Las respuestas de la inteligencia artificial generativa se han consolidado formalmente como el cuarto territorio de la reputación corporativa, compartiendo espacio con los medios de comunicación tradicionales, los buscadores y las redes sociales.
Esta es la principal conclusión del informe que hicieron Asesores y Good Rebels y con el que identificaron 10 aspectos que preocupan a los dircom. La presentación la hicieron Carlos Hergueta, socio y director de Desarrollo de Negocio de Asesores; Luis Dorado, director de Operaciones de Asesores y Antonio Mas, director de Servicios de Good Rebels.
Ante el nuevo escenario en el que las marcas son evaluadas, descritas y recomendadas por modelos de lenguaje (LLMs o Large Language Model que son las IA que usamos de manera cotidiana) hay un factor importante a destacar: aún no existe métricas claras ni metodologías consolidadas.
El estudio combina conclusiones cualitativas de encuentros con directivos y el análisis cuantitativo de más de 40.000 respuestas de modelos como ChatGPT, Gemini, Perplexity y Google AI Overviews en cinco sectores estratégicos: banca, seguros, hoteles, automoción y telecomunicaciones. Para la medición se utilizó una plataforma propia: AI Rank, desarrollada por Quantic (la división de desarrollo de software e IA de Good Rebels), evaluando mediante llamadas API el comportamiento de los algoritmos ante diferentes perfiles y prompts que identifican la reputación de las marcas estudiadas.
Brechas sectoriales y el valor de la autoridad editorial
El informe pone de manifiesto importantes diferencias sectoriales en el tipo de fuentes que consultan los modelos: mientras en el sector asegurador las páginas web corporativas suponen 40% de las referencias utilizadas por la IA, en viajes caen a 3% y en automoción se sitúan por debajo de 5%. Asimismo, se constata que modelos como ChatGPT no consultan plataformas como YouTube, mientras que Google AI Overviews otorga un peso relevante a los vídeos y a foros como Reddit.
Uno de los hallazgos más destacados es la disociación entre el volumen de citas y la credibilidad real de la fuente. Dorado explicó durante la presentación que una mención procedente de un medio editorial equivale dentro de un LLM a un enlace de alta autoridad en SEO, aportando un impacto proporcionalmente muy superior en la respuesta final del algoritmo frente a apariciones masivas en blogs personales o vídeos.
Incertidumbres operativas y riesgo reputacional
Entre los retos prioritarios identificados por los dircoms destacan la falta de métricas estandarizadas, el conflicto organizativo entre los equipos de PR y SEO por el control del canal, la opacidad del contenido patrocinado y la vulnerabilidad ante reseñas falsas en plataformas de opinión. Además, los expertos señalaron el impacto de la información obsoleta: artículos publicados hace una década en medios menores o blogs olvidados continúan condicionando las respuestas de la IA sobre productos descatalogados o crisis pasadas.
Carlos Hergueta, socio y director de Desarrollo de Negocio de Asesores, subrayó durante la sesión que la reputación algorítmica se ha convertido en un embudo crítico al canalizarse las búsquedas y decisiones de los usuarios a través de la IA: “La credibilidad se construye a través de terceros, y ahora también debe construirse para ser leída por máquinas. En un terreno tan incipiente, la única estrategia perdedora es quedarse quieto: hay que activar, medir y aprender”.
El decálogo de preocupaciones
Estas son las 10 principales preocupaciones que salieron en el estudio:
1.- No hay una metodología contrastada para medir la reputación de las marcas a partir de los resultados que ofrece las IA.
2.- Integrar PR, SEO y GEO: ya no son entes que se manejan de manera independiente y aún no está claro el orden operativo para manejar la reputación
3.- Redefinición del mapa de medios más relevantes: hay nuevos medios que resultan con más importancia sobre los tradicionales y hay que saber manejar esta situación.
4.- Coherencia de mensajes y vigencia del contenido.
5.- La fragmentación entre los modelos: cada IA y tiene su manera de consultar, enlanzar y citar sus fuentes.
6.- La paradoja de la cobertura: una gran cobertura puede implicar menciones tardías y diluidas, mientras que la especialización logran menciones tempranas con menos impactos.
7.- Peso limitado de los canales propios de difusión.
8.- La opacidad del contenido pagado.
9.- Las reseñas son un frente crítico y las marcas con vulnerables ante esta situación.
10.- Limitaciones presupuestarias por el clima de incertidumbre y la presencia de herramientas incipientes para analizar el impacto de la IA en la reputación.
Recomendaciones
Para abordar esta transformación, Asesores y Good Rebels plantean cuatro recomendaciones estratégicas (encabezadas por la articulación de una arquitectura diversa de seis a ocho tipos de fuentes y el foco en el contenido editorial) junto a un método de trabajo estructurado en siete fases que abarca desde la escucha algorítmica hasta la activación continua en relaciones públicas.
Los ponentes concluyeron que, si bien la construcción de marca en IA requiere un trabajo constante, la aplicación de estrategias quirúrgicas y transparentes de comunicación en medios permite reconfigurar y matizar las respuestas de los LLMs para poder establecer una buena reputación de las marcas.
Seguiremos Comunicando…
