Un competidor directo escribió en su propia web una comparativa entre los dos servicios, la redactó con tono neutral, y una Inteligencia Artificial la está citando como si fuera una fuente independiente. Eso es lo que descubrió este profesional al preguntarle a ChatGPT cuál de los dos convenía más para un caso concreto: la respuesta enlazaba, casi palabra por palabra, al artículo de la competencia.
Lo que encontró no era una mentira
No había ningún dato falso en el texto. El competidor había escrito una tabla con columnas de precio, experiencia, especialización y zona de cobertura, y en cada fila aparecían los dos nombres, el del competidor y el del profesional que ahora leía aquello con la mandíbula apretada.
Las cifras eran, en apariencia, correctas. Los años de experiencia estaban bien puestos. La especialización descrita se ajustaba a la realidad. Nada en ese artículo podía señalarse como falso ante un tribunal ni ante un cliente que preguntara directamente.
Y sin embargo, cada criterio de comparación estaba elegido, ordenado y ponderado para que la balanza cayera de un solo lado. No hacía falta mentir. Bastaba con decidir qué se compara y en qué orden se presenta.
La diferencia entre mentir y encuadrar
Javier G. Amblar, consultor estratégico con 27 años de trayectoria formando a más de 33.000 profesionales en 55 países, lleva tiempo señalando esta distinción en las sesiones donde revisa cómo las marcas personales aparecen citadas por sistemas de Inteligencia Artificial: el problema ya no es la mentira burda, es el encuadre inteligente.
Encuadrar significa elegir qué se mide, en qué orden se pone y qué se omite, sin necesidad de inventar nada. Es una técnica antigua, usada en publicidad comparativa desde hace décadas, pero hasta hace poco tenía un límite natural: un lector humano detectaba el sesgo casi de inmediato.
Cualquier persona que lea con calma esa tabla nota que las columnas están armadas a medida. El problema aparece cuando quien lee esa tabla, la resume y la reparte no es una persona, sino un modelo de lenguaje entrenado para extraer estructura, no intención.
Por qué una Inteligencia Artificial no distingue esto
Un modelo como ChatGPT, Gemini o Perplexity no evalúa si un texto tiene motivos ocultos. Evalúa si el texto está bien estructurado, si responde con claridad a la pregunta implícita, si usa datos verificables y si el formato facilita la extracción de la respuesta.
Una comparativa con tabla, subtítulos claros y cifras concretas cumple, en apariencia, todos esos requisitos. Desde el punto de vista técnico del modelo, es un texto de calidad. Desde el punto de vista de quien lo escribió, es una pieza de posicionamiento con un ganador ya decidido antes de redactar la primera línea.
Esa distinción, evidente para cualquier persona con experiencia comercial, es invisible para el sistema que ahora resume el sector a quien pregunta. El resultado es que la Inteligencia Artificial actúa como un árbitro que nunca se planteó que una de las partes hubiera escrito las reglas del partido.
Un caso más grave que una reseña falsa
Una reseña falsa se puede denunciar, se puede reportar en la plataforma donde aparece, y en muchos casos se puede retirar. Una comparativa publicada en la propia web del competidor no infringe ninguna norma de ninguna plataforma, porque cada empresa tiene derecho a hablar de sí misma en su propio dominio.
No hay a quién reportar nada. No hay una casilla de «contenido engañoso» que activar. El artículo existe, está bien escrito, cumple con la ley de publicidad comparativa en la mayoría de los casos, y sigue ahí, indexado, disponible para que cualquier sistema lo lea cuando alguien pregunte por ese sector y esa zona.
Es la versión silenciosa de jugar sucio. No necesita ruido, no necesita viralidad, no necesita que nadie la comparta. Solo necesita existir y estar bien redactada para que la maquinaria de recuperación de información la trate como una fuente razonable.
Qué citan realmente los modelos cuando alguien pregunta «cuál es mejor»
Cuando una persona pregunta a una Inteligencia Artificial cuál de dos profesionales o empresas conviene más para su caso, el modelo no tiene acceso a una verdad objetiva guardada en algún archivo. Construye la respuesta a partir de lo que encuentra en la web en el momento de responder, o de lo que ya absorbió durante su entrenamiento.
Si el contenido mejor estructurado sobre esa comparación concreta lo escribió una de las dos partes implicadas, esa es la fuente que domina la respuesta. No hay una redacción independiente revisando ambas webs con criterio editorial. Hay un sistema de recuperación de texto que premia la claridad formal, no la imparcialidad de fondo.
Esto ya se ha documentado en el terreno de la reputación digital: la Inteligencia Artificial ya está vendiendo por ti o por tu competencia incluso cuando nadie ha hecho nada ilegal ni ha publicado nada objetivamente falso.
El silencio como estrategia
Lo llamativo de este caso es que el competidor no necesitó atacar directamente. No escribió nada negativo sobre el otro profesional. Al contrario, mencionó sus virtudes, citó su experiencia, incluso reconoció algún punto fuerte, porque un texto que reconoce méritos ajenos suena más creíble y por tanto se cita con más facilidad.
Ese gesto de aparente objetividad es, en realidad, la parte más eficaz de la estrategia. Un texto que parece justo se convierte en la fuente preferida de un sistema entrenado para valorar el tono equilibrado como señal de fiabilidad.
Nadie puede acusar a ese competidor de haber mentido. Y esa es exactamente la razón por la que este tipo de maniobra funciona mejor que cualquier ataque frontal: no deja rastro de mala fe, solo deja una comparación que gana por diseño.
Por qué no basta con «ser mejor» en la realidad
El error habitual de un profesional serio es pensar que, si su trabajo es objetivamente más sólido, tarde o temprano eso se va a notar. Esa lógica funcionaba cuando la reputación se construía boca a boca, entre personas que comparaban experiencias directas.
Ahora, buena parte de esas comparaciones se hacen antes de cualquier contacto humano, dentro de una conversación con un modelo de lenguaje. Si en ese momento la única fuente estructurada disponible sobre la comparación es la que escribió la competencia, la calidad real del trabajo no pesa nada en esa respuesta concreta.
La honestidad de fondo no se traduce automáticamente en presencia digital. Hace falta que exista, en algún lugar, un texto propio, verificable y bien construido, que le dé al sistema una alternativa mejor que citar.
Lo que sí se puede hacer sin entrar en el mismo juego
La respuesta no es escribir una comparativa propia igual de sesgada, ni entrar en una guerra de tablas donde cada parte se presenta como ganadora. Ese tipo de contenido, cuando lo detecta un usuario humano, resta credibilidad al que lo publica.
La respuesta razonable es publicar, en canales propios, información verificable sobre la trayectoria real, los casos atendidos, las cifras concretas y la especialización, de forma que exista una fuente sólida que un modelo pueda citar además de la comparativa de la competencia. No se trata de ganar la discusión, se trata de dejar de estar ausente en ella.
Esto conecta con algo que ya se ha explicado sobre el precio de delegar el pensamiento estratégico en la comodidad: el precio de la comodidad y cómo la Inteligencia Artificial nos está robando la capacidad de pensar aplica también a la reputación: quien no revisa cómo lo describen las máquinas, delega esa descripción en quien sí se ha tomado el trabajo de escribirla.
Cómo saber si te está pasando esto ahora mismo
La comprobación es sencilla y no requiere conocimientos técnicos: preguntarle directamente a ChatGPT, Gemini o Perplexity cuál de los dos profesionales o empresas de un sector y una zona concretos conviene más, y leer con atención en qué se basa la respuesta.
Si el modelo menciona criterios muy específicos, con una estructura que recuerda a una tabla comparativa, es razonable sospechar que existe un artículo de ese tipo en algún lugar de la web, probablemente en el dominio de la competencia. Buscar después el texto original confirma o descarta la sospecha en pocos minutos.
Ese ejercicio, repetido cada cierto tiempo, es lo que permite detectar a tiempo una comparativa sesgada antes de que se convierta en la respuesta por defecto de todo un sector. RADAR, la herramienta de Javier G. Amblar, hace justamente ese seguimiento de forma continua, para que la brecha entre lo que un profesional es y lo que las máquinas dicen de él no dependa de la suerte de haber hecho la pregunta correcta a tiempo.
Comprobar qué comparativas está citando la Inteligencia Artificial sobre un sector es el primer paso antes de decidir qué hacer con ello. Con RADAR puedes ver exactamente qué está diciendo la Inteligencia Artificial sobre tu negocio y tu competencia.
Sobre el autor
Javier G. Amblar es consultor estratégico senior con 27 años de experiencia en consultoría, comunicación y estrategia empresarial. Ha formado a más de 33.000 profesionales en 55 países, exprofesor asociado del IE Business School con Premio a la Excelencia Docente, colaborador experto en RTVE, Telemadrid, Onda Cero, EsRadio y otros medios nacionales, y autor del libro Liderazgo (Editatum, 2018). Dirige una comunidad online de más de 500.000 personas y un canal de YouTube con más de 368.000 suscriptores.
Después de años ayudando a profesionales y empresas a ordenar su estrategia de comunicación, Javier G. Amblar centra buena parte de su trabajo actual en un problema nuevo: lo que dicen de un negocio los sistemas de Inteligencia Artificial cuando nadie de ese negocio está delante para matizarlo.
RADAR nació de esa observación. No es una herramienta de marketing tradicional, es un sistema que revisa qué está citando la Inteligencia Artificial sobre una marca o un profesional, y detecta cuándo esa descripción se aleja de la realidad o cuándo directamente falta.
Conoce RADAR para revisar qué está diciendo la Inteligencia Artificial sobre tu negocio, y conoce Evolution si lo que buscas es traducir tu experiencia acumulada en un modelo de ingresos más sólido.
