Percepción y reputación de marca en IA: cómo te describen ChatGPT, Claude, Gemini, Google y Meta AI, y qué hacer cuando se equivocan

La visibilidad mide si la IA te nombra. La percepción mide qué dice cuando te nombra. Se miden por separado porque fallan por separado, y combinadas dan cuatro situaciones muy distintas:

• Visible y bien descrita: la IA te nombra y te describe como querés. Hay que sostenerlo y medir que no se mueva.
• Visible y mal descrita: la IA te nombra, pero con un dato viejo, un defecto exagerado o sin tu diferencial. Es la peor de las cuatro, porque la IA amplifica una historia que no te conviene.
• Invisible y bien descrita cuando te preguntan por nombre: la IA te conoce, pero no te trae cuando la pregunta es por la categoría. Es un problema de visibilidad, que se trabaja con share of voice y contenido.
• Invisible y sin descripción: la IA no tiene material sobre vos. Primero hay que existir.

Para la visibilidad, leé la guía de share of voice en IA. Esta guía trata la percepción: qué se mide, cómo leerlo, qué hacer y qué hacer cuando la IA se equivoca con un dato.

El análisis de sentimiento puntúa el tono con el que cada respuesta habla de tu marca en una escala de 0 a 100. En Refractia las bandas son: 70 o más, positivo; de 40 a 69, mixto; menos de 40, negativo. Un promedio alto es una buena noticia, pero no dice por qué, y dos marcas con el mismo puntaje pueden necesitar acciones opuestas:

Seguros Lince tiene que atacar un dolor puntual, con hechos que la IA pueda repetir. Aseguradora Brisa necesita una historia propia. El puntaje es idéntico; el trabajo, no. Por eso el sentimiento se lee siempre junto a los descriptores, y por motor: un motor de chat puede arrastrar una crítica de hace años que la búsqueda con IA ya no muestra.

Los descriptores son los adjetivos y frases cortas con los que los motores te caracterizan: «confiable», «caro», «pionero», «difícil de contactar». Juntados sobre cientos de respuestas, muestran la imagen de marca que la IA tiene armada, con más detalle que cualquier puntaje.

• Frecuencia: qué palabras se repiten más. Las que aparecen en la mayoría de las respuestas son la imagen central; las que aparecen una vez son ruido.
• Tono: qué descriptores son positivos, negativos o neutros. Un solo negativo muy repetido pesa más que diez positivos sueltos.
• Diversidad de vocabulario: cuántos términos distintos usa la IA para describirte. Pocos términos repetidos indican una imagen consistente; muchos términos dispersos, una imagen difusa en la que cada respuesta dice algo diferente.
• Diferencias por motor: si ChatGPT te llama «tradicional» y Gemini «innovadora», no hay una percepción de la IA sino varias, y conviene saber cuál ve tu cliente.

Toda marca tiene rasgos que quiere que le reconozcan: rápida, cercana, segura, premium. La alineación de rasgos compara esos rasgos deseados con lo que la IA efectivamente dice. La trampa es contar sólo si el rasgo aparece: si «innovadora» figura dos veces entre trescientas menciones, técnicamente está, pero nadie lo percibe.

Por eso la alineación se pondera por prominencia: un rasgo cuenta en proporción a cuánto se repite frente al resto del vocabulario. Una marca que quiere ser «rápida, cercana e innovadora» y recibe «rápida» todo el tiempo, «cercana» de vez en cuando e «innovadora» nunca no está alineada en tres de tres, aunque dos de los tres rasgos «aparezcan».

La comparación con competidores completa la foto. Una matriz de percepción muestra, rasgo por rasgo, si la IA te lo asigna más, igual o menos que a cada rival: victorias, empates y derrotas. A veces el rasgo que querés ser es justo el que la IA le da a otro.

Más allá de palabras sueltas, la IA cuenta una historia sobre tu marca: de dónde viene, para quién es, en qué se destaca y qué se le critica. Esa narrativa se ordena en tres partes que sirven para decidir:

• Fortalezas: lo que la IA dice bien de vos de forma consistente. Es lo que hay que sostener con evidencia fresca.
• Vulnerabilidades: lo negativo que se repite: un problema real, un dato viejo o una comparación desfavorable. Es lo primero que hay que investigar.
• Oportunidades: lo que la IA no dice y podría decir. Rasgos deseados ausentes, temas donde tus competidores aparecen y vos no, usos que nadie te atribuye.

Un ejemplo ficticio: una cadena de gimnasios de Colombia cuya narrativa en IA es «económica y con muchas sedes, pero con equipos viejos y mucha gente en horas pico». La fortaleza es el precio y la cobertura; la vulnerabilidad, la experiencia en sede; la oportunidad, que ninguna respuesta menciona sus clases grupales, que son su apuesta del año.

La IA no tiene una sola percepción de tu marca: responde distinto según quién pregunta y qué pregunta. Un comprador, un inversor y un candidato a empleado hacen preguntas diferentes, y los motores buscan en fuentes diferentes para contestarlas.

Para medirlo, armá un conjunto de preguntas por audiencia y comparalas en los mismos motores. Sumá también preguntas del tipo «¿para quién es…?»: muestran a qué segmento te asocia la IA. Si querés venderle a pymes y la IA te recomienda sólo para grandes empresas, tenés un problema de posicionamiento que ninguna métrica de visibilidad va a mostrar.

La percepción de tu marca en IA se mueve aunque vos no hagas nada: los modelos se actualizan, la web publica notas nuevas y tus competidores cambian su contenido. Esa deriva se detecta comparando escaneos, con una condición: las mismas preguntas, en los mismos motores y en el mismo país. Si cambiás las preguntas, no podés saber si cambió la percepción o cambió la forma de preguntar.

Al comparar, mirá la muestra. Un salto de sentimiento sobre diez respuestas puede ser ruido; el mismo salto sobre trescientas es una señal. Y mirá qué descriptores entraron y cuáles salieron: suele ser la primera pista de qué fuente nueva está leyendo la IA.

Cada hallazgo de percepción tiene un tipo de acción distinto. Antes de producir contenido, identificá cuál es:

• Un dato falso o viejo: hay que encontrar la fuente y corregirla. La sección siguiente explica cómo, paso a paso.
• Una crítica fundada: si la IA dice que tu atención es lenta y lo es, el trabajo es operativo, no de comunicación. El contenido no tapa un problema real.
• Un rasgo deseado ausente: publicá evidencia que lo pruebe, con datos, casos y cobertura de terceros, no adjetivos sobre vos mismo. La IA repite hechos más que promesas.
• Una comparación desfavorable: revisá qué páginas comparativas existen en tu categoría y tu país, y si tu marca figura en ellas con datos actuales.
• Diferencias entre chat y búsqueda: si la búsqueda con IA ya te describe bien y el chat no, el problema es la memoria del modelo; la web ya está corregida y hace falta tiempo y presencia sostenida.

Acá la percepción se vuelve reputación. Un asistente de IA no inventa por gusto: arma su respuesta con lo que tiene a mano, y lo que tiene a mano sale de dos lugares.

• La memoria del modelo. ChatGPT, Claude, Gemini y Meta AI responden en gran parte con lo que aprendieron durante su entrenamiento, que tiene una fecha de corte. Si durante años la web repitió un precio, un gerente general o un producto que ya no existe, el modelo lo aprendió así. Lo que más se repitió pesa más, aunque sea viejo.
• Las páginas que encuentra hoy. Las Visiones generales de Google, y los chats cuando buscan en la web, arman la respuesta con páginas que están posicionadas ahora para esa pregunta: una nota de prensa de hace cinco años, un hilo de un foro, un directorio con la dirección vieja, una comparativa de un competidor.

Cuando falta información, el modelo además completa huecos con lo que le parece probable, y ahí aparecen los errores más raros: sucursales que no existen, servicios que nunca ofreciste, o datos de otra empresa con un nombre parecido.

Errores típicos

• Precios, planes o condiciones de hace años.
• Productos discontinuados presentados como vigentes.
• Directivos, dueños o dirección que ya cambiaron.
• Una controversia vieja presentada como actual.
• Confusión con otra empresa de nombre similar, a veces de otro país.
• Cobertura equivocada: «no opera en México» cuando sí opera, o al revés.

Por qué la reputación online ahora incluye a la IA

La reputación online solía ser lo que aparecía en la primera página de Google y en las reseñas. Ahora incluye lo que responde un asistente cuando alguien pregunta «¿es confiable esta empresa?». ChatGPT solo tiene 900 millones de usuarios por semana, según OpenAI. La diferencia con un resultado de búsqueda es que la respuesta llega redactada, con tono de autoridad y muchas veces sin el enlace que permitiría verificarla. Quien pregunta no ve la nota de 2019 de la que salió el dato: ve una afirmación. Y vos, si no preguntás, no te enterás.

Antes de corregir hay que saber qué corregir. Estos pasos te llevan de la respuesta a la fuente:

1. Reproducí el error con varias formulaciones. «¿Qué opinan de X?», «¿X es confiable?», «problemas con X». Si aparece una sola vez, puede ser azar; si se repite, hay una fuente detrás.
2. Probalo en varios motores y en tu país. Anotá en cuáles aparece. Si el error está en la búsqueda con IA y no en el chat, la fuente es una página que hoy está bien posicionada; si está sólo en el chat, probablemente viene de la memoria del modelo.
3. Seguí los enlaces citados. Las Visiones generales de Google y los chats con búsqueda muestran fuentes. Abrilas: muchas veces el dato falso está ahí, literal.
4. Si no hay cita, buscá la frase. Buscá la afirmación exacta en la web. El dato que el modelo repite suele estar en varias páginas que se copiaron entre sí.
5. Mirá qué dominios cita la IA para tu marca en general. No sólo para esta respuesta: los sitios que los motores usan cuando hablan de vos son los que conviene tener al día.

• Corregí tus propias páginas primero. Quiénes somos, preguntas frecuentes, precios, sucursales, equipo directivo. Que cada dato esté una sola vez, con fecha, y que no queden páginas viejas contradiciendo a las nuevas: redirigilas o actualizalas.
• Actualizá los perfiles de terceros. Perfil de Empresa de Google, directorios del sector, marketplaces, redes profesionales, tiendas de apps y Wikidata. En Wikipedia, si tenés conflicto de interés, las reglas de la comunidad piden proponer los cambios en la página de discusión en lugar de editar el artículo.
• Publicá una página de hechos clara. Una página con los datos centrales de la empresa, frases cortas y verificables, fecha de actualización y la respuesta primero. Si usás datos estructurados de organización, que digan lo mismo que la página visible.
• Pedí la corrección a quien publicó el error. El medio, el directorio o el comparador. Una nota corregida en la fuente original vale más que diez aclaraciones propias.
• Ganá cobertura nueva y verificable. Entrevistas, reseñas, participación en comparativas de tu categoría. La IA cita terceros: si la única fuente reciente sobre vos es la nota vieja, esa es la que va a usar.
• Usá los canales de feedback de los motores. ChatGPT, Gemini y las Visiones generales de Google permiten calificar o reportar una respuesta. Sirve para dejar constancia, pero no promete que la respuesta cambie ni cuándo.
• Si hay difamación o datos personales expuestos, consultá con un abogado. Es un tema legal, no de contenido.

• Ocultar texto para la IA o esconder instrucciones en tus páginas. Los buscadores lo tratan como spam y te puede costar la indexación.
• Publicar decenas de páginas casi iguales repitiendo la aclaración. Google advierte que generar páginas a escala para cada variante de pregunta puede violar sus políticas.
• Comprar reseñas o menciones. Si se descubre, el daño reputacional es mayor que el error original.
• Discutir con el chat. Convencer a ChatGPT en tu conversación no cambia lo que les responde a otros usuarios.
• Intentar borrar críticas legítimas. Presionar para que desaparezca una reseña fundada suele generar más cobertura del problema.

Cuando el error es grave, por ejemplo la IA afirma que tu empresa quebró, que un producto es peligroso o que estás involucrado en una estafa, conviene trabajarlo como una crisis, en este orden:

1. 01

   Registrá la evidencia

   La pregunta exacta, el motor, la fecha, el país y la respuesta completa, con captura. Sin esto no podés medir si mejora ni mostrárselo a nadie.

2. 02

   Medí el alcance

   En cuántos motores aparece y en cuántas de las preguntas relevantes: «3 de 5 motores, 12 de 40 preguntas». No es lo mismo un error en una respuesta que uno en la mitad.

3. 03

   Encontrá la fuente

   Seguí los pasos de cómo encontrar de dónde sale el error. Separá lo que viene de páginas actuales (se corrige más rápido) de lo que viene de la memoria del modelo (lleva más tiempo).

4. 04

   Corregí tu fuente de verdad

   Tu sitio tiene que decir el dato correcto, en una página fácil de encontrar, con fecha. Es lo único que controlás por completo.

5. 05

   Activá a los terceros

   Pedí correcciones a medios y directorios, actualizá perfiles y, si corresponde, publicá un comunicado que la prensa pueda citar.

6. 06

   Reportá en los motores

   Usá los canales de feedback de cada motor con la respuesta registrada. Sin expectativas de plazo.

7. 07

   Volvé a medir con las mismas preguntas

   Después de los cambios, repetí exactamente las mismas preguntas en los mismos motores y en el mismo país. Si cambiás las preguntas, no sabés si mejoró la respuesta o cambió la consulta.

La mayoría de los errores se detectan tarde porque nadie los busca. Tres hábitos reducen el riesgo:

• Incluí preguntas de riesgo en tus mediciones: «¿X es confiable?», «¿X es una estafa?», «quejas de X», «¿X sigue operando en Chile?». Son las que hace alguien antes de comprar o de firmar.
• Fortalecé tu entidad. Un nombre consistente en todas las fuentes, un ítem en Wikidata si corresponde y un panel de conocimiento de Google correcto reducen la confusión con empresas de nombre parecido.
• Mirá las vulnerabilidades, no sólo el promedio. Un sentimiento general bueno puede esconder una crítica muy repetida en un tema puntual. Por eso la narrativa y los descriptores importan más que el puntaje.

El módulo Percepción de IA muestra, para cada motor, el sentimiento de 0 a 100, los descriptores que usa, la alineación de rasgos ponderada por prominencia, la diversidad de vocabulario, un radar de posicionamiento y una matriz de percepción frente a tus competidores con victorias, empates y derrotas por rasgo. La narrativa se presenta en Fortalezas, Vulnerabilidades y Oportunidades. Los rasgos deseados salen de Identidad & ADN, el perfil de marca que Refractia arma leyendo tu sitio.

Evolución muestra cómo cambia el sentimiento de tu marca y de cada competidor entre escaneos, y la Biblioteca de Prompts guarda cada pregunta con la respuesta de cada motor, para leer la fuente de cualquier número, o un error textual y en qué motores aparece. Fuentes de Influencia muestra qué dominios citan los motores cuando hablan de tu marca, separando tu sitio de los medios y terceros, y si esas fuentes te mencionan o te enlazan. Identidad & ADN muestra señales de fortaleza de entidad, como si existe un ítem en Wikidata y si el panel de conocimiento de Google coincide con tu marca.

Para personas (líderes, candidatos, directivos) el producto cambia al modo de figuras públicas, con Reputación IA, Rendimiento por Eje, Presencia vs. Oponentes y War Room. Medimos ChatGPT, Claude, Gemini, las Visiones generales de Google y Meta AI. Un límite importante: cada escaneo lo inicia una persona. Refractia es un diagnóstico profundo, no una alarma que vigila las respuestas todo el día.