Una auditoría de Webflow publicada en julio de 2026, sobre más de 2.000 webs de empresas en Estados Unidos, encontró que la empresa mediana es descrita de forma inexacta por ChatGPT, Gemini, Perplexity y Claude aproximadamente un tercio de las veces que se les pregunta por ella. No es un fallo aislado ni un caso extremo: es la media. Si tienes un despacho, una clínica o una consulta propia, esto significa que, ahora mismo, es probable que uno de cada tres clientes que pregunte por ti a la Inteligencia Artificial reciba una descripción distorsionada sin que tú lo sepas.
¿Qué encontró exactamente la auditoría sobre la Inteligencia Artificial y las empresas pequeñas?
El equipo de Webflow analizó cómo describían distintos modelos de Inteligencia Artificial a más de 2.000 empresas reales, comparando lo que decía cada modelo con la información verificada en la propia web de cada negocio. El resultado, publicado en julio de 2026, fue que la empresa mediana recibía una descripción inexacta en torno a un tercio de las consultas.
El error no se concentraba en un modelo concreto: apareció de forma repartida en ChatGPT, Gemini, Perplexity y Claude, cada uno con sus propios patrones de fallo. Ninguno de los cuatro modelos de Inteligencia Artificial resultó fiable al cien por cien, ni siquiera acercándose a esa cifra.
Lo relevante no es solo el porcentaje, sino que la mayoría de los negocios auditados nunca se habían dado cuenta de que existía ese problema, porque nadie les había preguntado directamente a los modelos qué decían de ellos.
¿De dónde vienen los errores que comete la Inteligencia Artificial sobre un negocio?
La auditoría de Webflow identificó cuatro causas principales. La primera es que los modelos de Inteligencia Artificial trabajan con datos de entrenamiento que se quedan desactualizados, así que si tu negocio cambió de dirección, de horario o de servicios hace un año, el modelo puede seguir usando la versión antigua.
La segunda causa es que el modelo confía en una fuente equivocada. Puede haber encontrado una reseña, un directorio o un artículo con datos erróneos, y haberlo tomado como referencia fiable simplemente porque aparecía con frecuencia en sus resultados de búsqueda.
La tercera es la confusión de identidad: si existe otra empresa con un nombre parecido al tuyo, en otra ciudad o incluso en otro país, la Inteligencia Artificial puede mezclar los datos de ambas sin avisar de que lo ha hecho. La cuarta causa es un directorio desactualizado, algo tan simple como una ficha de Google Business o un listado profesional que nadie ha revisado en años.
¿Cómo se traduce este problema, de la Inteligencia Artificial, en el caso de un despacho de abogados pequeño?
Piensa en un despacho de tres personas que lleva casos de derecho laboral. Si la Inteligencia Artificial lo describe usando datos de hace tres años, puede decir que ese despacho ya no lleva un tipo de caso que en realidad sí lleva, o al revés, atribuirle una especialidad que dejó de ofrecer.
Un cliente potencial que le pregunte a ChatGPT o a Gemini por despachos de derecho laboral en su zona puede recibir información incorrecta sobre ese despacho concreto, y descartarlo sin saber que la razón fue un dato mal actualizado, no una decisión del despacho.
Esto es distinto de no aparecer en absoluto. Aquí el despacho sí aparece, pero con una ficha equivocada que el propio abogado nunca ha visto ni ha tenido ocasión de corregir. Rastrear de dónde saca cada modelo sus datos, y qué fuente concreta está usando para describir tu despacho, es el primer paso antes de intentar corregir nada.
¿Y qué significa este error de la Inteligencia Artificial para una clínica o una consulta privada?
En el caso de una clínica pequeña, un error de este tipo puede ser más delicado todavía. Si un modelo de Inteligencia Artificial describe mal los servicios que ofrece una clínica, un dermatólogo o una consulta de fisioterapia, alguien puede acudir esperando un tratamiento que ya no se realiza allí, o descartar la consulta pensando que no cubre lo que necesita.
La confusión de identidad, la tercera causa que identificó la auditoría de Webflow, es especialmente frecuente en sanidad, porque hay muchas clínicas con nombres genéricos o muy parecidos entre sí en distintas ciudades. La Inteligencia Artificial puede mezclar reseñas, horarios o especialidades de dos consultas distintas sin que ninguna de las dos lo sepa.
Este tipo de error se parece al que ya describimos en cuando la Inteligencia Artificial te confunde con un homónimo, salvo que aquí el problema no es el nombre de una persona sino la identidad completa de un negocio.
¿Por qué nadie se da cuenta de que la Inteligencia Artificial le describe mal?
La razón principal es que casi ningún profesional pregunta directamente a los modelos de Inteligencia Artificial qué dicen sobre su propio negocio. La mayoría revisa su web, sus reseñas de Google o sus redes, pero rara vez entra en ChatGPT, Gemini o Perplexity y hace la pregunta que haría un cliente potencial.
Esto significa que el error puede llevar meses o años circulando sin que nadie lo corrija, porque la única forma de detectarlo es buscarlo activamente. No hay una notificación ni una alerta que avise cuando un modelo describe mal a un negocio.
El artículo y si tu seguro ya estuviera controlado por una Inteligencia Artificial sin saberlo plantea un problema parecido en otro terreno: decisiones automatizadas que afectan a una persona sin que esa persona sepa que están ocurriendo.
¿Este problema es solo de Estados Unidos o también afecta a negocios en español?
La auditoría de Webflow se hizo sobre empresas de Estados Unidos, pero el mecanismo que produce el error no depende del idioma ni del país. Los cuatro factores identificados, datos desactualizados, fuente equivocada, confusión de identidad y directorio viejo, se dan igual en un negocio en Madrid, en Bogotá o en Ciudad de México.
De hecho, en mercados hispanohablantes el riesgo puede ser mayor, porque suele haber menos contenido propio y verificado en español sobre cada profesional, lo que deja a los modelos de Inteligencia Artificial con menos material fiable del que tirar y más margen para apoyarse en fuentes de baja calidad.
¿Es lo mismo este error que una alucinación de la Inteligencia Artificial?
No exactamente, y la diferencia importa para saber cómo corregirlo. Una alucinación ocurre cuando el modelo inventa un dato de la nada, sin que exista ninguna fuente detrás. Lo que describe la auditoría de Webflow es distinto: el modelo sí tiene una fuente, pero esa fuente está desactualizada, equivocada o pertenece a otro negocio.
Esta distinción está explicada con detalle en qué es una alucinación de la Inteligencia Artificial, y conviene tenerla clara porque la solución no es la misma. Frente a una alucinación pura, cuesta más intervenir. Frente a un dato desactualizado o una fuente equivocada, sí puedes actuar publicando información propia y reciente que el modelo prefiera.
Para un profesional que descubre que la Inteligencia Artificial lo describe mal, distinguir entre estos dos casos ahorra tiempo. No es lo mismo pelear contra una invención que corregir una fuente vieja.
¿Cómo puedes comprobar si la Inteligencia Artificial te está describiendo mal ahora mismo?
La comprobación es directa: preguntar a ChatGPT, Gemini, Perplexity y Claude qué dicen sobre tu negocio, tu especialidad y tu zona, y comparar esa respuesta con la realidad, dato por dato. Nombre correcto, servicios actuales, ubicación, horario, especialidad.
No basta con hacerlo una vez. Como la auditoría de Webflow demostró que el error se reparte de forma distinta entre los cuatro modelos, conviene revisar cada uno por separado, porque un modelo puede tenerte bien descrito mientras otro repite un dato erróneo.
No basta con que la Inteligencia Artificial hable de ti: tiene que hablar de ti con datos correctos, porque una mención con información errónea puede hacerte más daño que no aparecer en absoluto.
¿Qué puedes hacer si descubres que la Inteligencia Artificial te describe mal?
Lo primero es identificar con precisión qué dato está mal y en qué modelo aparece así, porque no todos los modelos de Inteligencia Artificial cometen el mismo error sobre ti. Corregir a ciegas, sin saber qué fuente está usando cada modelo, suele ser inútil.
Lo segundo es publicar y mantener actualizada información propia, clara y verificable sobre tu negocio: qué haces, dónde, para quién y desde cuándo. Cuanto más reciente y concreto sea ese contenido, más fácil es que un modelo lo prefiera frente a un directorio viejo o una reseña desfasada.
Esto no elimina el riesgo por completo, porque los modelos de Inteligencia Artificial siguen apoyándose en fuentes que tú no controlas del todo. Pero reduce de forma considerable la probabilidad de que la versión que circule sobre ti sea la equivocada.
Descubre con RADAR qué dice realmente la Inteligencia Artificial sobre tu negocio
Sobre el autor
Javier G. Amblar suma 27 años de experiencia y ha formado a más de 33.000 profesionales en 55 países. Es exprofesor asociado del IE Business School, donde recibió el Premio a la Excelencia Docente, y autor del libro Liderazgo (Editatum, 2018).
Su canal de YouTube supera los 368.000 suscriptores, dentro de una comunidad en línea de más de 500.000 personas repartidas en varios países hispanohablantes.
Trabaja hoy en ayudar a profesionales que ejercen por su cuenta a comprobar qué dicen de ellos los modelos de Inteligencia Artificial, a través de RADAR, la herramienta que desarrolló para detectar errores como los que describe este artículo.
