La consultora Seer Interactive publicó en 2026 el «GEO Olympics Study», un análisis de más de 231.000 respuestas de siete plataformas de Inteligencia Artificial recogidas durante 52 días. Su conclusión, entre las cinco hipótesis que pusieron a prueba, fue siempre la misma: los modelos recomiendan a quien ya tiene una arquitectura de señales construida, presencia en Wikipedia, cobertura de prensa y conversación de terceros sobre esa marca o esa persona, no necesariamente a quien ofrece el mejor servicio.
¿Qué encontró exactamente el estudio de Seer Interactive?
De todas las variables analizadas, las visitas a Wikipedia de los siete días previos fueron el predictor más fuerte de si un modelo de Inteligencia Artificial mencionaba o recomendaba una marca, con una correlación de 0,810. Fue un indicador más fiable que los seguidores en redes sociales o el alcance social acumulado durante todo el mes.
¿Por qué eso favorece a las marcas grandes frente a los profesionales independientes?
Porque una marca grande ya tiene, de partida, ficha en Wikipedia, cobertura de medios y menciones de terceros acumuladas durante años. Un profesional independiente casi nunca tiene nada de eso. No es que el modelo decida activamente ignorarlo, es que el modelo recomienda lo que encuentra bien documentado en fuentes que ya considera fiables, y esas fuentes rara vez hablan de alguien que trabaja solo.
¿Es esto un sesgo nuevo o ya se conocía en la investigación sobre estos modelos?
El sesgo hacia lo ya conocido y lo ya indexado es un tema activo de investigación académica. Trabajos como el de Xu, Potka y Thomo, publicado en 2025 sobre sesgo de género y raza en recomendaciones de productos de consumo hechas por modelos de lenguaje, documentan que estos sistemas reproducen y amplifican patrones de la información con la que fueron entrenados, en vez de evaluar cada caso de forma neutral.
¿Significa esto que un profesional pequeño no tiene ninguna opción?
No es lo que dice el estudio. Lo que dice es que el terreno de juego todavía es reciente, y que la barra para construir esa arquitectura de señales, presencia verificable, menciones de terceros, contenido propio con autoridad, no es tan alta como parece, precisamente porque casi nadie en su sector la ha construido todavía.
¿Qué puede hacer alguien que trabaja por su cuenta frente a esto?
Lo primero es saber dónde está de partida: qué dice hoy la Inteligencia Artificial de él, comparado con lo que dice de sus competidores más grandes. Sin ese punto de referencia, cualquier esfuerzo por mejorar su presencia se hace a ciegas.
¿Qué puedes hacer tú con esto?
Si nunca has comparado qué dice un modelo de Inteligencia Artificial de ti frente a lo que dice de una marca grande de tu sector, no sabes en qué punto de esa carrera estás compitiendo.
Descubre con RADAR cómo te posiciona hoy la Inteligencia Artificial
Sobre el autor
Javier G. Amblar es consultor estratégico con 27 años de experiencia y más de 33.000 profesionales formados en 55 países. Exprofesor asociado del IE Business School, dirige un canal de YouTube con más de 368.000 suscriptores y una comunidad en línea de más de 500.000 personas. Ha colaborado con RTVE, Telemadrid, Onda Cero y EsRadio. Creó RADAR para que sepas qué dice de ti la Inteligencia Artificial.
