La Inteligencia Artificial cita antes una página de una universidad o de un organismo oficial que la web de un profesional independiente porque esas páginas casi nunca están escritas por una máquina, y los modelos han aprendido a desconfiar de lo que sí lo está. Según un estudio de Pew Research Center publicado el 20 de agosto de 2026, una de cada diez páginas web en inglés con dominio .com muestra ya señales de haber sido escrita con Inteligencia Artificial, frente al 4,6% en dominios .org y en torno al 1% en dominios .edu o .gob. Esa diferencia no es casualidad: es la razón por la que, cuando alguien pregunta a ChatGPT, Gemini o Perplexity por un tema, la respuesta suele apoyarse en una fuente institucional antes que en la web de un profesional que lleva años trabajando en ese mismo campo.
¿Qué dice exactamente el estudio de Pew Research Center sobre el contenido escrito con Inteligencia Artificial?
El informe, titulado «How Much of the Internet Is Written With AI?» y publicado el 20 de agosto de 2026 en pewresearch.org, analizó una muestra amplia de páginas web en inglés y buscó patrones de escritura asociados a la generación automática de texto. La conclusión central es que el fenómeno no se reparte igual según el tipo de dominio.
Los dominios comerciales, los .com, son los que más contenido generado con Inteligencia Artificial muestran, con una de cada diez páginas. Los .org bajan a menos de la mitad, un 4,6%. Y los dominios institucionales, .edu y .gob, se quedan en torno al 1%, diez veces menos que los comerciales.
Ese dato no dice que las universidades o los organismos oficiales sean mejores escribiendo. Dice que tienen procesos de publicación más lentos, más revisión humana y menos presión por producir volumen, y eso deja una huella que los modelos de Inteligencia Artificial detectan.
¿Por qué el volumen de contenido con Inteligencia Artificial hace que los modelos desconfíen de un dominio entero?
Un modelo de lenguaje no evalúa cada página de forma aislada. Aprende patrones sobre el dominio completo: si en un .com el texto tiende a repetir estructuras, frases genéricas y errores típicos de la generación automática, el modelo empieza a tratar ese dominio como una fuente de menor fiabilidad, aunque una página concreta esté bien escrita.
Los .edu y los .gob no tienen ese problema porque, según el mismo estudio, casi no han adoptado la escritura automática. Eso los convierte, a ojos de un sistema entrenado para evitar citar información dudosa, en la opción segura.
¿Qué significa esto si trabajas por tu cuenta y tu web es un .com como cualquier otra?
Significa que partes con una desventaja estructural que no tiene que ver con la calidad de tu trabajo. Tu dominio comparte extensión con millones de páginas que sí usan generación automática masiva, y un modelo no puede abrir cada una para comprobar cuál es cuál.
No es una sentencia definitiva. Es un punto de partida que puedes compensar, pero conviene entenderlo antes de intentar arreglar algo que ni siquiera sabías que estaba pesando en tu contra.
¿Estar bien posicionado en Google te protege de desaparecer en las respuestas de la Inteligencia Artificial?
No, y esa es la confusión más costosa entre quienes llevan años invirtiendo en posicionamiento. Aparecer en la primera página de Google responde a un algoritmo distinto, entrenado para otra tarea: ordenar enlaces, no sintetizar una respuesta y elegir a quién citar dentro de ella.
Puedes tener la primera posición para tu palabra clave y no aparecer nunca cuando alguien le hace la misma pregunta a ChatGPT o a Perplexity. Son dos sistemas que miden cosas distintas, y el segundo es cada vez más el que decide a quién conoce alguien que busca ayuda profesional.
¿Cómo decide un modelo de Inteligencia Artificial qué fuente citar primero?
Los sistemas actuales combinan varias señales: la reputación acumulada del dominio, la consistencia de la información a lo largo del tiempo, la presencia de datos verificables y, cada vez más, si el propio contenido parece redactado por una persona con criterio o por un proceso automatizado a gran escala.
Una universidad acumula décadas de publicaciones firmadas, revisadas y enlazadas por otras instituciones. Un organismo oficial publica datos que otros verifican y citan. Esa red de confianza cruzada es exactamente lo que le falta a una web nueva, por bien escrita que esté.
¿Puede un profesional independiente asociarse a fuentes de más confianza sin trabajar para una institución?
Sí, y es la palanca más realista que tiene alguien que trabaja solo. No se trata de conseguir un cargo académico, se trata de aparecer citado, mencionado o enlazado desde webs que ya tienen esa confianza acumulada: medios, asociaciones profesionales, estudios sectoriales, universidades con las que colabores puntualmente.
Cada mención de ese tipo funciona como un aval. No sustituye tu propia web, pero le añade una señal externa que un dominio .edu no necesita porque ya la tiene incorporada.
¿Qué papel juegan las publicaciones citables en esta ecuación?
Un artículo con un dato propio, una cifra verificable y una fuente clara es mucho más citable que una página de servicios genérica. Los modelos de Inteligencia Artificial priorizan contenido que puedan extraer como respuesta directa a una pregunta, no contenido que solo describa lo que ofreces.
Si publicas un estudio propio, una encuesta a tus clientes o un análisis con cifras de tu sector, con fecha y fuente, estás creando el tipo de material que un modelo puede citar textualmente. Es exactamente el mismo mecanismo por el que escribir con criterio propio en lugar de generar texto en masa termina pesando más que el volumen.
¿Qué datos verificables en tu propia web ayudan a que la Inteligencia Artificial confíe en ti?
Años de experiencia con fecha de inicio, número de casos gestionados, formación con institución y año, menciones en prensa con enlace y fecha. Todo lo que pueda comprobarse cruzando fuentes suma, porque es exactamente lo contrario de lo que hace un texto generado en serie sin verificación.
La coherencia entre lo que dices en tu web, en tus redes y en cualquier perfil profesional también cuenta. Un modelo detecta contradicciones entre fuentes sobre la misma persona, y una contradicción resta confianza aunque cada dato por separado sea correcto.
¿Qué error cometen muchos profesionales al copiar el tono de una web institucional?
Algunos intentan resolver esto imitando el tono frío y genérico de una web institucional, pensando que así ganarán la misma confianza. El resultado suele ser el contrario: pierden la voz propia que los hacía reconocibles y terminan pareciéndose todavía más a las miles de páginas comerciales que ya generan desconfianza por su uniformidad.
Lo que funciona no es sonar como una universidad, es aportar el mismo tipo de rigor que una universidad aporta: datos con fecha, afirmaciones que se pueden verificar, y una fuente detrás de cada cifra que uses en tu propia web.
¿Qué pasa si tu nombre se confunde con el de otra persona en un dominio parecido?
El problema de los dominios .com se agrava cuando, además de competir con contenido generado en serie, tu nombre se parece al de otro profesional con una web igual de genérica. Un modelo que ya desconfía del dominio tiene todavía menos motivos para distinguir entre dos personas con un perfil similar y ningún dato que las diferencie con claridad.
Cuantos más datos verificables asocies a tu nombre completo, con fechas y fuentes, más fácil le resulta a la Inteligencia Artificial separarte de cualquier homónimo y confirmar que la información que está citando corresponde exactamente a ti.
¿Qué puedes hacer esta semana para dejar de depender solo del posicionamiento en buscadores?
Revisa qué responde ChatGPT, Gemini y Perplexity cuando les preguntas por tu profesión y tu ciudad, y compáralo con lo que responden sobre ti directamente. Si la respuesta genérica cita fuentes institucionales y la respuesta sobre ti no cita nada, ya sabes por dónde empezar.
Localiza dos o tres fuentes con autoridad real en tu sector, medios, asociaciones, estudios universitarios, y busca una forma legítima de aparecer mencionado en ellas. No hace falta un plan de comunicación completo, hace falta una mención verificable con fecha.
Preguntar directamente a los modelos, con tu nombre completo y tu actividad, y anotar la respuesta literal con la fecha en que la obtuviste. Es un ejercicio simple que casi nadie hace de forma sistemática, y por eso casi nadie sabe si su visibilidad ante la Inteligencia Artificial mejora o empeora con el tiempo.
Esa es exactamente la pregunta que resuelve medir con datos reales lo que antes se dejaba a la intuición: sin una medición periódica, es imposible saber si estás ganando o perdiendo terreno frente a la competencia que sí aparece citada.
Nadie te va a avisar el día que dejes de aparecer en las respuestas de la Inteligencia Artificial. Simplemente vas a dejar de recibir las llamadas que antes llegaban solas, y vas a tardar meses en entender por qué.
Si quieres saber exactamente qué dicen ChatGPT, Gemini y Perplexity sobre ti ahora mismo, y qué fuentes están pesando más que tu propia web, pide tu diagnóstico de visibilidad ante la Inteligencia Artificial con RADAR.
Sobre el autor
Javier G. Amblar lleva 27 años formando profesionales, más de 33.000 en 55 países. Fue profesor asociado del IE Business School, donde recibió el Premio a la Excelencia Docente, y ha intervenido en RTVE, Telemadrid, Onda Cero y EsRadio, y hoy acompaña a una comunidad en línea de más de 500.000 personas. Dirige RADAR, el servicio que mide qué dice la Inteligencia Artificial sobre un profesional o un negocio y qué se puede hacer si lo que dice no le beneficia. Conoce RADAR.
