El doctor Álvaro Nieto le preguntó a ChatGPT, por curiosidad, qué diferencia había entre su clínica dental y la que abrió hace dos años a tres calles de la suya, en Bilbao. La respuesta no dijo nada falso sobre Álvaro. Simplemente describió a la clínica nueva con más detalle, más actualidad y más entusiasmo, y lo dejó a él como la opción correcta pero menos atractiva. Nadie mintió. Y aun así, salió peor parado.
¿Qué significa que una comparación te deje peor sin que haya ni un dato falso?
No hubo ninguna reseña inventada, ningún dato erróneo sobre los años de experiencia de Álvaro ni sobre sus tratamientos. Lo que hubo fue una diferencia de riqueza informativa: la clínica competidora tenía más artículos recientes, más menciones en prensa local y una descripción de servicios más detallada y más nueva. Con eso solo, sin necesidad de decir nada negativo sobre Álvaro, la respuesta terminó recomendando a la competencia con más convicción.
Esa es la forma más difícil de detectar en la que la reputación se juega ante una Inteligencia Artificial: no es un ataque, es una comparación honesta que, por cómo está construida la información disponible de cada lado, termina inclinándose hacia uno de los dos sin que exista ninguna mentira que señalar.
Es, en ese sentido, el más difícil de los cuatro problemas de visibilidad ante una Inteligencia Artificial: no puedes pedir una rectificación de algo que nadie escribió mal, solo puedes competir con más y mejor información sobre algo que ya es cierto desde hace años.
El dentista que descubrió que perdía comparaciones sin saberlo
Álvaro lleva veintidós años ejerciendo en Bilbao. Su clínica tiene una reputación sólida, construida boca a boca durante dos décadas, y él nunca sintió la necesidad de escribir sobre su trabajo en internet más allá de una web sencilla con sus datos de contacto. La clínica competidora, más joven, publica contenido cada semana, aparece en un par de reportajes locales sobre estética dental, y mantiene actualizada cada ficha en la que aparece.
Cuando Álvaro hizo la prueba de preguntarle a Gemini y a Perplexity lo mismo que le había preguntado a ChatGPT, las tres respuestas coincidieron en un patrón: mencionaban primero a la clínica competidora, con más adjetivos y más detalle, y añadían a Álvaro después, de forma correcta pero más breve, casi como una alternativa secundaria.
Un experimento real confirma este riesgo, incluso citando tu propia fuente
Un experimento controlado de Ahrefs, publicado en Search Engine Journal el 18 de agosto de 2026, analizó 34 listados de tipo «los mejores» publicados en cinco dominios propios y rastreó 9.886 respuestas de ChatGPT, Gemini, Perplexity y Copilot generadas a partir de esos listados. En el caso de un evento propio llamado Ahrefs Evolve, en el 43 por ciento de las respuestas la Inteligencia Artificial recomendó el evento de un competidor en lugar del propio, pese a que el artículo original de Ahrefs era la fuente que se estaba citando.
Ese dato es incómodo por lo que revela: ni siquiera ser la fuente citada garantiza salir bien parado en la comparación. Lo que decide el resultado no es quién cuenta la historia, es cuánta información sólida, reciente y verificable existe sobre cada opción cuando el sistema arma la respuesta.
El orden en el que apareces también es parte del mensaje
Una respuesta que menciona primero a un competidor, con más adjetivos y más contexto, y te añade a ti después como nota breve, transmite una jerarquía aunque nunca lo diga de forma explícita. Quien lee esa respuesta entiende, sin que nadie se lo diga con esas palabras, quién parece la opción más recomendable.
Esa jerarquía no nace de un juicio de valor del sistema sobre quién es mejor profesional. Nace de una diferencia mucho más simple: quién le dio más material reciente con el que trabajar.
Por qué esto no es lo mismo que una mala reseña
Una mala reseña es un dato negativo concreto, con fecha, con autor, y en general con un motivo que se puede rebatir o contextualizar. Lo que le pasó a Álvaro no tiene ese mismo relieve: no hay una frase negativa que señalar, ni un cliente insatisfecho al que responder. Hay, simplemente, menos presencia frente a más presencia.
Por eso este problema pasa desapercibido durante más tiempo que una reseña mala. Una reseña negativa duele y se nota de inmediato. Una comparación desequilibrada se acumula despacio, sin ningún momento concreto en el que decir que ahí empezó todo.
La riqueza de la información pesa más que la verdad de fondo
Álvaro es, por antigüedad y por resultados clínicos, al menos tan sólido como la clínica que abrió hace dos años. Pero para una Inteligencia Artificial, esa solidez real no cuenta si no está documentada en algún lugar accesible: un artículo, una mención, una descripción detallada de servicios con fecha reciente.
Esto no significa que la verdad no importe, significa que la verdad que no está escrita en ningún sitio no puede citarse, y una verdad no citada pierde cualquier comparación frente a una verdad menor pero bien documentada.
Esto no es difamación, y por eso es más difícil de combatir
Si la clínica competidora hubiera publicado algo falso sobre Álvaro, existiría un camino claro: pedir la rectificación, incluso considerar una vía legal. Pero aquí no hay nada que rectificar, porque nadie dijo nada incorrecto. El competidor no manipuló ningún dato, simplemente construyó, con el tiempo, una presencia más rica que la de Álvaro.
Eso es precisamente lo que hace este problema el más grave de los cuatro tipos de daño reputacional ante una Inteligencia Artificial: no hay a quién reclamar, porque nadie hizo nada objetable. Solo hay una asimetría de información que juega en tu contra sin que lo notes hasta que alguien, como el paciente que mencionó la comparación de pasada, te lo cuenta.
Cómo saber si a ti te está pasando esto ahora mismo
El ejercicio que hizo Álvaro por curiosidad es exactamente el que cualquier profesional puede repetir: preguntarle a una Inteligencia Artificial que compare tu negocio con el de tu competidor más directo, formulando la pregunta como lo haría un cliente real, sin dar pistas de quién eres tú en la conversación.
Vale la pena repetir la pregunta en ChatGPT, Gemini y Perplexity por separado, porque las tres pueden dar pesos distintos a las mismas fuentes, y una coincidencia entre las tres respuestas es una señal mucho más fiable que una sola.
Si las tres respuestas coinciden en dejarte en segundo lugar, no es casualidad ni un capricho del sistema. Es una señal clara de que, en la información disponible hoy sobre tu trabajo, hay un vacío real que alguien más está llenando mejor que tú.
Qué puedes hacer para competir en la misma comparación
No se trata de inventar contenido ni de exagerar nada sobre tu trabajo, se trata de documentar con la misma seriedad que ya aplicas en tu profesión lo que llevas años haciendo bien. Escribir sobre casos reales, conseguir que medios locales o publicaciones del sector te mencionen, y mantener actualizada cada descripción de servicios en cada sitio donde aparezcas.
Álvaro empezó por lo más simple: escribir, con su propia voz, sobre tratamientos concretos que lleva años haciendo, con fechas y casos reales, no como publicidad sino como documentación honesta de su trabajo diario. No cambia veintidós años de experiencia, pero sí le da a una Inteligencia Artificial algo reciente con qué trabajar cuando alguien pregunte por él.
Tres meses después de empezar, Álvaro volvió a hacer la misma pregunta a las tres Inteligencias Artificiales. La comparación seguía existiendo, pero ya no lo dejaba en un segundo lugar tan claro, porque por primera vez había algo reciente y verificable con lo que igualar la conversación.
Vigilar una comparación puntual no basta si el competidor sigue publicando
La comparación que descubrió Álvaro puede cambiar de sentido en unos meses si su competidor sigue publicando y él no. Este no es un problema que se resuelva una sola vez, es una carrera silenciosa de quién documenta mejor lo que ya es cierto sobre su trabajo. RADAR compara de forma continua cómo te sitúa una Inteligencia Artificial frente a tu competencia directa, para que lo sepas antes que un paciente o un cliente lo mencione de pasada.
Sobre el autor
Javier G. Amblar tiene 27 años de experiencia como consultor estratégico y ha formado a más de 33.000 profesionales en 55 países. Es exprofesor asociado del IE Business School, distinción que ya no ejerce en la actualidad, donde recibió el Premio a la Excelencia Docente, y ha colaborado como analista experto en RTVE, Telemadrid, Onda Cero y EsRadio. Es autor del libro Liderazgo (Editatum, 2018).
Su canal de YouTube reúne a más de 368.000 suscriptores y su comunidad en línea supera las 500.000 personas que siguen de cerca cómo la tecnología cambia la forma de trabajar por cuenta propia. Con esa experiencia impulsa RADAR, un servicio que mide cómo te compara una Inteligencia Artificial con tu competencia y detecta cuándo esa comparación empieza a jugar en tu contra. Puedes revisar cómo funciona RADAR y qué revisa en cada comparación.
