Cuando la IA no tiene datos de tu empresa, describe a otra: cómo comprobar si te está pasando

Hay un fallo de los modelos de IA que casi nadie está comprobando y que es más grave que no aparecer: cuando la IA no tiene datos suficientes sobre su empresa, no dice que no lo sabe. Describe a otra.

Y lo hace con el mismo tono seguro que emplea cuando sí lo sabe. El resultado es que un cliente potencial puede leer, en una respuesta con aspecto de dato, una descripción de su negocio que en realidad corresponde a un competidor.

Cómo se manifiesta

El fenómeno lo describe Duane Forrester, veterano del sector de la búsqueda, y lo llama sustitución. El modelo, dice, «alcanza la cosa mejor documentada más cercana» y la entrega como si fuera información sobre usted. Toma cuatro formas distintas:

• Analogía silenciosa. Le sustituye por un competidor mejor documentado, sin avisar de que lo está haciendo.
• Lo antiguo presentado como actual. Describe la empresa que usted era hace tres años: precios viejos, servicios que ya no presta, posicionamiento abandonado.
• Evidencia delgada con tono de evidencia sólida. Una sola fuente dudosa se presenta con la misma seguridad que veinte fuentes coincidentes.
• Conocimiento de categoría aplicado a usted. Le atribuye lo que es cierto «del sector» aunque no lo sea de su empresa.

Por qué ocurre

No es un capricho del modelo: es cómo funciona. Estos sistemas se apoyan en lo que tienen memorizado del entrenamiento antes que en lo que están leyendo en ese momento, y ese sesgo se agrava justo donde hay poca información. Cuanto menos documentada esté su empresa, más probable es la sustitución.

Dicho de otro modo: el problema no golpea a las marcas grandes. Golpea a las medianas y pequeñas, que son las que tienen menos rastro público.

Cómo comprobar si le está pasando

Esta es la parte accionable, y se hace en una tarde. La clave está en mirar las salidas, no las entradas: no revise su web buscando qué falta, pregunte y compare.

• Haga las cinco preguntas que haría un cliente. «¿Qué hace [su empresa]?», «¿cuánto cuesta?», «¿a quién se dirige?», «¿en qué se diferencia de [competidor]?», «¿dónde opera?».
• Repítalas en al menos dos modelos distintos, y una segunda vez unos días después. La respuesta varía.
• Marque cada afirmación que ninguna fuente suya respalde. Ese es el criterio: no si suena mal, sino si usted no puede señalar de dónde ha salido.
• Preste atención especial a precios, tamaño de equipo, sedes, años de actividad y servicios. Son los datos que más se sustituyen porque son los más comunes en la categoría.
• Y compruebe si lo que describe es su competencia. Si la respuesta encaja mejor con el líder de su sector que con usted, ya tiene el diagnóstico.

Qué hacer si encuentra sustitución

La reacción instintiva —reclamar al modelo— no lleva a ninguna parte. Lo que sí funciona es atacar la causa: la escasez de información verificable sobre usted.

• Ponga los datos duros en su web, en texto: qué hace exactamente, para quién, dónde, desde cuándo, con qué precios o rangos. Si está solo en una imagen o en un PDF, para el modelo no está.
• Cuide las páginas que la IA cita más. Según un estudio reciente, en consultas de evaluación la página de producto se lleva casi una cuarta parte de las citas: es el sitio donde más rentable resulta ser explícito.
• Mantenga coherencia entre fuentes. Si su web, su ficha de directorio y su perfil corporativo dicen tres cosas distintas, el modelo elegirá por su cuenta.
• Actualice lo viejo que siga publicado. La sustitución por antigüedad se alimenta de páginas suyas que nadie ha tocado en años.

Una salvedad sobre la fuente

Conviene decirlo: quien describe el fenómeno vende servicios de visibilidad en IA, así que tiene interés en que el problema preocupe. Y su texto es una columna de análisis, no un estudio con muestra.

Dicho eso, el mecanismo que describe es comprobable por usted mismo en veinte minutos, y esa es la diferencia entre una advertencia interesada y una advertencia útil. No hace falta creerle: haga las cinco preguntas y mire lo que sale.

Foto de portada: «Mirror Reflection Symmetry Exhibit», de Aliva Sahoo, bajo licencia CC BY 4.0. El fenómeno y su descripción proceden de un análisis de Duane Forrester publicado en Search Engine Journal el 3 de septiembre de 2026. La traducción de la cita es nuestra.

Para seguir el hilo: cómo se juega la visibilidad de marca en la búsqueda con IA · cómo se mide esa visibilidad · qué es la optimización para motores generativos.