Antes de ir a la feria de su sector, esta profesional con veinte años de trayectoria le preguntó a una Inteligencia Artificial quién era la referencia en su especialidad y su zona, y en la respuesta salieron tres nombres, ninguno el propio. Fue una comprobación de curiosidad, hecha en cinco minutos desde el móvil, y cambió la forma en que entendía su presencia digital.
La pregunta que se hizo por curiosidad
Faltaban dos días para el congreso del sector y, mientras revisaba el programa de ponentes, se le ocurrió abrir ChatGPT y escribir una pregunta sencilla: quién era una referencia en su especialidad dentro de su zona. No buscaba nada concreto, quería ver cómo respondía la máquina antes de encontrarse con colegas y clientes potenciales en los pasillos del evento.
La respuesta llegó en segundos, con tres nombres y una breve descripción de cada uno. Los tres eran conocidos del sector, dos de ellos con menos años de experiencia que ella. Su nombre no apareció ni en la lista ni en ningún punto posterior de la conversación, aunque insistió con una segunda pregunta pidiendo más opciones.
Veinte años no bastan si no están donde se pregunta
Veinte años de trayectoria suelen traducirse en una cartera de clientes sólida, en recomendaciones de boca en boca y en una reputación construida despacio, sesión a sesión, proyecto a proyecto. Ese tipo de reputación se sostiene muy bien en el trato directo y muy mal en una conversación entre un desconocido y un modelo de lenguaje.
La Inteligencia Artificial no conoce la trayectoria de nadie por experiencia propia. Conoce lo que está escrito, estructurado y disponible en la web al momento de responder, y construye su respuesta a partir de esa base, no de méritos reales que nunca se documentaron en ningún sitio accesible.
Si esos veinte años de trabajo no dejaron un rastro digital claro, con textos propios, casos descritos y una presencia consistente en los lugares donde el modelo busca, esa trayectoria simplemente no entra en el cálculo cuando alguien pregunta quién es la referencia del sector.
Una prueba fácil de repetir
Lo interesante de esta comprobación es lo accesible que resulta. No hace falta ninguna herramienta especializada ni conocimiento técnico: basta con abrir cualquier asistente de Inteligencia Artificial (ChatGPT, Gemini o Perplexity sirven igual) y preguntar quién es una referencia en una especialidad y una zona concretas.
La respuesta suele incluir entre tres y cinco nombres, casi siempre acompañados de una breve justificación: años de experiencia, especialización concreta, presencia en medios o publicaciones. Esa justificación es la pista más valiosa, porque revela exactamente qué está leyendo el modelo para decidir quién aparece.
Repetir esta prueba antes de una feria, un congreso o cualquier encuentro profesional relevante permite anticipar con quién va a comparar la audiencia a cada asistente, incluso antes de que se crucen en un pasillo. Es una forma barata de saber, con antelación, si se va a llegar a esa cita ya descartado sin haberlo sabido.
Por qué esto no es vanidad, es información de mercado
Preocuparse por qué dice una Inteligencia Artificial sobre uno mismo puede sonar, a primera vista, a una cuestión de ego. No lo es. Cada vez son más las personas que, antes de contratar a un profesional o acudir a una feria con intención de buscar proveedores, hacen exactamente esta misma pregunta a un asistente de Inteligencia Artificial.
Eso convierte la respuesta del modelo en un filtro previo real, silencioso, que decide quién entra en la conversación antes de que exista conversación. No es un dato simbólico, es un dato de mercado: quién queda dentro de la lista corta y quién queda fuera antes del primer contacto humano.
Este fenómeno ya se ha descrito antes en este mismo espacio, en relación con cómo un asistente configurado hace tiempo puede llevar meses diciendo cosas que nadie ha revisado: configuraste un asistente de Inteligencia Artificial hace un año, y nunca has vuelto a comprobar qué dice en tu nombre. La ausencia total en una respuesta es la versión más silenciosa del mismo problema.
Lo que sí tenían los tres nombres que salieron
Cuando esta profesional revisó con calma quiénes eran los tres nombres que aparecieron en la respuesta, encontró un patrón claro: los tres tenían contenido propio publicado con regularidad, entrevistas o artículos citándolos como expertos, y una descripción clara y repetida de su especialidad en varios lugares de la web.
Ninguno de los tres era, en su opinión profesional, mejor técnicamente que ella. Pero los tres habían dejado, a lo largo de los años, un rastro de texto estructurado y verificable que un modelo de lenguaje puede leer, entender y citar con confianza.
La diferencia no estaba en la calidad del trabajo con los clientes, estaba en la calidad de la información pública sobre ese trabajo. Es una distinción incómoda, porque separa el mérito real del mérito visible, y solo el segundo cuenta cuando quien pregunta es una máquina.
El congreso como espejo del problema
Llegar a un congreso del sector sabiendo que, en teoría, cualquier asistente que haya hecho esa misma pregunta antes de entrar ya tiene tres referencias en la cabeza, y ninguna es la propia, cambia la forma de vivir ese evento. Ya no es solo networking, es competir contra una lista invisible que ya se redactó antes de llegar.
Esta situación tiene un paralelismo directo con lo que ya se documentó sobre cómo la reputación construida en un idioma o formato concreto puede desplazar a una experiencia mayor pero menos visible: un profesional con dos años de oficio puede parecer con más autoridad que otro con mucha más trayectoria, simplemente porque publica de forma más visible. La antigüedad real y la autoridad percibida por una máquina no siempre coinciden.
El congreso, en este caso, funcionó como un espejo incómodo: puso delante de esta profesional una pregunta que llevaba veinte años sin hacerse porque nunca había hecho falta, hasta que una máquina empezó a responderla por defecto para cualquiera que la formulase.
Qué cambia después de hacer esta comprobación
Una vez que se sabe que la ausencia es real y medible, la reacción razonable no es intentar aparecer en todas partes de golpe. Es entender qué información concreta le falta al sistema para poder citar ese nombre con la misma confianza con la que citó a los otros tres.
Eso implica, casi siempre, publicar de forma consistente contenido propio y verificable, con casos reales, cifras concretas y una descripción clara y repetida de la especialidad, en los lugares donde un modelo de lenguaje efectivamente busca información al construir una respuesta.
No es una tarea de un día, y tampoco depende de asistir a más ferias o dar más tarjetas de visita. Depende de dejar, por fin, el mismo tipo de rastro digital que ya dejaron, sin proponérselo del todo, los tres nombres que aparecieron en esa respuesta.
Cómo comprobarlo antes del próximo evento
La misma pregunta que hizo esta profesional se puede repetir en cualquier momento, y conviene hacerlo antes de cualquier feria, congreso o presentación donde vaya a coincidir con clientes potenciales que probablemente ya han hecho esa consulta por su cuenta. Vale la pena leer también usar la Inteligencia Artificial para escribir: hacer trampa o ser más inteligente, porque la respuesta a esa pregunta tiene mucho que ver con por qué esos tres nombres sí publican y otros no.
Repetir esta comprobación de forma puntual, sin embargo, solo da una fotografía de un momento concreto. RADAR, la herramienta de Javier G. Amblar, hace ese seguimiento de manera continua, para que la próxima vez que alguien pregunte quién es la referencia del sector, la respuesta ya no dependa de la suerte.
Con RADAR puedes comprobar qué dice hoy la Inteligencia Artificial de tu nombre en tu sector, antes de que lo compruebe otra persona por ti.
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.
Buena parte de las personas que llegan a Javier G. Amblar cuentan una versión distinta de la misma historia: años de trabajo sólido que, al preguntarle a una Inteligencia Artificial, simplemente no aparecen reflejados en ningún lado.
Por eso desarrolló RADAR, un sistema que revisa qué está diciendo (o dejando de decir) la Inteligencia Artificial sobre una marca personal o un negocio, y detecta a tiempo las ausencias antes de que se conviertan en oportunidades perdidas frente a clientes que ya buscan así.
Conoce RADAR para saber qué dice hoy la Inteligencia Artificial de tu trayectoria, y conoce Evolution si además quieres convertir esa experiencia acumulada en un negocio con ingresos más estables.
