El hallazgo central del estudio es que la memoria que los modelos tienen de una marca y la información que encuentran en internet no siempre producen la misma respuesta. En el sector automotriz, Toyota mantiene el liderazgo tanto cuando el modelo responde desde su entrenamiento previo como cuando consulta fuentes en la red. En telecomunicaciones, Telcel conserva una posición dominante en ambos escenarios. Pero en retail la brecha es marcada: Amazon aparece en 72% de las respuestas cuando el modelo responde solo desde su memoria interna, y su visibilidad cae a 16% cuando ChatGPT puede consultar internet en tiempo real, momento en que Suburbia pasa a ocupar el primer lugar general de la categoría.
Francisco Vigo, director ejecutivo y cofundador de geoSurge, explicó en entrevista con el medio que difundió el análisis que los modelos no abordan una consulta sobre marcas mexicanas como una investigación abierta. "Los modelos no tratan una pregunta sobre bancos mexicanos (u otros servicios) como una investigación abierta: llegan con una lista corta ya armada en la cabeza", sostuvo. Según el ejecutivo, cuando el sistema consulta la web suele buscar precisamente algunas de las marcas que ya estaban en esa lista previa.
Los datos respaldan ese patrón. De acuerdo con el estudio, entre 79% y 87% de las búsquedas realizadas por los modelos que mencionaban una marca incluían alguna que ya figuraba en su Top 10 de memoria para esa industria; en telecomunicaciones, la proporción superó 97%. Además, cuando una marca aparecía en la búsqueda generada por el propio modelo, terminaba en la respuesta final 89.6% de las veces en ChatGPT y 96.9% en Gemini. Se configura así un efecto de arrastre: si la IA ya conoce una marca, tiene más probabilidades de buscar información sobre ella y, después, de volver a recomendarla, mientras las marcas ausentes de esa memoria quedan fuera del circuito.
Vigo resumió el fenómeno con una frase: "El que es nombrado, compite. El que no, no existe". La afirmación apunta a un desplazamiento en la forma en que los consumidores descubren productos. Durante casi dos décadas, las empresas invirtieron en aparecer en los primeros lugares de Google mediante la optimización para motores de búsqueda. El estudio sugiere que ese esfuerzo debe extenderse ahora hacia lograr que los sistemas de inteligencia artificial conozcan, entiendan y mencionen una marca cuando alguien pide una recomendación.
El comercio electrónico como nueva puerta de entrada
La oportunidad ya se refleja en el comercio electrónico. Datos de la plataforma Tiendanube citados en el análisis indican que el tráfico procedente de asistentes y herramientas de inteligencia artificial hacia tiendas de moda aumentó 396% en un año, señal de que estos sistemas empiezan a funcionar como una puerta de entrada para descubrir productos, en lugar de que el consumidor recorra un buscador y abra múltiples páginas. El fenómeno se apoya, además, en el crecimiento del uso de estos asistentes: un análisis reciente de OpenAI citado en el estudio señala que, fuera del trabajo, "preguntar" —buscar información, orientación o aclaraciones— continúa siendo uno de los usos más frecuentes de la herramienta.
La medición del impacto económico, sin embargo, tropieza con un problema de atribución. Según Vigo, un consumidor puede pasar horas conversando con ChatGPT, decidir qué producto o servicio quiere y luego entrar directamente al sitio de la empresa, sin que exista un enlace que permita atribuir esa venta a la IA. Esa opacidad impide a las marcas cuantificar con precisión cuántas de sus operaciones se originan en recomendaciones automatizadas, lo que dificulta justificar inversiones específicas en esta nueva disciplina.
El reto es todavía mayor para las pequeñas y medianas empresas, según se desprende del análisis. Al carecer de los recursos de mercadotecnia y del historial de menciones en medios y reseñas que acumulan las marcas grandes, estas compañías cuentan con menos material indexado que los modelos puedan haber incorporado en su entrenamiento, lo que reduce sus posibilidades de aparecer en las respuestas incluso cuando ofrecen productos competitivos.
El precedente inmediato es la propia irrupción de los buscadores en México a finales de los años noventa y principios de los dos mil, cuando las empresas nacionales tuvieron que rediseñar sus estrategias de comunicación para posicionarse en Google y otros motores. La diferencia que introduce la inteligencia artificial generativa es de escala: donde un buscador devolvía páginas enteras de resultados entre los que el usuario elegía, un asistente conversacional entrega una lista de tres o cuatro nombres, lo que estrecha el espacio de competencia y eleva el costo de quedar excluido.
En el plano de la transparencia, ni Google, empresa detrás de Gemini, ni OpenAI, desarrolladora de ChatGPT, han fijado una postura pública específica sobre los hallazgos de este estudio. Tampoco se ha confirmado si estas compañías introducirán mecanismos que expliquen cómo sus modelos seleccionan o priorizan marcas al generar recomendaciones a los usuarios en español, una cuestión que gana relevancia a medida que estos sistemas se consolidan como intermediarios en decisiones de consumo cotidianas.