Durante décadas, la reputación corporativa se ha gestionado principalmente en tres espacios: los medios de comunicación, los buscadores y las redes sociales. La expansión de ChatGPT, Gemini, Perplexity, AI Overviews y otros modelos conversacionales ha añadido un cuarto territorio: las respuestas que ofrece la inteligencia artificial cuando los usuarios buscan información, comparan alternativas o piden directamente una recomendación.

La cuestión introduce una nueva capa de complejidad para los departamentos de comunicación. Una marca puede aparecer frecuentemente y, sin embargo, no ser recomendada; destacar en un modelo y resultar prácticamente invisible en otro; o descubrir que la información con la que una IA construye su reputación procede de fuentes que la compañía apenas controla.

Es una realidad que ya abordó Eduard Corral, Fundador y Responsable de Innovación de Buzz, durante el evento AIBC 2026, al distinguir tres niveles de presencia de una marca en los modelos: recall, reasoning y recommendation. El primero implica que el modelo recuerde la marca cuando se le pregunta por su categoría; el segundo, qué atributos y asociaciones construye a su alrededor; y el tercero, el más valioso, que llegue a recomendarla como primera opción sin que el usuario la haya mencionado previamente. “Aparecer” no equivale, por tanto, a ocupar una posición relevante. “No es el cuánto, es el cómo”, explicó entonces Corral, señalando también que medir únicamente ChatGPT o únicamente Gemini sería un error, puesto que los modelos tienen comportamientos diferentes.

Precisamente la fragmentación, la falta de metodologías y la dificultad para entender las fuentes aparecen ahora entre las principales preocupaciones recogidas en el primer “Decálogo de inquietudes de los dircom ante los LLMs”, elaborado por Asesores y Good Rebels.
El documento parte de dos focus group celebrados entre finales de junio y principios de julio con 30 directores de comunicación y responsables de relaciones con los medios. Sus conclusiones se han contrastado con cuatro análisis sectoriales de banca, seguros, hoteles y telecomunicaciones realizados sobre más de 40.000 respuestas de ChatGPT, Gemini, Perplexity y AI Overviews, con más de 10.000 prompts por modelo.

Las diez inquietudes de los Dircom ante los LLMs

El decálogo muestra que la preocupación de los responsables de comunicación va mucho más allá de conseguir menciones. Abarca desde la selección de medios y la caducidad de la información hasta el contenido pagado, las reseñas o la capacidad de justificar nuevas inversiones.

1. Sin metodologías contrastadas. Los modelos son todavía opacos respecto a cómo construyen sus respuestas y no existe una metodología consolidada para conseguir posiciones tempranas en las menciones. Además, lo aprendido hoy puede cambiar en pocos meses.

2. Integrar PR, SEO y GEO sin riesgo reputacional. Surge la duda sobre cómo coordinar estas disciplinas y qué debe determinar la estrategia. Los Dircom temen una sobreoptimización orientada a los modelos y a objetivos comerciales que termine perjudicando la reputación corporativa global.

3. Redefinir el mapa de medios relevantes. Los análisis han identificado que algunos medios considerados secundarios tienen un peso significativo en las respuestas, mientras que determinadas cabeceras de referencia apenas aparecen en algunos casos. Esto obliga a revisar los criterios tradicionales con los que se priorizan las relaciones con los medios.

4. Mantener la coherencia y vigencia de los mensajes. El contenido antiguo, tanto propio como publicado por terceros, puede continuar alimentando respuestas incorrectas o desactualizadas. La gestión reputacional exige así pensar no solo en qué publicar ahora, sino también en qué información histórica sigue disponible.

5. La fragmentación entre modelos. Cada LLM consulta, cita y enlaza fuentes de manera diferente. Una marca puede liderar en uno y resultar casi invisible en otro, lo que plantea dónde concentrar los recursos y con qué horizonte temporal.

6. La paradoja de la cobertura. Tener una cobertura extensa no garantiza una posición dominante. Una marca puede acumular impactos y recibir menciones tardías o diluidas, mientras compañías más especializadas pueden ganar relevancia en territorios concretos con una cobertura menor.

7. El peso limitado de los canales propios. Según el sector, la web corporativa puede representar entre un 2% y un 25% de las fuentes utilizadas en las consultas analizadas. Comparadores, agregadores y terceros que la compañía no controla adquieren así una importancia creciente.

8. La opacidad del contenido pagado. Según el informe, hasta donde se conoce, los modelos no detectan contenido patrocinado cuando este no está señalizado. Los Dircom observan una posible oportunidad táctica, pero también incertidumbre sobre su sostenibilidad regulatoria y sobre cómo lo gestionarán los medios.

9. Las reseñas como frente crítico y vulnerable. Los modelos conceden un peso elevado a la opinión de los usuarios, lo que introduce interrogantes sobre reseñas falsas, campañas coordinadas de valoraciones negativas y la responsabilidad interna sobre este nuevo riesgo reputacional.

10. Limitaciones presupuestarias ante un ROI todavía incierto. Las metodologías están poco contrastadas y todavía resulta difícil atribuir una mejora a acciones concretas. La mecánica de prueba y aprendizaje se vuelve necesaria, pero también complica justificar presupuestos sin un retorno probado. 

Noticias Relacionadas

Los medios llegan a ser casi el doble de influyentes que otras fuentes en las respuestas de los LLMs

Del funnel a las respuestas: cómo la IA está cambiando la visibilidad de las marcas

“Los dircom nos trasladan una gran inquietud y una enorme necesidad de criterio. Saben que la reputación de sus compañías ya se está jugando en las respuestas de la IA y quieren decidir con datos dónde invertir sus recursos”, explica Carlos Hergueta, Socio y Director de Desarrollo de Negocio en Asesores.
Para Hergueta, este escenario confirma además una tendencia histórica de las relaciones públicas: “La credibilidad se construye a través de terceros, y ahora también debe construirse para ser leída por máquinas”.

Este punto conecta con otra de las ideas planteadas por Corral durante AIBC. La web corporativa continúa teniendo valor, pero los modelos contrastan las afirmaciones de las compañías con fuentes externas. “Los modelos leen de tu web, pero confirman fuera lo que tú les dices”, explicó. De ahí que no todo el contenido tenga el mismo valor. Afirmaciones genéricas como “somos los primeros” o “somos los mejores” aportan poca información si no pueden verificarse. Datos, cifras, reconocimientos, referencias externas y contenidos que permitan comprobar una afirmación ofrecen, en cambio, materiales más susceptibles de ser utilizados por los modelos.

El nuevo informe de Asesores y Good Rebels aporta datos a esta cuestión. Su principal hallazgo es que los medios de comunicación pueden llegar a ser casi el doble de influyentes para los LLMs que otras fuentes. Así, cuando un medio aparece como fuente, las menciones de marca se multiplican por 1,78 en banca y por 1,64 en seguros. En hoteles el multiplicador alcanza 1,38 y en telecomunicaciones se sitúa en 1,05, con un peso equivalente al de las webs y los comparadores. 

Los comparadores tienen, no obstante, una presencia especialmente elevada: entre el 70% y el 90% de las respuestas con mención de marca los citan. Su elevada penetración hace que el informe los considere una condición necesaria, pero no necesariamente diferencial.
En banca, los análisis apuntan además a que una arquitectura formada por entre seis y ocho fuentes diversas, combinando web propia, tres o cuatro comparadores y una o dos referencias editoriales, eleva la tasa de mención por encima del 61%-68%.

Los resultados refuerzan una de las ideas planteadas también durante AIBC: la notoriedad general no garantiza la recomendación cuando la consulta se vuelve específica. Corral utilizó entonces el ejemplo de las zapatillas deportivas: Nike o Adidas pueden dominar una pregunta general, mientras marcas especializadas como Asics o Hoka pueden aparecer por delante cuando el usuario pregunta específicamente por running. Para las marcas challenger, esto abre oportunidades para construir autoridad en territorios concretos.

Noticias Relacionadas

Los líderes de la inteligencia artificial piden frenar su desarrollo ante el temor de perder el control

Los sueños con IA de Demis Hassabis (DeepMind): de la salud humana al correo electrónico

Medir cuánto aparece una marca ya no es suficiente

La transformación afecta también a las métricas. Frente al Share of Voice, que permite observar la frecuencia con la que aparece una compañía, desde Buzz plantean también el Share of Recommendation, que analiza cuántas veces ocupa la primera recomendación. A ello se añaden cuestiones como la profundidad de la mención, el tono semántico y las fuentes utilizadas.

Esta distinción resulta especialmente relevante para los departamentos de comunicación: una marca puede aparecer repetidamente en las respuestas y hacerlo siempre en posiciones secundarias, mientras otra puede acumular menos menciones pero ser recomendada de forma preferente en determinadas necesidades.
Asesores y Good Rebels plantean en este sentido cuatro recomendaciones: 

• Entender las particularidades de cada modelo
• Construir una arquitectura diversa de fuentes
• Hacer del contenido editorial un elemento diferencial
• Monitorizar y ajustar continuamente la presencia de la marca

Asesores ha desarrollado además un método de reputación algorítmica estructurado en siete fases que parte de identificar el peso de cada tipología de fuente y comparar la citabilidad de la marca frente a sus competidores. Después se aíslan los medios que construyen las respuestas, se detectan patrones y enfoques recurrentes, se definen territorios de comunicación, se incorporan esos aprendizajes a la estrategia de PR y se repite periódicamente la medición para ajustar las acciones. 

La propuesta coincide en buena medida con los cinco pasos que Corral planteó en AIBC: medir, diagnosticar las fuentes, producir contenido citable, influir en esas fuentes y monitorizar de forma recurrente.

Y es que la reputación en los LLMs plantea un nuevo escenario técnico para las marcas y supone, por lo tanto, una ampliación del trabajo tradicional de comunicación, que ahora también pasa por comprender qué recuerda la IA de una marca, cómo razona sobre ella, qué fuentes utiliza para construir esa percepción y, finalmente, en qué circunstancias decide recomendarla.