinas de probabilidad. En cada consulta, calculan de nuevo qué términos y marcas tienen mayor probabilidad de generar una respuesta útil.

Sin embargo, este proceso apenas es transparente, lo que hace que los resultados sean difíciles de predecir:

• Modelos no deterministas: entradas idénticas generan salidas diferentes.
• Dependencia del contexto: la IA tiene en cuenta factores ocultos como el historial de conversación o ponderaciones internas.
• Listas variables: en una ocasión recomienda tres expertos y en la siguiente diez.

Quien intente orientar su marketing a posiciones de ranking fijas está invirtiendo en una métrica que, en las respuestas de IA, simplemente no existe.

Del ranking al “porcentaje de visibilidad”: la nueva moneda

Si ocupar el puesto 1 es puro azar, ¿en qué deberían centrarse las empresas? La respuesta es clara: en la visibilidad a través de la frecuencia.

Aunque el orden de las recomendaciones cambie constantemente, existe un núcleo estable: las marcas fuertes aparecen en entre el 60 % y el 90 % de todas las respuestas, independientemente de su posición. Esta frecuencia de aparición o share of voice (cuota de visibilidad) se convierte en la métrica clave dentro del GEO (Generative Engine Optimization).

El objetivo ya no es aparecer una vez en lo más alto, sino estar presente de forma constante en el conjunto estadístico de respuestas de la IA.

3 formas de convertir su empresa en un referente constante para la IA

Para que la IA le recomiende de forma recurrente a pesar de la variabilidad estadística, es necesario enviar señales que vayan más allá de las palabras clave:

1. Experiencia real en lugar de contenido genérico generado por IA (E-E-A-T): Los sistemas de IA priorizan fuentes con experiencia y conocimiento demostrables. Casos de estudio, datos propios de proyectos y opiniones expertas claras son contenidos que la IA no puede “inventar” fácilmente y que, por ello, utiliza como referencia.
2. Posicionamiento preciso: Una IA no recomienda “proveedores IT para todo”, sino especialistas como “expertos en ciberseguridad en la industria manufacturera”. Cuanto más definido esté su posicionamiento, más fácil será para la IA asociarle a un problema concreto.
3. Presencia en foros y comunidades: Las conversaciones en plataformas como Reddit o foros especializados sirven a las IAs como referencia de confianza real de los usuarios. Las marcas de las que se habla activamente tienen una probabilidad significativamente mayor de aparecer en respuestas generadas.

Conclusión: la calidad frente a la cantidad es la respuesta al principio del azar

El abandono de los rankings fijos puede parecer inquietante, pero en realidad representa una evolución natural del marketing digital. Obliga a las empresas a centrarse de nuevo en la relevancia y la calidad reales, en lugar de limitarse a alimentar algoritmos.

El tráfico del futuro puede ser menor en volumen, pero será mucho más cualificado, ya que los usuarios que llegan a través de recomendaciones de IA suelen tener una intención de compra mucho más clara.

En Wisea le ayudamos a posicionar su marca de forma sólida dentro del ecosistema digital, para que se convierta en una fuente de referencia en las respuestas de la IA, sin depender del azar.

¿Quiere saber qué nivel de visibilidad tiene actualmente su empresa en herramientas como ChatGPT? ¿O desea desarrollar una estrategia para aumentar su presencia en sistemas de IA de forma específica? No dude en ponerse en contacto con nuestra agencia.