Briefing · Investigación
La mayoría de los locales nunca apareció en la IA. Esto es lo que se asoció con aparecer.
Un estudio censó 4.776 cafeterías, restaurantes y bares en dos zonas de Bali y preguntó a cuatro sistemas de IA dónde comer y beber. Al menos el 85,6 % nunca recibió una recomendación de ninguno de ellos. Aparecer, salir primero y tener datos correctos resultaron ser problemas distintos.
Publicado Actualizado
Por qué podrías no aparecer
Una respuesta breve puede ocultar cuatro problemas distintos
Imagina a un visitante a dos calles que pregunta a un asistente de IA dónde comer. Menciona cuatro sitios. Si el tuyo no está, nada te avisa: ni un clic perdido ni una queja. Y una respuesta no puede decirte cuál de estas cosas falló.
Buscar información
¿Buscó primero?
Algunas respuestas se escriben después de buscar en la web en tiempo real; otras solo con lo que la IA ya sabía, que puede estar desactualizado.
Aparecer
¿Te mencionó?
La respuesta tiene espacio para unos pocos nombres. La mayoría de los sitios no está entre ellos.
Salir primero
¿En qué posición apareciste?
¿Primero o cuarto? En este estudio, cada posición se asoció con cosas distintas.
Ser correcto
¿Tus datos seguían siendo ciertos?
Horarios, dirección, precios y si sigues abierto. Los datos antiguos también viajan.
Una respuesta es una sola muestra: un sistema, una pregunta, un lugar, un idioma y un momento.
Bali, un estudio
La mayoría de los locales nunca apareció
Una prepublicación —un artículo aún sin revisión por pares— censó todas las cafeterías, restaurantes y bares de las áreas de Canggu y Ubud, y preguntó a ChatGPT, Claude, Gemini y Perplexity dónde comer y beber allí.
Porcentaje de locales que ninguno de los cuatro sistemas de IA recomendó nunca
Los 4.776 localesal menos el 85,6 %
Locales con 50 valoraciones o más72,6 %
Incluso entre los locales con 50 valoraciones o más, casi tres de cada cuatro nunca aparecieron.
Por qué estas cifras no se trasladan a tu ciudad
Describen estos locales de estas dos zonas, con preguntas en inglés y versiones de los cuatro sistemas que buscan en la web al responder, disponibles para desarrolladores, no las aplicaciones de consumidores. No son una referencia para otra ciudad, idioma, tipo de negocio o aplicación.
Dos pasos distintos
Aparecer y salir primero se asociaron con cosas diferentes
En este estudio, los lugares mencionados y los que salían primero destacaban por razones distintas.
Aparecer se asoció con
- Tener web propia
- Más reseñas
- Un precio publicado
- Menciones en otros lugares de la web
- No con la puntuación por estrellas: no mostró relación en este paso
Salir primero se asoció con
- Una puntuación por estrellas más alta, entre los lugares ya mencionados
- Más reseñas, que seguían siendo relevantes aquí
Son asociaciones, no causas. Ninguna demuestra que cambiar un detalle consiga una recomendación.
Las cifras detrás de esta comparación
El estudio comunica razones de momios de un modelo ajustado. Para aparecer: volumen de reseñas 1,64, web propia 1,92, precio publicado 1,54, menciones en otras webs 1,44 y valoración 0,89, que el autor interpreta como ausencia de asociación. Entre los lugares mencionados, la valoración se asoció con la primera posición con una razón de 1,17.
Una razón de momios superior a 1 significa mayores posibilidades relativas dentro de ese modelo. No es un aumento en puntos porcentuales ni prueba de causalidad.
Datos incorrectos
Los lugares desactualizados aparecieron más a menudo que los inventados
En 12.439 menciones válidas de locales, el estudio comprobó cuáles eran reales y seguían abiertos.
Prepublicación de Norly, una semana de respuestas
93
recomendaciones de lugares cerrados definitivamente
Correspondían a 14 locales confirmados como cerrados permanentemente.
Prepublicación de Norly, una semana de respuestas
10
menciones de un nombre aún considerado probablemente inventado
Es el 0,08 % de las 12.439 menciones válidas, tras la comprobación.
Mantén correctos los horarios, dirección, precios y cierres porque los clientes dependen de ellos. Este estudio no demuestra que hacerlo te consiga menciones o atraiga a alguien.
Hasta dónde llegan estos recuentos
Ambos son pequeños y proceden de un período de siete días. Compararlos no clasifica el daño. El estudio registró lo que dijeron los sistemas, no lo que hizo alguien después, así que no puede mostrar lo que cuesta cada error a un negocio.
Un segundo estudio, Estados Unidos
Sin búsqueda web, dos modelos de IA inventaron la mayoría de sus recomendaciones de médicos y asesores
Otra prepublicación contrastó las recomendaciones de IA sobre médicos, centros asistenciales y asesores financieros en las 100 mayores ciudades de EE. UU. con registros públicos oficiales de proveedores, con y sin búsqueda web en directo.
Sin búsqueda web
- Solo el 4 % de los médicos recomendados por un modelo y el 11 % por el otro coincidían con un profesional real en la ciudad consultada.
- Las firmas de asesoramiento recomendadas tenían antecedentes de conducta indebida a una tasa 3,6 veces superior a la habitual del registro, incluso ajustando por tamaño de la firma.
- Las recomendaciones reales se concentraban en las ciudades más grandes.
Con búsqueda web
- El 64–71 % de las recomendaciones en los mismos ámbitos coincidía con un proveedor real registrado.
- Las firmas de asesoramiento recomendadas tenían antecedentes de conducta indebida por debajo de la tasa habitual del registro.
- Las tasas de coincidencia eran similares en las ciudades mayores y menores dentro de las 100 más grandes de EE. UU.
Que el asistente busque depende de la ejecución, no de tu negocio. Anótalo cada vez que compruebes.
Detalles y límites del segundo estudio
Se compararon tres configuraciones: un modelo de pesos abiertos, que cualquiera puede descargar y ejecutar; un modelo propietario sin búsqueda web; y el mismo modelo propietario con búsqueda. Los registros eran los de profesionales y centros de Medicare y las declaraciones de asesores de la SEC. Las escasas coincidencias del modelo de pesos abiertos parecían casualidades de nombres: los profesionales coincidentes no tenían más probabilidades de ser médicos de atención primaria que nombres elegidos al azar.
Los restaurantes, medidos por separado en la misma auditoría, mostraron una ventaja de entre tres y cinco veces en número de reseñas, pero de como máximo una décima de estrella en valoración.
Es una prepublicación, abarca solo Estados Unidos y no identifica el modelo propietario probado. Compara configuraciones, no demuestra causalidad.
Repite la pregunta
Haz la misma pregunta dos veces y la lista cambia
El estudio de Bali repitió las mismas preguntas a cada sistema. En promedio, solo coincidía parte de los nombres mencionados en las respuestas repetidas.
Nombres comunes a dos respuestas de la misma pregunta, sobre el total de nombres que dio cualquiera de las dos
Claude, el menos constante22 %
Gemini, el más constante45 %
Una respuesta es una instantánea. Comprueba más de una vez y con más de un sistema antes de sacar conclusiones.
Cómo se realizó el estudio
La recopilación principal prerregistrada abarcó 2.208 ejecuciones durante siete días, con 96 preguntas en inglés, cada una formulada desde un tipo de visitante concreto. Perplexity se ejecutó 10 veces por pregunta; ChatGPT y Gemini, 5; Claude, 3, con un límite de dos búsquedas por ejecución para Claude.
El estudio mide esta coincidencia como similitud de Jaccard media, de 0,22 para Claude a 0,45 para Gemini. Tras las correcciones, el 91,5 % de las ejecuciones superó la validación estricta y la correspondencia entre nombres de las respuestas y locales reales tuvo una precisión aproximada del 98–99 %. Entre distintos sistemas, la coincidencia de los 20 locales principales osciló entre el 33 % y el 54 %. Una repetición dos semanas después cambió aproximadamente tanto como las repeticiones de la semana original, lo que el autor atribuye a variación aleatoria entre ejecuciones y no a cambios con el tiempo.
Norly financió y realizó el estudio y vende herramientas de gestión de reseñas y visibilidad en IA a negocios de hostelería. El autor lo declara y describe medidas para aislar el trabajo; no hacen desaparecer el conflicto.
Qué hacer
Seis hábitos para comprobar tu situación
Comprueba cada paso por separado
Examina por separado la búsqueda, la aparición, la posición y los datos correctos. Una puntuación combinada oculta qué cambió.
Anota cómo lo comprobaste
Sistema, aplicación o versión, si buscó, pregunta, idioma, lugar y fecha, además de la respuesta y el orden de los nombres.
Pregunta más de una vez
Usa varias ejecuciones, formulaciones y sistemas. Trata un puñado de respuestas como una instantánea, no como un veredicto.
Mantén actualizados tus datos públicos
Los clientes usan tus horarios, dirección, precios y cierres. Mantenlos correctos por eso, no como truco de posicionamiento.
Revisa tus registros oficiales
Una entrada ausente, obsoleta o duplicada en un registro oficial es un problema distinto de no aparecer y puedes corregirlo tú mismo.
Mide clientes en otro lugar
Aparecer en una respuesta no es una visita ni una venta. Cuéntalas en tus reservas y tu caja.
Sigue leyendo
Briefings relacionados y próximos pasos
Tres briefings relacionados y por dónde empezar con tu negocio.
- Tu negocio apareció en una respuesta de IA. ¿Entró alguien por la puerta?Una mención es un hecho y un cliente es otro. Cuenta visitas, reservas y ventas en tus sistemas.Leer el briefing
- Cualquiera puede proponer un cambio en tu ficha de Google. Asegúrate de que prevalezcan tus datos correctos.Google añadió nuevas protecciones para cambios de Business Profile en abril de 2026. Mantén precisos los datos que publicas y vigila las modificaciones.Leer la señal
- Google dice que está lanzando su búsqueda con IA en Francia. Eso no significa que muestre tu negocio.Elegibilidad, aparición, cita, recomendación y acción del cliente son estados distintos. Comprueba cada uno.Leer la señal
- Comprueba tu presencia en IADescubre qué dicen hoy las respuestas de IA sobre tu negocio.Ver la comprobación
- Infraestructura para comerciosLos datos y compromisos del negocio en los que se apoyan los agentes de IA, mantenidos correctos en su origen.Ver cómo funciona
Fuentes
De dónde procede esta información
Dos prepublicaciones, artículos aún sin revisión por pares. Norly financió el estudio de Bali y vende herramientas de la misma categoría que Obenan, así que lee con cuidado tanto sus hallazgos como nuestro resumen. Obenan no tiene acuerdos, integración, piloto ni acceso especial con los autores, Norly, arXiv, ChatGPT, Claude, Gemini, Perplexity o sus proveedores, ni cuenta con el respaldo de ninguna de esas personas o entidades.
- arXiv abstract and submission record
arXiv Presentado Comprobado
El registro de presentación del estudio de Bali.
- Full arXiv HTML paper
arXiv Presentado Comprobado
Métodos, prerregistro, resultados, validación, límites, financiación y declaración de intereses. Consultado de nuevo el 2 de septiembre de 2026.
- Understanding AI Provider Recommendations in Local Service Markets
arXiv, Hazem Ibrahim and Yasir Zaki Presentado Comprobado
La auditoría de registros de EE. UU. que compara respuestas con y sin búsqueda web.