El nuevo sistema DBN (Don’t Be Narcissus), desarrollado por Torres y Carrera, va más allá de la medición tradicional de presencia digital para enfocarse en la “representación algorítmica”. Esta solución estratégica permite a marcas, empresas y perfiles profesionales entender, gestionar y corregir la forma en que los modelos de IA como ChatGPT, Gemini o Claude los interpretan, categorizan y recomiendan.
Y Mario Soane, Chief Digital & Data Officer en Torres y Carrera, nos habla de esta aplicación.
¿Cómo fue el desarrollo del sistema DBN (Don’t Be Narcissus)?
DBN nace al observar que el ecosistema digital cambia muy rápido y que las decisiones de los usuarios ahora empiezan directamente dentro de sistemas de inteligencia artificial como ChatGPT, Gemini, Claude o Perplexity. Esto cambia la lógica tradicional: ya no basta con generar tráfico, porque la IA interpreta, sintetiza y recomienda. A partir de ahí, en Torres y Carrera desarrollamos DBN como una solución estratégica que no es solo una herramienta de rastreo, sino una capa de interpretación que evalúa cómo una marca o profesional es comprendido por los modelos de IA y traduce esos resultados en decisiones accionables. Este desarrollo combina evaluación de respuestas de IA, arquitectura semántica, relaciones públicas y reputación digital.
¿Qué necesidades detectaron para el desarrollo de este sistema?
Detectamos un claro vacío en el mercado, ya que las soluciones actuales se limitan a medir la visibilidad o rastrear menciones. El verdadero problema es que una marca puede aparecer pero estar mal posicionada, categorizada de forma incorrecta o envuelta en una narrativa desfavorable. Nos dimos cuenta de que las compañías necesitaban entender frente a qué competidores aparecen en la IA, qué señales de autoridad tienen y cómo son recomendadas, pasando de medir la simple presencia a gestionar su representación algorítmica.
¿Qué data y análisis recoge e interpreta DBN?
El sistema analiza cómo responden diferentes inteligencias artificiales ante diversos contextos de búsqueda y descubrimiento. Evaluamos la posición de la entidad, los atributos que la IA le asocia, la narrativa dominante, el tono y los competidores con los que se la relaciona. Además, cruzamos toda esta información con señales de autoridad reputacional, como la presencia en medios, el contenido estructurado o la arquitectura web. El objetivo es descubrir cómo la IA construye la percepción de la marca para saber qué debemos corregir o reforzar.
¿DBN está basado exclusivamente para detectar presencia de marca con IA o es más amplia?
Es un sistema mucho más amplio, ya que también trabajamos con directivos, empresas, productos, perfiles públicos y expertos. Hemos aprendido que la IA también sintetiza identidades profesionales y reputaciones públicas, no solo compañías. Por eso hablamos de “representación algorítmica”, donde lo importante es qué versión de ti mismo está construyendo la IA. A veces el reto es ganar presencia, y otras veces consiste en reorganizar narrativas demasiado simplificadas.
¿Cómo les ha ayudado la IA para el desarrollo de este sistema?
La inteligencia artificial ha sido tanto nuestro objeto de estudio como una palanca de desarrollo. Usamos IA para acelerar el análisis semántico, la detección de patrones narrativos y la evaluación comparativa. Sin embargo, la interpretación no se deja exclusivamente a la automatización; la capa estratégica sigue siendo humana porque la reputación y la autoridad necesitan de contexto y criterio.
¿Qué importancia ha tomado la reputación de las marcas en estos tiempos que corren?
La reputación ha pasado de ser un simple activo de comunicación a convertirse en una “infraestructura de confianza”. Hoy en día, la IA funciona como un “espejo acumulado de la reputación pública”: recoge señales, las ordena y construye una síntesis. Si las señales de la marca son sólidas, parte con ventaja; pero si son contradictorias o hay mucho ruido, la IA lo reflejará en sus recomendaciones y comparaciones. Cuidar la reputación es cuidar la legibilidad de la marca para estos sistemas.
¿Qué recomendaciones pueden hacer para que las empresas cuiden la reputación de las marcas?
La principal es entender que la reputación ya se juega en cómo la IA interpreta a la compañía. Si una marca no construye activamente su propio relato sobre quién es y qué la hace experta, la IA rellenará los huecos con información desactualizada o directamente inventada, generando “alucinaciones”. Recomendamos ser muy proactivos: construir una narrativa sólida, generar contenido citable, ganar presencia en terceros de confianza y alinear toda la estrategia de comunicación, SEO y PR. Cuidar la reputación hoy significa reducir al máximo el margen para que la IA improvise sobre tu marca.
Seguiremos Comunicando…