Escribes tu nombre de tres formas distintas y para una Inteligencia Artificial eres tres desconocidos pequeños
Si tu web firma como Javier G. Amblar, tu directorio de colegio profesional dice Javier García Amblar y una nota de prensa antigua te dejó como J. Amblar, un modelo de Inteligencia Artificial no da por hecho que las tres firmas pertenecen a la misma persona. Las procesa como fragmentos sueltos, cada uno con menos peso propio, en lugar de sumarlas en una sola autoridad reconocible. No es una rareza técnica, es lo que pasa cuando una máquina intenta construir una entidad a partir de texto disperso y encuentra que ese texto no coincide consigo mismo.
Esto no tiene nada que ver con que exista otro profesional que se llame igual que tú. Ese problema, el del homónimo, es real y distinto, y ya se ha hablado de él en otro lugar. Este es más silencioso: eres tú mismo, con tu propio nombre, escrito de formas distintas en sitios distintos, sin que nadie lo haya decidido así de forma consciente.
Por qué los apellidos compuestos multiplican el problema
En español es normal llevar dos apellidos, y ahí empieza la fragmentación. Un profesional que se apellida García Amblar puede aparecer como García Amblar completo en su título oficial, como G. Amblar en su firma de artículos, como Amblar a secas en una mención de prensa que le acortó el nombre por espacio, y como Garcia Amblar sin tilde en un formulario que no admitía caracteres especiales. Cuatro versiones, un solo profesional.
Cada una de esas versiones, vista de forma aislada por un sistema que lee texto a gran escala, es una entidad más débil que la suma de todas juntas. La Inteligencia Artificial no tiene forma automática de saber que García Amblar, G. Amblar y Amblar son la misma persona salvo que encuentre señales adicionales que lo confirmen, y esas señales no siempre están donde hacen falta.
Cómo decide una Inteligencia Artificial que dos menciones hablan de la misma persona
Un modelo no tiene una ficha tuya guardada en un cajón. Construye una idea de quién eres cada vez que junta fragmentos de texto que parecen apuntar al mismo lugar: misma profesión, misma ciudad, mismos temas, y también, de forma muy directa, el mismo nombre escrito igual. Cuantas más coincidencias exactas encuentra, más seguro está de que todo habla de una sola persona y no de varias parecidas.
El nombre es la señal más simple de todas, y por eso mismo pesa tanto. Si esa señal falla, el modelo tiene que apoyarse en el resto, y el resto casi nunca es suficiente por sí solo. El resultado no es que te borre, es que te trata con menos seguridad, y esa inseguridad se nota en cómo te cita o en si te cita.
Cuando ni siquiera tú recuerdas todas las versiones que hay de tu nombre
Casi ningún profesional lleva la cuenta de cómo quedó su nombre en cada sitio donde apareció con el paso de los años. Una charla en un congreso de hace tiempo te presentó con el segundo apellido cortado porque no cabía en el cartel. Un evento traducido a otro idioma copió tu nombre sin las tildes porque su sistema no las admitía. Un podcast te presentó solo con el primer apellido porque al invitado le sonaba mejor así. Nada de eso lo decidiste tú, y sin embargo todo eso sigue ahí, indexado, disponible para que un modelo lo lea.
Cuando alguien intenta reconstruir toda tu huella escrita, descubre versiones de sí mismo que había olvidado por completo. Eso es justo lo que una Inteligencia Artificial está leyendo cuando alguien le pregunta por ti.
De dónde saca la Inteligencia Artificial la imagen que tiene de ti
Muck Rack analizó más de 25 millones de enlaces citados por ChatGPT, Claude y Gemini y publicó los resultados en mayo de 2026: el 84% de esas citas procede de medios ganados, es decir, de lo que otros escriben sobre ti, no de tu propia web. Lo recoge la columna de Boris Dzhingarov en Entrepreneur.com del 18 de agosto de 2026, titulada «5 Places AI Learns About Your Brand (Your Website Isn’t One of Them)».
Esto cambia la pregunta que deberías hacerte. No es solo «¿mi web dice bien mi nombre?», sino «¿lo dicen bien los sitios que no controlo directamente?». Directorios de colegios profesionales, fichas de negocio, menciones en prensa, perfiles de eventos donde participaste hace tres años. Cada uno de esos sitios pudo escribir tu nombre a su manera, y tú probablemente nunca los revisaste todos juntos.
La recomendación que casi nadie sigue: mantener el nombre igual en todas partes
El propio artículo de Entrepreneur.com recoge algo que suena obvio y que casi nadie hace: mantener tu nombre exactamente igual en cada sitio donde aparece. No como buena práctica de marketing, sino como condición para que un sistema que lee millones de textos pueda unir los puntos y entender que todos hablan de la misma persona.
El problema es que esa consistencia no depende de un solo formulario que rellenas una vez. Depende de tu web, de tu perfil de LinkedIn, de tu ficha en cada directorio del sector, de cómo te citó cada medio que habló de ti, de cómo te registraste en cada evento al que fuiste ponente. Son decenas de puntos de contacto, escritos en momentos distintos, por personas distintas, sin coordinación entre ellos.
El experimento sencillo que revela el problema
Pon en una misma pantalla tu web, tu perfil profesional más visitado y el directorio de tu colegio o asociación. Compara cómo aparece tu nombre en los tres. Si encuentras diferencias, aunque te parezcan menores, como una inicial en lugar del apellido completo o una tilde que falta, ya tienes la respuesta a por qué una Inteligencia Artificial puede dudar de ti, mencionarte con menos seguridad que a otro profesional con el nombre más uniforme, o directamente omitirte de una lista donde deberías estar.
La duda no se nota como un error visible. Se nota como ausencia. Un modelo que no está seguro de haber unido bien las piezas de tu identidad tiende a no arriesgarse a nombrarte, y prefiere citar a alguien cuya huella es más limpia y más fácil de verificar.
No es lo mismo que te confundan con otro, es que te dividas tú mismo
Cuando existe un homónimo, el problema viene de fuera: otra persona ocupa espacio con tu mismo nombre y hay que diferenciarse de ella. Cuando el problema es la inconsistencia de tu propia firma, la causa está dentro de tu control, lo cual es una buena noticia con matices. Buena, porque puedes corregirlo sin depender de terceros. Con matices, porque corregirlo implica revisar sitios que llevas años sin mirar, algunos de los cuales ni siquiera recuerdas que existen.
Lo que cuesta no darse cuenta a tiempo
El coste no es una caída brusca de tráfico ni una alarma que salta un día concreto. Es más lento y más difícil de detectar: una autoridad que nunca termina de consolidarse del todo, una y otra vez repartida entre tres o cuatro versiones de ti mismo que compiten por el mismo espacio en lugar de sumar. Con el tiempo, un profesional con el nombre siempre igual en todas partes acumula una señal más limpia que tú, aunque tenga menos años de trayectoria real.
Esto encaja en lo que en RADAR se trabaja como fragmentación de identidad ante la Inteligencia Artificial, no por homonimia sino por inconsistencia propia: no es que te confundan con otro, es que tú mismo, sin darte cuenta, apareces repartido en piezas más pequeñas de lo que eres.
Por qué corregirlo una vez no es suficiente
Este no es un error que se arregla y queda cerrado para siempre. Cada mes aparecen menciones nuevas: un artículo que te cita, un evento en el que participaste, una entrevista que alguien transcribió a su manera. Si nadie vigila cómo queda escrito tu nombre en cada aparición nueva, la inconsistencia que corriges hoy puede volver a crecer dentro de seis meses, sin que te enteres hasta que alguien te pregunte por qué una Inteligencia Artificial te cita distinto según qué le preguntes.
Por eso esto se parece más a vigilar algo con el tiempo que a una tarea de un solo día. No es un problema que se resuelve, es un problema que hay que seguir mirando.
Qué hacer con esto, sin convertirlo en un proyecto eterno
No hace falta reescribir internet. Hace falta saber, con datos y no con intuición, en cuántos sitios distintos aparece tu nombre escrito de forma distinta, y cuáles de esos sitios pesan de verdad en lo que una Inteligencia Artificial dice de ti cuando alguien pregunta por tu especialidad. Sin ese mapa, cualquier corrección es a ciegas, y corregir el sitio equivocado primero es tiempo perdido mientras el que de verdad importa sigue mal escrito.
RADAR mide exactamente eso: cómo te ve hoy una Inteligencia Artificial, con qué nombre te asocia, con qué confianza te cita y dónde se te está partiendo en fragmentos que restan en lugar de sumar. Es el primer paso antes de decidir qué corregir y en qué orden.
Comprueba con qué nombre y con qué confianza te está citando hoy la Inteligencia Artificial
Sobre el autor
Javier G. Amblar lleva 27 años trabajando como consultor estratégico y ha formado a más de 33.000 profesionales en 55 países. Es exprofesor asociado del IE Business School, ha colaborado como analista en RTVE, Telemadrid, Onda Cero y EsRadio, y es 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, donde habla sin rodeos de lo que la Inteligencia Artificial cambia en la vida de quien trabaja por su cuenta.
Entre sus proyectos actuales están RADAR, que mide tu visibilidad y reputación real ante la Inteligencia Artificial, y Evolution, su programa de mentoría personalizada para profesionales con experiencia que quieren ordenar lo que ya saben hacer.
