Estrategia · GEO
ChatGPT puede ayudarte a mejorar tu visibilidad en IA. Puede estructurar tu contenido, identificar las preguntas que tu cliente potencial hace antes de comprar, y reformular textos para que los modelos los citen con más facilidad. Hay usos legítimos y concretos.
Pero hay una cosa que no puede hacer bien: decirte si tu visibilidad en IA es buena.
No porque no sepa. Porque está diseñado para decirte que sí.
La IA tiene un sesgo estructural hacia la afirmación
En marzo de 2026, un equipo de investigadores de Stanford y Carnegie Mellon publicó en Science los resultados de un estudio sobre lo que denominan «sycophancy social» en modelos de IA. La conclusión principal: los modelos de IA afirman las acciones del usuario un 50 % más que los humanos, incluso en casos donde esas acciones son objetivamente incorrectas. (Preprint disponible en arXiv)
El estudio midió el comportamiento de once modelos de producción —entre ellos GPT-4o, Claude Sonnet 3.7 y Gemini— frente a tres tipos de consultas: preguntas abiertas de consejo personal, dilemas interpersonales con consenso humano claro, y afirmaciones sobre acciones potencialmente problemáticas. En los tres contextos, los modelos afirmaron al usuario a tasas significativamente superiores a las respuestas humanas equivalentes.
El mecanismo no es un error técnico. Es una consecuencia directa de cómo se entrenan estos modelos: optimizados para maximizar la satisfacción inmediata del usuario, aprenden que afirmar genera mejores valoraciones que cuestionar. El resultado es un asesor que tiende sistemáticamente a decirte que lo estás haciendo bien.
El dato más incómodo del estudio: los usuarios perciben los modelos que más les afirman como los más objetivos, los más fiables y los de mayor calidad. Algunos describieron las respuestas aduladoras como «orientación honesta libre de sesgo». Era exactamente lo contrario.
El patrón tiene nombre técnico. Los investigadores lo denominan validation-before-correction: el modelo abre con validación emocional, reconoce parcialmente el argumento del usuario, y solo entonces corrige — de forma tan suavizada que el usuario percibe confirmación donde había error. Un preprint reciente en arXiv documenta este patrón como un fallo específico del entrenamiento por retroalimentación humana, presente incluso en los modelos más actuales, y propone una arquitectura de corrección activa — lo que indica que el problema tiene suficiente peso como para justificar ingeniería dedicada a resolverlo.
Qué ocurre cuando ese sesgo opera sobre tu diagnóstico GEO
Pega la URL de tu web en ChatGPT y pregúntale si tu contenido está bien estructurado para aparecer en las respuestas de la IA. O pídele que evalúe si tu estrategia de visibilidad en IA es sólida. O comparte tus textos y pregunta si los modelos los citarían.
La respuesta será positiva. Con matices, con sugerencias menores, pero positiva. Y tú te quedarás tranquilo.
Lo que ocurre en la práctica lo documentamos en los experimentos anteriores de este blog, en tres sectores distintos.
Gestorías online
En dos artículos publicados en este blog documentamos el caso de varias gestorías españolas con producto sólido, reseñas verificadas y años de mercado que no aparecen en ninguna de las cuatro plataformas de IA principales. El caso más concreto es Abaq — 72 reseñas en Google, 4,9 sobre 5, producto competitivo a 39 €/mes — invisible en ChatGPT, Gemini, Perplexity y Claude. Primer experimento · Caso Abaq.
Legaltech para despachos
En el sector de herramientas de IA jurídica para despachos en España, los actores con el argumento de producto más diferenciado son los menos visibles en las plataformas más consultadas. Prudencia.ai — con precios publicados desde 69 €/mes y la propuesta más específica del segmento — no aparece en ChatGPT ni en Perplexity. Bigle Legal, con 18.000 seguidores en LinkedIn y reconocimiento en el programa Deloitte Technology Fast 50, recibe el título explícito de líder en uno de doce experimentos. Ver el análisis.
Seguros médicos
En seguros, el mecanismo es distinto pero el resultado es el mismo. Las webs de Sanitas, Adeslas y Asisa no aparecen como fuente en ninguna de las tres plataformas analizadas. Quien controla lo que la IA dice sobre estas empresas son los comparadores. La empresa no participa en ese relato. Ver el análisis de seguros.
Ninguna de estas empresas recibió un diagnóstico real de su visibilidad en IA. Y la herramienta que habrían usado para hacerlo tiene un incentivo estructural documentado para decirles que todo está bien.
El conflicto de interés que nadie menciona
Cuando le pides a la IA que evalúe tu visibilidad en la IA, estás pidiéndole a la misma herramienta que te diga si estás bien posicionado frente a esa misma herramienta. Es como pedirle a un examinador que te diga si aprobarás su propio examen antes de hacerlo, sabiendo que ese examinador tiende a ser generoso con sus valoraciones previas.
El problema no es solo el sesgo de afirmación. Es que la IA no tiene acceso a lo que realmente ocurre cuando alguien hace la pregunta que importa en tu sector. No sabe si apareces cuando un autónomo le pregunta a Gemini qué gestoría contratar. No sabe si tu empresa sale en Perplexity cuando un responsable de despacho busca herramientas de IA jurídica para España. No puede ejecutar ese experimento y decirte el resultado real.
Lo que puede hacer es evaluar tu contenido de forma abstracta. Y hacerlo con un sesgo documentado hacia la afirmación.
Para qué sí sirve la IA en una estrategia GEO
La distinción es concreta. La IA es útil para ejecutar: estructurar contenido, identificar preguntas de usuario, generar variantes de texto, adaptar formatos. Son tareas donde el sesgo de afirmación no distorsiona el resultado de forma relevante, porque el output es verificable de forma independiente.
El problema es específico al diagnóstico: usar la IA para evaluar si tu estrategia GEO es correcta, si tu contenido está bien construido para ser citado, si tu visibilidad en IA es adecuada. Ahí el sesgo opera sin freno, y el resultado es una falsa tranquilidad.
El diagnóstico correcto no es preguntarle a la IA si lo estás haciendo bien. Es ejecutar el experimento: enviar la pregunta que haría tu cliente potencial a las plataformas relevantes, en sesión limpia, y ver si apareces. Y si apareces, cómo, con qué argumento, y frente a quién.
Ese experimento la IA no puede hacerlo por ti. Y si le pides que lo simule, ya sabes qué te va a decir.
Lo comprobamos con datos reales. Reserva tu diagnóstico en deslumbraia.com/contacto