En el entorno digital, 80% de los usuarios confía ya en los resúmenes de inteligencia artificial para resolver al menos el 40% de sus consultas cotidianas, por lo que, es evidente, la gestión de la reputación corporativa afronta un cambio de paradigma.
Los grandes modelos de lenguaje (LLM) ya no evalúan a las empresas solo por lo que publican en sus canales oficiales, sino por la información consolidada en medios de comunicación, foros públicos, Wikipedia y plataformas de reseñas. Ante esta realidad, la división de Intelligence & Influence de la agencia theGarage ha desarrollado la metodología Garage Intelligence y la solución tecnológica Brand Perception Engine.
Mario Jiménez, CEO de theGarage, nos habla de los riesgos reales de que una compañía sufra la omisión o la asignación de atributos negativos por parte de los algoritmos. También detalla las vías estratégicas para intervenir sobre las fuentes primarias que alimentan a los modelos, analiza las diferencias de sesgo entre plataformas y defiende de manera tajante que la tecnología carece de sentido sin la imprescindible supervisión y estrategia humana.
¿De qué manera la irrupción de la IA generativa, el Generative Engine Optimization (GEO) y los grandes modelos de lenguaje (LLM) están transformando las decisiones de compra y la percepción pública de las marcas?
Para evaluar la importancia que están teniendo, basta con un dato: el 80% de los usuarios confía en resúmenes de IA para responder al menos el 40% de sus consultas cotidianas. Si ante una pregunta, la IA omite una marca o le asigna atributos negativos, esa marca pierde presencia directamente en la etapa de consideración del usuario. Los LLM no evalúan a una empresa, sus productos o a sus directivos únicamente por lo que dice en su web, sino por la información consolidada en medios de comunicación, foros públicos, Wikipedia, plataformas de reseñas o fuentes sectoriales.
¿Qué riesgos reales corre una marca si un modelo de IA la omite o le asigna atributos negativos en esta etapa inicial?
El riesgo de convertirse en irrelevante para la audiencia, especialmente para la que no tiene fidelizada. Esto, obviamente, afecta a sus ventas, pero también a su percepción. Se entiende mejor con un ejemplo sencillo: si de dos marcas competidoras, una apuesta por cuidar su presencia en los modelos de IA, mientras que la otra no hace nada y aplica una estrategia de comunicación tradicional, poco a poco se van a ir separando cada vez más en la espiral de reputación y consideración de los usuarios. Una aparecerá más frecuentemente en los resultados de búsqueda, y la otra tenderá a desaparecer gradualmente.
¿Qué necesidades motivaron al equipo de Intelligence & Influence de theGarage a desarrollar la metodología Garage Intelligence y la solución Brand Perception Engine?
Por un lado, la evolución de los hábitos de consumo y de la propia comunicación. Lo que hacemos las agencias es trabajar para que nuestros clientes generen reputación y, en última instancia, impactar en su cuenta de resultados, y hoy eso es algo que pasa inevitablemente por aparecer de manera destacada en los modelos de IA cuando un usuario hace una pregunta. Por otro, nuestro propio inconformismo. Siempre hemos sido una agencia con ganas de avanzar, de superarnos a nosotros mismos y de contribuir a hacer un sector cada vez más relevante.
¿Cómo se combinan el análisis de datos y el criterio estratégico humano en las auditorías narrativas?
La IA no tiene ningún sentido si carece de supervisión humana, y no me cansaré de repetir esto. Podemos tener los mejores datos del mundo, los insights más valiosos, pero si no hay nadie capaz de analizarlos para dotarles de sentido, no valen nada. Combinando la potencia del Brand Perception Engine con un equipo humano, es como podemos conseguir una estrategia que de verdad genere influencia y resultados.
¿Qué indicadores específicos analiza la herramienta para medir dimensiones como el “sentimiento”, la “credibilidad”, la “notoriedad”, la “legitimidad” y el “nivel de recomendación” de una marca o sus ejecutivos?
La herramienta es tan flexible como nosotros queramos o el cliente necesite. Es decir, puede medir cualquiera de esas dimensiones respondiendo a cuestiones como qué hace la competencia, qué medios o plataformas son las más relevantes (o las menos) a la hora de transmitir los valores de mi marca o aplicar y medir esos criterios en función de ‘queries’ concretas, que son prácticamente infinitas. Lo positivo es que la herramienta no es nada complaciente, y te dice a la cara todo lo que la marca, o la estrategia de comunicación, está haciendo mal para lograr los objetivos que se hayan marcado.
¿En qué consiste el análisis de influencia en modelos específicos como Gemini, ChatGPT o Claude y qué diferencias suelen encontrarse en la percepción narrativa entre ellos?
Se trata de medir cómo de relevante es una marca a la hora de ser citada de manera orgánica por estos modelos. Es decir, si ante una pregunta formulada en lenguaje natural, el modelo es capaz de incluir a mi marca o no en la respuesta. Las diferencias entre ellos son intrínsecas a la propia programación de cada modelo. Por ejemplo, Gemini, al ser de Google, tiene muy en cuenta el posicionamiento de una marca o de un ejecutivo en su buscador; mientras que Claude es el más “objetivo”, por decirlo de alguna manera.
Una vez detectados sesgos o desviaciones reputacionales, ¿cómo se asesora a las marcas para adaptar su discurso a los requisitos de asimilación de cada IA?
Aquí es donde, de nuevo, el factor humano es fundamental. Brand Perception Engine es capaz de sugerir una estrategia que tiene en cuenta desde potenciar la presencia de la marca en YouTube, por ejemplo, hasta una potencial inversión en branded content o una cadencia recomendada de publicación en redes sociales. Con esto, nuestro equipo, que conoce la marca y sus prioridades, elabora una estrategia de comunicación que tenga en cuenta el momento de la marca, sus KPIs, sus productos o el presupuesto que quiere invertir.
¿De qué manera se interviene sobre las fuentes primarias que alimentan a los algoritmos para corregir sesgos y recuperar el control de la narrativa?
De múltiples formas, e igual que se ha hecho siempre en comunicación: con estrategia y sentido común. No hay una fórmula mágica infalible, pero la herramienta nos traza un camino de baldosas amarillas que, si seguimos con cuidado y sentido común, seguramente nos lleve hasta Oz. Por ejemplo, se puede trabajar sobre el blog o la web corporativa de la marca para que termine convirtiéndose en fuente de referencia; modificar la estrategia de PR para intensificar la presencia en medios que sabemos que los modelos de IA van a priorizar; o gestionar campañas de pago que ayuden a visibilizar a la compañía.
¿Cómo se conecta Brand Perception Engine con otras áreas de comunicación de la agencia, como PR, creatividad, social media o paid media?
Es imposible separarlos, porque el Brand Perception Engine trabaja para todas ellas. Digamos que, de alguna manera, es un motor y cada área decide hasta qué punto y cuándo aprieta el acelerador.
Con un portfolio de más de 70 clientes, ¿cuáles son las principales resistencias o desafíos que observáis en las empresas al abordar la reputación algorítmica por primera vez?
En primera instancia, desconocimiento e incertidumbre. Es algo todavía nuevo y muchos dircoms no entienden cómo puede afectar a su marca o a sus directivos. También se ha generado muchísimo ruido, y distinguir el grano de la paja resulta complicado. Otra barrera es la presupuestaria, puesto que este es un servicio aparte, complementario aunque imprescindible, y no siempre encuentran presupuesto para incorporarlo a su estrategia de comunicación. Ambas son cuestiones relacionadas que, en algunos casos, terminan en un círculo vicioso.
Seguiremos Comunicando…
