La comprobación que hace casi todo el mundo es escribir su propio nombre en ChatGPT y leer lo que sale. Si sale bien, uno se queda tranquilo. El problema es que ese resultado no significa casi nada, porque un cliente que todavía no te conoce no puede preguntar por tu nombre. No lo sabe. Esa es toda la diferencia entre una prueba que consuela y una prueba que informa.
Las dos preguntas, que no se parecen
Preguntar «quién es Fulano de Tal» es una consulta de verificación. La hace alguien que ya te tiene delante: te pasaron tu contacto, te vio en un sitio, va a reunirse contigo mañana. Importa, y conviene que salga bien.
Pero la consulta que reparte el trabajo es otra: «necesito un profesional que me ayude con esto, en esta ciudad». Ahí no hay nombres de entrada. La máquina elige dos o tres y los pone. Y esa pregunta la puedes hacer tú exactamente igual que la haría un desconocido.
Si nunca la has hecho, no sabes si existes para el mercado. Sabes si existes para quien ya te conoce, que es otra cosa.
Los cuatro errores de método
El primero es preguntar por el nombre, que acabamos de ver.
El segundo es usar tu vocabulario. Tú dices «intervención sistémica breve» o «asesoramiento en compliance». Tu cliente dice «llevo meses sin dormir por un problema con mi socio» o «me ha llegado una carta de inspección y no sé qué hacer». La máquina responde a la formulación del cliente, no a la del gremio.
El tercero es preguntar en un solo motor. ChatGPT, Gemini y Perplexity beben de fuentes distintas y dan resultados distintos. Comprobar uno no te dice absolutamente nada de los otros dos.
Y el cuarto es preguntar desde tu propia sesión, con tu historial detrás. El sistema ya sabe quién eres y qué te interesa, y eso condiciona la respuesta. Conviene hacerlo sin sesión iniciada, en una ventana limpia.
La prueba que sí sirve
Escribe cinco preguntas. Las cinco que haría tu mejor cliente el día antes de encontrarte, con sus palabras y no con las tuyas. Incluye tu ciudad o tu provincia en al menos tres de ellas, porque así es como se pregunta de verdad.
Hazlas en los tres motores, sin sesión iniciada. Copia la respuesta entera, no la impresión general. Anota la fecha.
Y después haz una sexta pregunta, la de verificación, con tu nombre completo. Esa te dirá qué lee alguien que ya iba a llamarte, que es información distinta y también útil. Ahí es donde aparecen los líos de confusión con otras personas que se llaman parecido.
Cómo se lee el resultado
No mires si sales. Mira tres cosas.
Quién sale, porque esos son los nombres contra los que compites de verdad, y a veces no son los que tú creías.
Con qué frase describen a cada uno, porque ahí se ve qué está entendiendo la máquina de cada perfil y por qué prefiere a unos.
Y de dónde dice que lo saca, si lo dice. Las fuentes citadas te enseñan qué sitios pesan en tu materia, que casi nunca son las webs de los propios profesionales.
Y repetir, que es la parte aburrida
Una comprobación suelta es una anécdota. Las respuestas cambian con cada actualización del modelo y con cada fuente nueva que entra, y no dejan histórico: lo que un motor respondió el mes pasado, si nadie lo guardó, se perdió.
Por eso hay que hacer siempre las mismas preguntas, con las mismas palabras, cada cierto tiempo, y guardarlas con fecha. Solo así se sabe si algo mejora, si empeora o si sencillamente varía sin motivo.
Es tedioso y por eso casi nadie lo sostiene más de dos semanas. También es la única forma de tener un dato en lugar de una impresión, y ya vimos que la impresión general sobre estas tecnologías cambia con la moda mientras los números cambian con los hechos.
Si prefieres que esa serie se lleve sola, con las preguntas fijas, las repeticiones y las fechas ya montadas, eso es exactamente el trabajo de RADAR.
Sobre el autor
Javier G. Amblar es consultor estratégico senior con 27 años de experiencia. Ha formado a más de 33.000 profesionales en 55 países, fue profesor asociado del IE Business School con Premio a la Excelencia Docente y ha sido analista en RTVE, Telemadrid, Onda Cero y EsRadio. Su comunidad en línea supera las 500.000 personas. Trabaja la visibilidad de los profesionales ante los motores de Inteligencia Artificial y dirige RADAR.
