Con los buscadores la situación es cómoda. Hay herramientas que muestran para qué términos aparece una web, en qué posición, cuántos clics recibe. Se puede discutir la exactitud, pero hay cifras.
Con los modelos de lenguaje casi no hay nada de eso. Cuando alguien le pregunta a ChatGPT por una escuela náutica en Mallorca, quien lleva la web no ve nada. Ninguna visita en el registro, ningún aviso, nada. La respuesta se forma, la persona la lee, y si una web concreta apareció en ella no lo sabe nadie salvo esa persona.
Es un problema real, porque justo hacia ahí se está desplazando una parte de la búsqueda.
El único método honesto es preguntar#
No se puede medir lo que no se ve. Así que se pregunta uno mismo.
La herramienta les plantea a los modelos exactamente las preguntas que haría un cliente. No "¿conoces esta empresa?", porque a eso un modelo casi siempre responde con amabilidad. Sino la pregunta abierta que alguien escribiría de verdad: qué proveedor para esta cosa en esta zona.
Después se evalúa lo que dice la respuesta. Si la web aparece. En qué lugar. Quién está al lado. Y con qué descripción, porque ser nombrado con una descripción equivocada es peor que no ser nombrado.
Eso es una muestra, no un censo, y así se declara exactamente. Quien afirme otra cosa vende una precisión que no existe.
La segunda mitad: ¿Se puede leer la web siquiera?#
La segunda parte de la herramienta no mira hacia fuera sino a la web misma.
Si una máquina puede asimilar el contenido. Si los horarios, precios y ofertas están marcados como datos estructurados o están puestos como texto corrido. Si hay una versión en texto plano para modelos de lenguaje. Si las versiones de idioma están bien separadas. Si la web bloquea sin querer los rastreadores de los proveedores de IA.
Esta parte es la más ingrata y la más importante. Una web puede tener contenidos excelentes: si un modelo no la puede leer limpiamente, en ese mundo no existe.
Y es la parte en la que sí se puede influir. Que un modelo nombre a alguien lo decide el modelo. Que las condiciones estén bien lo decides tú.
Lo que expresamente no prometemos#
Ya hay un mercado de promesas en esta dirección. Mención garantizada en respuestas de IA, primer puesto en ChatGPT, optimización para un modelo concreto.
Eso no es serio, por una razón sencilla: nadie fuera de esas empresas sabe cómo se produce la selección, y cambia con cada versión de modelo. Quien garantiza una mención garantiza algo que no controla.
Lo que se puede decir con honestidad es: nos aseguramos de que todo lo legible sea fácil de leer, medimos con regularidad y enseñamos la curva. Eso es menos que una promesa y más de lo que entrega la mayoría.
Por qué esto tiene que ser una herramienta#
Hecha a mano, una medición así tiene dos inconvenientes, ambos caros. Cuesta tiempo cada vez, así que se hace demasiado poco. Y no es comparable, porque las preguntas están formuladas algo distinto en cada ronda. Una comparación a lo largo del tiempo necesita preguntas idénticas, si no estás midiendo tu propia formulación.
Así que una herramienta: mismas preguntas, rejilla fija, histórico. Corre para nuestra web, para webs de clientes y se puede contratar.
El caso que nadie espera#
La posibilidad más incómoda no es "no aparece" sino "aparece, pero mal": el modelo nombra un negocio pero lo clasifica en el sector equivocado, cita un servicio que ya no existe o lo confunde con otro de nombre parecido.
Esa es la buena noticia con mal envoltorio. Que te nombren mal es más fácil de reparar que no aparecer. En ambos casos el camino es el mismo: conseguir que la respuesta inequívoca y estructurada sea más fácil de encontrar que la suposición mala.
