Lo que la IA dice de ti ahora mismo: auditoría de marca en 30 minutos
Millones de personas deciden comprar (o no) según lo que ChatGPT, Perplexity y Gemini dicen de tu marca, y tú nunca leíste esa respuesta. Esta lección te da el guion para auditar eso en media hora: preguntarle a la IA qué dice de tu marca y de tu categoría, capturar las alucinaciones, y clasificar cada una por gravedad (presencia, posicionamiento, sentimiento, brechas). Un precio equivocado se vuelve una venta perdida, una acusación falsa se vuelve una demanda. Y conviertes esa auditoría en un ritual recurrente, el moat RESPONDER.
Un cliente en potencia abre ChatGPT y escribe: "¿vale la pena contratar a [tu empresa]? Dame los pros y los contras." Tú no estás en la sala. No ves la pregunta, no ves la respuesta. Y la IA responde con la mayor naturalidad del mundo: cita un precio que ya no manejas, inventa un "punto débil" que nunca fue verdad, y al final sugiere un competidor. El cliente lee, asiente, y desaparece. Tú nunca supiste que esa conversación existió, ni que perdiste esa venta dentro de ella. La auditoría de esta lección es que finalmente te sientes en la silla de ese cliente y leas, con tus propios ojos, lo que la máquina anda diciendo de ti.
Alguien busca "¿es confiable [tu consultoría]? ¿Tuvo algún problema con clientes?" en Perplexity. La IA, queriendo ser útil, junta retazos de internet y responde con un número de "multa" que nunca existió y una demanda que era de otra empresa de nombre parecido. En finanzas, esto no es un detalle: es tu reputación de quien cuida el dinero de otros siendo descrita mal, con confianza, ante alguien que iba a contratarte. La auditoría atrapa esto antes de que se vuelva la primera impresión de cada prospecto.
Un cliente busca "¿cuál es el mejor bufete para una causa laboral en mi ciudad?" y Gemini lista tres nombres. El tuyo no está. Peor: cuando pregunta específicamente por ti, la IA describe el bufete como "enfocado en derecho inmobiliario", que no es tu especialidad. Un posicionamiento equivocado aleja justo al cliente correcto. Y si la IA inventa una acusación (un caso que perdiste, una sanción que no existe), eso ya no es marketing, es difamación. La auditoría te muestra las dos cosas en la misma captura.
Le preguntas a ChatGPT "¿cuáles son las mejores agencias de performance para e-commerce?" y la tuya no aparece. Entonces preguntas directo por tu agencia, y la IA responde que ustedes "están más enfocados en branding", cuando tu fuerte es justamente performance. Presencia cero en una pregunta, posicionamiento cambiado en la otra. Cada una de estas respuestas está siendo leída ahora mismo, por gente decidiendo a quién enviarle el brief. La auditoría es tu forma de leer junto con ellos.
Un buen candidato, de esos que de verdad querías atraer, busca "¿cómo es trabajar en [tu empresa]?" en ChatGPT antes de responder a tu vacante. La IA junta pedazos de internet y responde con un clima que no es el tuyo: cita una "alta rotación" que no existe y un proceso de selección "lento y confuso" que ya arreglaste hace tiempo. El candidato lee, se encoge de hombros, y ni siquiera aplica. Tú nunca supiste que perdiste ese talento en una conversación que ocurrió lejos de tu radar. La auditoría de esta lección es que te sientes en la silla del candidato y leas, con tus ojos, lo que la máquina anda diciendo de tu marca empleadora.
Alguien evaluando herramientas le pregunta a Perplexity "¿cuál es el mejor producto para gestión de roadmap?" y el tuyo no aparece en la lista. Entonces pregunta directo por tu producto, y la IA describe una función central de tu PRD como "todavía en beta", cuando lleva meses en producción, y clava un precio de un plan que ya ni vendes. Presencia cero en una pregunta, dato equivocado en la otra, y cada una siendo leída por quien está decidiendo la compra ahora mismo. La auditoría es que tú leas esa respuesta a propósito, antes de que tu próximo usuario la lea primero.
Un lead que entraría fácil a tu pipeline le pregunta a Gemini "¿vale la pena comprarle a [tu empresa]? Pros y contras." antes siquiera de aceptar tu propuesta. La IA responde con naturalidad: inventa un "punto débil" en el posventa que nunca fue una queja real y sugiere un competidor al final. El lead lee, se enfría, y tu vendedor nunca entiende por qué la negociación murió antes de empezar. No hay CRM que registre esa conversación, porque ocurrió fuera de él. La auditoría de esta lección es que finalmente leas lo que la máquina le dice a quien todavía ni ha entrado a tu forecast.
Un posible cliente busca "¿[tu transportadora] cumple los plazos? ¿Tiene problemas de SLA?" en ChatGPT antes de firmar contrato. La IA, queriendo ayudar, mezcla retazos y responde con un índice de atraso que nunca fue el tuyo y un "historial de extravíos" que era de otra empresa de nombre parecido. En operaciones esto no es un detalle: es tu reputación de quien entrega a tiempo siendo descrita mal, con confianza, ante alguien que iba a contratarte. La auditoría atrapa esto antes de que se vuelva la primera impresión de cada prospecto.
Alguien busca "¿es confiable [tu empresa] con los datos? ¿Ya tuvo problemas de LGPD?" en Perplexity. La IA, juntando lo que encuentra en internet, responde con una "multa del regulador" que nunca existió y una "filtración" que era de otra compañía. Aquí esto no es marketing, es riesgo: tu reputación de quien toma en serio los controles siendo manchada por una acusación inventada, leída por quien iba a confiarte sus datos. La auditoría te muestra esto, y el rojo lo capturas con fecha, para tener prueba si algún día la necesitas.
Un equipo evaluando vendors le pregunta a Gemini "¿cuál es la mejor plataforma de deploy para equipos pequeños?" y la tuya no aparece. Entonces pregunta directo por la tuya, y la IA describe tu arquitectura como "cerrada y difícil de integrar", cuando naciste API-first, e inventa un "incidente de seguridad" que nunca pasó. Un posicionamiento cambiado aleja al equipo correcto, y la acusación falsa de incidente ya es otro nivel de daño. La auditoría te muestra las dos cosas en la misma captura, antes de que un arquitecto la lea y te saque de la shortlist.
Un posible cliente busca "¿es fácil de usar [tu plataforma]?" en ChatGPT antes de pedir una demo. La IA responde que tu flujo de registro es "confuso y lleno de pasos", basada en una versión antigua que rediseñaste hace meses, y ni menciona el trabajo de accesibilidad que se volvió tu diferencial. El usuario lee, imagina un mal recorrido, y desiste sin nunca probar el prototipo de verdad. La auditoría de esta lección es que te sientes en la silla de ese usuario y leas lo que la máquina dice de tu experiencia, antes de que él la lea primero.
Un inversionista en due diligence le pregunta al ChatGPT "¿esta empresa ya tuvo algún problema con un inversionista anterior? ¿Vale la pena entrar a esta ronda?" antes de la primera reunión contigo. La IA, juntando retazos de internet, inventa una "salida turbulenta" de un socio que nunca existió y cita una ronda anterior con un valuation que no es el tuyo. En el comité de inversión esto no es un detalle: es tu credibilidad estratégica siendo descrita mal, con total confianza, para quien está decidiendo si apuesta por ti. La auditoría detecta esto antes de que se convierta en la primera impresión de cada inversionista.
Bueno, déjame empezar esto con una pregunta que suele darte ese escalofrío que no es del todo malo. ¿Cuándo fue la última vez que le preguntaste a un ChatGPT, a un Perplexity, a un Gemini, qué dicen de tu marca? Piensa conmigo: hoy hay gente decidiendo comprarte (o desistir de ti) dentro de una conversación con la IA que tú nunca leíste. Gastas una fortuna cuidando lo que muestra Google, lo que muestra Instagram, y existe este canal nuevo, gigante, hablando de ti todo el día, y nunca abriste la puerta para escuchar. Esta lección arregla eso en media hora.
La idea central de esta lección. La IA se volvió un canal de descubrimiento de tu marca, igual que Google se volvió en los años 2000. La gente le pregunta "¿vale la pena?", "¿quién es el mejor?", "¿esta empresa es confiable?", y ella responde con una confianza absoluta, mezclando lo que es verdad con lo que inventó. La auditoría de marca es que te sientes a leer esa respuesta, a propósito, con un guion. Preguntas por tu marca y por tu categoría en los tres motores principales, capturas lo que salga (incluidas las alucinaciones), y clasificas cada hallazgo en cuatro ejes: presencia (¿aparezco?), posicionamiento (¿aparezco como qué?), sentimiento (¿hablan bien o mal?) y brechas (¿qué falta o está mal?). Y el truco: esto no es una captura de una sola vez, es un ritual que repites. Más adelante en la ruta llamamos a esto el moat RESPONDER. La regla para grabarte en la cabeza: lo que la IA no sabe decir de ti, lo inventa, y lo que inventa, alguien lo lee como verdad.
01Por qué esto dejó de ser opcional
Vamos a llamar las cosas por su nombre. Hay un dato que circula bastante en el mercado, de un análisis de Lily Ray sobre Google AI Overviews: en preguntas de categoría del tipo "¿cuál es el mejor X?", cerca del 69% de las respuestas con listicle terminan recomendando a un competidor, y no a la marca de referencia. No porque el competidor sea mejor. Muchas veces es solo porque aparece más veces, en más lugares, y la IA aprendió a citarlo. Puedes estar perdiendo la recomendación sin siquiera haber entrado a la disputa.
Y está el otro lado, el que de verdad asusta. La IA no se queda callada cuando no sabe. Rellena el hueco. Si no tiene un dato seguro sobre tu precio, adivina uno. Si no conoce bien tu posicionamiento, inventa uno. En el marketing común, un texto superficial pasa desapercibido. Aquí no: un precio equivocado en boca de la IA se vuelve una venta que murió antes de empezar, y una acusación falsa (un "esta empresa tuvo problemas con x") se vuelve, en el límite, una demanda. Ya hubo un caso real (Walters v. OpenAI) de alguien demandando a una empresa de IA porque el modelo inventó una acusación difamatoria, con nombre y todo. OpenAI incluso ganó por decisión sumaria, pero la demanda, el costo y el desgaste fueron reales. Cuando lo equivocado es sobre tu marca, el daño es tuyo primero.
Para el tablero. Tú no controlas lo que la IA dice de ti. Pero puedes (y necesitas) al menos LEER lo que dice, antes de que tu cliente lo lea primero. Quien nunca auditó está manejando con los ojos cerrados en un canal que ya decide ventas.
La buena noticia es que leer esto es barato y rápido. No necesita herramienta cara ni ingeniero. Necesita media hora, un guion, y la disposición de encarar lo que aparezca. ¿Listo?
02El guion: las preguntas que le haces a la máquina
La auditoría tiene dos familias de preguntas, y corres las dos en cada motor (ChatGPT, Perplexity y Gemini, como mínimo). Hazlo en un chat limpio, sin sesión iniciada que ya te conozca y sesgue la respuesta, para ver lo que vería un desconocido.
Familia 1, preguntas de categoría (ni siquiera mencionas tu nombre). Aquí descubres si existes en la cabeza de la IA cuando el cliente todavía ni te conoce:
- "¿Cuáles son las mejores empresas de [tu categoría] para [tu tipo de cliente]?"
- "¿A quién recomendarías para [el problema que resuelves]?"
- "Estoy eligiendo entre opciones de [categoría]. ¿Cuáles debería considerar?"
Familia 2, preguntas directas (clavas tu nombre). Aquí descubres cómo te describe la IA cuando alguien ya escuchó de ti:
- "¿Qué sabes de [tu marca]?"
- "¿Vale la pena contratar/comprar a [tu marca]? Pros y contras."
- "¿[Tu marca] es confiable? ¿Tuvo algún problema?"
- "¿Cuánto cuesta [tu marca]?" (esta es la que más agarra precio inventado)
- "Compara a [tu marca] con [un competidor]."
La diferencia importa. La familia 1 mide presencia: si no apareces cuando el cliente ni te conoce, estás fuera del juego del descubrimiento. La familia 2 mide todo lo demás: cómo te describen, si hablan bien, y dónde mienten. Allá en la lección de evals (la 5.3, y su prima G.6 de la ruta del Guardián) viste la idea de tener un conjunto fijo de preguntas que corres siempre, de la misma forma, para comparar. Esto es exactamente eso, aplicado a tu marca: una pequeña biblioteca de prompts que se vuelve tu termómetro recurrente.
03Los cuatro ejes: cómo clasificar lo que aparezca
Capturar la respuesta es la mitad del trabajo. La otra mitad es leer con método, para no quedarte solo con "ah, hablaron más o menos bien". Metes cada hallazgo en uno de cuatro ejes. Piénsalos como cuatro lentes, y mira la misma respuesta a través de cada una.
- Presencia. ¿Apareciste? En las preguntas de categoría, ¿surgió tu nombre, o solo los competidores? En el mercado incluso existe un nombre para convertir esto en un número, le llaman Share of Model: de cuántas respuestas de tu categoría participa tu marca. No necesitas el nombre bonito, necesitas la cuenta: de diez preguntas de categoría, ¿en cuántas aparecí?
- Posicionamiento. ¿Apareciste como qué? ¿La IA te describió haciendo lo que de verdad haces, para el cliente que de verdad quieres? ¿O te metió en el cajón equivocado ("enfocado en branding" cuando eres performance)? Un posicionamiento cambiado aleja al cliente correcto con toda la educación del mundo.
- Sentimiento. ¿El tono fue a favor, neutral o en contra? "Una opción sólida y confiable" es distinto a "una opción entre tantas" que es distinto a "tuvo algunas quejas". El sentimiento es la inclinación de la respuesta, y empuja la decisión.
- Brechas. ¿Qué faltó o qué está mal? Aquí viven las dos cosas más peligrosas: el dato equivocado (precio, plazo, oferta, una función que ni siquiera tienes) y la acusación falsa (un problema, una sanción, una queja inventada). La brecha no es solo lo que falta; es, sobre todo, lo que la IA rellenó con invención.
Fíjate que estas cuatro lentes no pesan lo mismo. Presencia y posicionamiento son un juego de marketing, mejoras con el tiempo. Las brechas, en especial la acusación falsa, son un juego de riesgo, y hacia allá apunta la gravedad. Vamos a ella.
04La escala de gravedad: qué es cosmético y qué se vuelve demanda
Aquí está lo que separa esta auditoría de una simple curiosidad. Cada hallazgo que capturaste gana una nota de gravedad, porque tu tiempo es corto y no todo merece acción hoy. Yo uso tres niveles, y la lógica es simple: entre más cerca de una venta perdida o de una demanda, más grave.
- Verde, cosmético. La IA te describió de una forma menos brillante de lo que te gustaría, pero nada falso. "Una opción entre varias." Molesto, no urgente. Entra en la fila de mejorar presencia y posicionamiento, con calma.
- Amarillo, venta perdida. La IA se equivocó en algo que aleja al cliente: un precio desactualizado, un plazo equivocado, una función que tienes y ella dice que no, o simplemente te desapareció de las recomendaciones de categoría. Aquí estás perdiendo dinero de forma invisible. Prioridad real.
- Rojo, riesgo legal o reputacional. La IA inventó una acusación, una sanción, una queja, una demanda, algo que no es verdad y que mancha tu nombre. Esto no es marketing, es daño. Ya hubo quien fuera a la justicia (el caso Walters v. OpenAI) por una frase difamatoria que un modelo escupió sobre una persona; la empresa ganó, pero el desgaste y el costo ocurrieron. El rojo exige acción inmediata, y a veces exige documentar (capturar con fecha) para tener prueba.
Para el tablero. La pregunta que clasifica la gravedad no es "¿esto me incomoda?". Es: "si un cliente lee exactamente esto, ¿qué pasa?". Si la respuesta es "desiste de comprar", es amarillo. Si es "puede contarles a otros que soy problemático", es rojo.
Y aquí vale la costura honesta con lo que ya viste en la ruta del Guardián. Allá en la lección de prompt injection (la G.2) y en la de auditoría (la G.3) aprendiste que a la IA la pueden empujar a decir cosas por contenido plantado por terceros, y que revisar el output no es desconfianza, es higiene. Esta auditoría es la versión de marca de aquello: estás auditando lo que dice el modelo, sabiendo que parte viene de fuentes que no controlas. No puedes impedir que la IA hable. Sí puedes saber qué dice, y actuar en lo que es grave.
05De susto único a ritual: el moat RESPONDER
Ahora el giro que convierte la lección en ventaja. Si haces esta auditoría una vez, te llevas un susto y lo olvidas. El valor de verdad está en convertirla en un ritual recurrente. Las respuestas de la IA cambian: el modelo se actualiza, entra una noticia nueva, un competidor publica algo, y de repente lo que estaba verde se vuelve rojo. Auditar una vez es tomar una foto; auditar siempre es tener un termómetro.
El mecanismo es el mismo de la biblioteca de prompts que viste en evals: fijas tu conjunto de preguntas (las dos familias de la sección 02), y corres ese conjunto en una cadencia (semanal si tu marca es movida y expuesta, mensual si es más tranquila). Guardas cada ronda con fecha. Entonces no ves solo el estado de hoy, ves el movimiento: ¿mi presencia subió o bajó? ¿aquel precio equivocado se corrigió? ¿apareció una acusación nueva? Es la diferencia entre saber que está lloviendo y tener el pronóstico del clima.
En nuestra ruta, este hábito tiene nombre: es el moat RESPONDER. Moat es el foso, la zanja que protege el castillo, lo que te da una ventaja que el competidor no copia fácil. Mientras tu competidor nunca leyó lo que la IA dice de él, tú lo lees cada semana, corriges lo que es grave, y siempre vas un paso adelante de esa conversación invisible. No es una tarea más; es un sistema que vigila tu nombre mientras tú manejas el resto del negocio. ¿Listo?
Hazlo ahora
Tu misión es correr la auditoría de marca completa y salir con UN artefacto: tu Planilla de Auditoría de Marca por IA, primera ronda con fecha. Media hora, con reloj.
PASO 1 · ARMA LA PLANILLA (5 min) Abre una planilla simple con estas columnas: MOTOR (ChatGPT/Perplexity/Gemini) | PREGUNTA | LO QUE RESPONDIÓ LA IA (pega el fragmento) | EJE (presencia/posición/sentimiento/brecha) | GRAVEDAD (verde/amarillo/rojo) | ACCIÓN.
PASO 2 · CORRE LAS PREGUNTAS DE CATEGORÍA (8 min) En chat limpio, sin sesión que te conozca, en los tres motores, pregunta sin mencionar tu nombre:
- "¿Cuáles son las mejores [tu categoría] para [tu cliente]?"
- "¿A quién recomendarías para [el problema que resuelves]?"
Anota: ¿apareciste? ¿en qué posición? ¿qué competidores salieron primero?
PASO 3 · CORRE LAS PREGUNTAS DIRECTAS (10 min) En los tres motores, ahora clavando tu nombre:
- "¿Qué sabes de [tu marca]?"
- "¿Vale la pena comprar/contratar a [tu marca]? Pros y contras."
- "¿Cuánto cuesta [tu marca]?"
- "¿[Tu marca] es confiable? ¿Tuvo algún problema?"
Pega cada respuesta. Caza especialmente: precio equivocado, función que tienes y ella niega, y cualquier acusación o problema que mencione.
PASO 4 · CLASIFICA (5 min) Para cada fila, marca el EJE y la GRAVEDAD. Recuerda la pregunta clave: "si un cliente lee esto, ¿qué pasa?". Desiste de comprar = amarillo. Puede manchar mi nombre = rojo. Captura los rojos con fecha, para tener prueba.
PASO 5 · AGENDA LA PRÓXIMA (2 min) Al final, escribe arriba de la planilla: "Próxima ronda: [fecha]". Semanal si tu marca está expuesta, mensual si es tranquila. Eso es lo que convierte el susto en ritual, el moat RESPONDER.
Pregunta de cierre: mirando tu planilla, ¿cuál es el HALLAZGO MÁS ROJO? Si existe uno, acaba de convertirse en tu tarea más urgente de marketing de la semana, y solo lo descubriste porque te sentaste a leer. Quien no auditó, no sabe que existe.
De dónde viene "Share of Model" y por qué te importa el jerga GEO
El lenguaje que usa el mercado para esto tiene nombre técnico, y vale la pena reconocerlo para no caer en un discurso de vendedor. Cuando hablan de medir tu PRESENCIA en la IA, el término de moda es Share of Model (SoM): el porcentaje de respuestas de tu categoría en las que la IA cita o recomienda tu marca. Se señala como el KPI que reemplaza al viejo "share of voice" de la publicidad, ahora que el descubrimiento migra de Google a la IA. La disciplina entera de lograr que la IA te cite se llama GEO (Generative Engine Optimization), y el resumen que repite el mercado es honesto: "el SEO hace que te den clic, el GEO hace que te citen". Hay herramientas pagas que automatizan esta auditoría (Semrush, Profound, Brandlight y otras), corriendo cientos de prompts por ti y armando un índice de visibilidad. No corras a contratar nada de eso todavía. Lo que esas herramientas hacen a escala, tú lo haces a mano en media hora, y haciéndolo a mano aprendes a LEER, que es la parte que ninguna herramienta hace por ti. Reconoce el jerga cuando aparezca en una propuesta, y exige que entregue exactamente los cuatro ejes de esta lección: presencia, posicionamiento, sentimiento y brechas.
Practica
1. Corres la auditoría y ChatGPT responde que tu empresa cobra un valor que no manejas hace un año, y el cliente probablemente se irá pensando que es caro. ¿En qué gravedad entra esto?
2. ¿Cuál es la diferencia entre una pregunta de categoría y una pregunta directa en la auditoría, y qué mide cada una?
3. ¿Por qué hacer la auditoría una sola vez es débil, y qué la convierte en el moat RESPONDER?
Cerremos juntos el mensaje. Existe una conversación ocurriendo ahora mismo, sobre ti, dentro de ChatGPT, de Perplexity y de Gemini, y hasta esta lección tú nunca habías leído ni una línea de ella. La auditoría de marca es simplemente que te sientes en la silla del cliente y leas: corres las preguntas de categoría para medir si apareces, corres las directas para ver cómo te describen, clasificas cada hallazgo en los cuatro ejes (presencia, posicionamiento, sentimiento, brechas) y marcas la gravedad con la pregunta correcta, "si el cliente lee esto, ¿compra, desiste o desconfía?". El precio equivocado que te hace perder una venta es amarillo; la acusación falsa que mancha tu nombre es rojo, y a veces la capturas con fecha para tener prueba. Y lo que separa a quien se lleva un susto único de quien gana una ventaja de verdad es el ritual: preguntas fijas, corridas siempre, con fecha, el moat RESPONDER. Mientras tu competidor sigue con los ojos cerrados, tú lees cada semana lo que la máquina anda diciendo, y corriges antes de que se vuelva venta perdida o demanda. Lo que la IA no sabe decir de ti, lo inventa. A partir de hoy, tú eres el primero en leerlo.
Gracias por el feedback. Esto ayuda a afinar la próxima lección.