Estrategia · GEO

El sistema que te cita no fue diseñado para enviarte tráfico

Hay una objeción contra invertir en visibilidad en IA que suena definitiva hasta que la miras de cerca. Va así: los motores generativos apenas envían un 1% del tráfico de referencia, así que por qué reasignar presupuesto a un canal que no mueve la aguja. La cifra es real. La conclusión que se extrae de ella es un error de medición, y vale la pena entender exactamente por qué.

Quien lo argumenta con más precisión es Duane Forrester —exresponsable en Microsoft, donde lanzó Bing Webmaster Tools y participó en la creación de Schema.org—, en un ensayo publicado en mayo de 2026. Su tesis no es que el 1% vaya a crecer. Es que la pregunta del 1% está mal formulada desde la primera palabra: mide el sistema nuevo con la regla del viejo. Y a su marco le falta una sola cosa, que es lo que aporta este artículo: una prueba de campo.

Antes de seguir conviene fijar el término que organiza todo lo que viene. El GEO —Generative Engine Optimization— es la disciplina que optimiza el contenido de una marca para que los motores de IA generativa la citen, la recomienden y la describan con precisión cuando un usuario hace una pregunta relevante; lo desarrollamos en detalle en qué es el GEO y cómo funciona. La diferencia con el SEO es estructural: el SEO optimiza para aparecer en una lista de resultados donde el usuario elige; el GEO optimiza para aparecer dentro de la respuesta única que la IA genera y entrega ya elegida. La objeción del 1% mide lo primero. La pregunta que de verdad importa —por qué convendría invertir en GEO si el canal apenas envía clics— es lo segundo, y este artículo la responde con las cuatro patas del argumento de Forrester.

Por qué la pregunta del 1% está mal formulada

La objeción del 1% no es falsa. Es incompleta de una forma que la invierte. Forrester la desmonta por cuatro vías distintas, y ninguna depende de creerse que el tráfico de IA va a crecer.

El problema del denominador

Aquí está el argumento que la objeción ignora. El 1% es un porcentaje. Un porcentaje se calcula sobre una base. Y la base —el tráfico total que la búsqueda envía a los sitios— se está contrayendo.

Forrester maneja cifras concretas para sostenerlo: una caída del tráfico orgánico de editores de noticias de en torno a 2.300 millones de visitas mensuales a mediados de 2024 hasta menos de 1.700 millones en mayo de 2025; medios de marca como Business Insider perdiendo más de la mitad de su tráfico de búsqueda en tres años; las búsquedas sin clic subiendo del 56% al 69% en doce meses. Todas las cifras que este artículo atribuye a Forrester —aquí y en los apartados siguientes— son afirmaciones suyas, apoyadas en fuentes que su ensayo cita y que no se han verificado de forma independiente; lo que este artículo retoma es su marco, no sus números. Y el marco se sostiene con la lógica, no con las cifras: un porcentaje estable sobre una base que se encoge no es estabilidad. Es una pérdida disfrazada de constancia. Quien señala el 1% está midiendo la cuota relativa de una tarta que mengua bajo sus pies, y tratando un valor absoluto en caída como si fuera un estado estacionario. Cualquier cálculo de retorno anclado al denominador viejo es un cálculo del entorno anterior, no del actual.

La preferencia revelada del capital

El segundo argumento no necesita creerse ninguna cifra de tráfico. Pregunta otra cosa: qué hacen con su dinero las empresas que tienen más datos internos sobre el comportamiento real de los usuarios.

Forrester sostiene que los mayores proveedores de infraestructura de IA han comprometido inversiones de capital que casi duplican el año anterior, y cita una estimación según la cual ese gasto alcanzaría un porcentaje muy alto del flujo de caja operativo durante dos años seguidos. El argumento no vive en el número exacto. Vive en la forma de la apuesta. Una cobertura defensiva es una fracción del flujo de caja, desplegada por si acaso. Nadie pone la mayor parte de su flujo de caja operativo, dos años consecutivos, en una categoría que considera un riesgo lateral. Esa no es la forma de una cobertura: es la forma de quien ha mirado sus propios datos —los que el resto del mercado no ve— y ha concluido que el canal es el negocio.

Dos sistemas, dos trabajos distintos

El tercer argumento es el estructural, y conviene desplegarlo entero porque es donde la objeción del 1% se rompe del todo.

La descripción de tareas de un buscador es larga. Rastrea la web. La indexa. Ordena un conjunto de resultados candidatos frente a una consulta. Los presenta como una lista jerarquizada. Y entonces espera: espera a que el humano elija. Esa última parte no fue un accidente de diseño. Era la arquitectura. El buscador ofrecía diez opciones, el usuario seleccionaba una, y la elección —con lo que viniera después— era del usuario, no del motor. El buscador no había publicado nada: había ordenado un campo de candidatos. Enrutar al usuario hacia fuera era el trabajo, no un efecto secundario.

Un modelo generativo no fue construido con nada de eso. No ofrece un campo de opciones: produce una respuesta. La cita, cuando aparece, no es un instrumento de enrutamiento. Es otra cosa —un artefacto del proceso de recuperación que fundamenta la respuesta, o una cobertura de confianza, o las dos a la vez—. Ninguna de esas lecturas describe un sistema diseñado para mandarte a otro sitio. El sistema fue diseñado para resolver la pregunta donde está. Por eso medir su retorno en clics es medir el sistema nuevo con la regla del viejo: cuando alguien pregunta cuál es la tasa de clics desde una respuesta de IA, está asumiendo un mecanismo de enrutamiento que la arquitectura no tiene. El tráfico que llega es un subproducto, no un objetivo de diseño, y confundir las dos cosas es el primer error de casi toda conversación sobre el retorno de la visibilidad en IA.

La superficie de responsabilidad se movió

El cuarto eje es el menos comentado y el más concreto, porque se apoya en casos reales. En el buscador, el humano que hacía clic era el escudo legal del motor: si el enlace elegido llevaba a algo dañino, el motor podía señalar la lista de opciones y la decisión del usuario. No había publicado la afirmación: había mostrado candidatos. Un modelo generativo no tiene ese escudo. Produce la respuesta directamente, en su propia voz, sin campo de opciones ni fuente elegida por el usuario.

Forrester apoya el argumento en dos casos que conviene entender, porque marcan los dos extremos de dónde está hoy la frontera. En el primero, una demanda por difamación contra OpenAI —un locutor de radio sostenía que ChatGPT había generado afirmaciones falsas sobre él— se resolvió por sentencia sumaria a favor de la empresa. El razonamiento, según relata Forrester, se apoyó en los descargos de responsabilidad del producto y en que un lector informado sabía razonablemente que un chatbot de propósito general puede inventar. Esa defensa protege un tipo muy concreto de caso: el chatbot genérico, ante un usuario que sabe que puede alucinar.

El segundo caso marca el límite opuesto. Una aerolínea fue considerada responsable de lo que su propio chatbot de atención al cliente afirmó sobre su política de tarifas: el cliente podía razonablemente confiar en que el agente de soporte de marca de una aerolínea daba información correcta sobre las políticas de esa aerolínea. El término jurídico que vertebra la lectura de Forrester es la confianza razonable: cuanto más especializado y autoritativo parece el sistema, más difícil es sostener la defensa del descargo. Un chatbot genérico que avisa de que puede equivocarse está más protegido; un sistema que se presenta como autoridad sobre un dominio concreto, menos.

La implicación para el marco es directa, y es la que importa aquí: ser la fuente citada dentro de una respuesta ya no es solo cuestión de visibilidad. Es cuestión de quién responde por lo que se afirma, y esa superficie se ha desplazado hacia el sistema que produce la salida, y por extensión hacia las marcas cuyo contenido ese sistema incorpora.

Lo que pasó cuando lo llevamos al campo

El marco de Forrester razona en abstracto. Esto es lo que aporta este blog: el mismo razonamiento, ocurriendo en concreto. El 19 de mayo de 2026, en modo incógnito y sin sesión iniciada para no contaminar las respuestas con personalización, hicimos una pregunta a ChatGPT, Gemini y Perplexity:

¿Cómo funciona la tarifa PVPC y quién puede contratarla en España?

La pregunta no es casual. El PVPC —el Precio Voluntario para el Pequeño Consumidor, la tarifa eléctrica regulada— solo lo operan las comercializadoras de referencia, que pertenecen a las tres grandes eléctricas españolas: Curenergía es de Iberdrola, Energía XXI es de Endesa, Comercializadora Regulada es de Naturgy. Sobre esta pregunta concreta, esas marcas no son una fuente cualquiera: son la fuente natural y autorizada. Tienen, además, un dominio SEO aplastante en España para cualquier consulta sobre electricidad —primeras posiciones en Google, autoridad de dominio máxima, contenido extenso, rastreo constante—. Por la regla del sistema viejo, deberían ser la fuente. Esto es lo que devolvió la capa de selección de fuentes:

ChatGPT no citó a ninguna de las tres. Sus fuentes fueron el organismo público (Ministerio para la Transición Ecológica) y una sucesión de agregadores y comparadores construidos específicamente para posicionar en esa consulta: Selectra, tarifaluzhora, papernest, tunergia, companiadeluz. El texto mencionaba «comercializadora de referencia» como categoría genérica, sin nombrar ni citar a ninguna.

Gemini sí nombró a Energía XXI, Curenergía y Comercializadora Regulada —pero como ejemplo dentro de la explicación, no como fuente citada—. Las marcas aparecían en el cuerpo del texto; no en el origen de la respuesta.

Perplexity fue el único que citó a alguna: un artículo de Iberdrola y las páginas de las comercializadoras de referencia. Pero el artículo de Iberdrola que apareció era antiguo, y las comercializadoras entraban no por su análisis sino porque son, por definición, el operador inevitable de la tarifa que se preguntaba. Junto a ellas, otra vez el organismo público y el corpus de agregadores.

Motor	Las tres grandes eléctricas	Qué se llevó la cita
ChatGPT	Ausentes (ni citadas ni nombradas)	Ministerio para la Transición Ecológica + agregadores (Selectra, tarifaluzhora, papernest, tunergia, companiadeluz)
Gemini	Mencionadas en el texto, no citadas como fuente	Patrón equivalente: organismo + agregadores
Perplexity	Citadas de forma marginal (artículo antiguo de Iberdrola; comercializadoras por su rol regulatorio)	REE y Ministerio + corpus de agregadores

Una corrida, un día, una pregunta, tres motores. Modo incógnito, sin sesión iniciada, 19 de mayo de 2026.

El patrón es coherente entre los tres motores. Tres marcas con dominio SEO máximo sobre su propia materia: una capa de selección que las omite, las menciona sin citarlas, o las cita de forma marginal. Lo que se lleva la cita es el organismo regulador y, sobre todo, el ecosistema de agregadores optimizado para esa pregunta exacta.

Y aquí está el filo. Existe una objeción cómoda a un experimento así: que el motor hace bien en no citar a quien no es fuente natural. Esa objeción aquí no aplica. Iberdrola vende luz. Endesa es la fuente natural para explicar su propia tarifa regulada. La pregunta es la materia exacta de su negocio. Aun así, la capa de selección las pasa por encima en favor de intermediarios mejor optimizados para esa consulta. Eso no es el motor haciéndolo bien. Eso es, exactamente, lo que Forrester describe en abstracto, ocurriendo en concreto: la regla del sistema viejo —rankear el dominio fuerte— no predice quién entra en la respuesta del sistema nuevo.

Conviene marcar los límites con la misma precisión que el hallazgo. Es una corrida, un día, una pregunta, tres motores. No es una medición estadística y no afirma que estas marcas nunca sean citadas. Afirma una cosa con exactitud: en esta fecha, con esta pregunta favorable a las marcas, el dominio SEO no se tradujo en ser la fuente elegida. Que la pregunta les fuera favorable es lo que hace el resultado más significativo, no menos.

Qué medir si decides invertir

Si mides tu presencia en IA mirando si Google te tiene indexado, miras el termómetro equivocado. El SEO no ha muerto: mide algo real, el filtro del índice de búsqueda. Pero ese filtro es distinto del que decide quién entra en una respuesta generada, y la corrida del PVPC lo enseña sin ambigüedad: dominio SEO máximo, ausencia o marginación en la capa de selección de fuentes. Son dos filtros con criterios distintos. Pasar el primero no acerca al segundo.

La pregunta útil, entonces, no es cuánto tráfico envía la IA hoy —esa mide el sistema viejo—. Es cuántas veces, y en qué preguntas, tu marca es la fuente que el motor cita al construir su respuesta. Eso sí se puede medir, y no se mide en Google Search Console. Se mide haciendo las preguntas que tu cliente le haría a la IA —las consultas reales de tu sector— en ChatGPT, Gemini y Perplexity, y registrando tres cosas en cada una: si tu marca aparece citada como fuente, si aparece solo mencionada sin ser fuente, o si está ausente; qué fuentes entran en tu lugar; y si ese patrón cambia cuando cambia el contenido que publicas. Es exactamente el método de la corrida del PVPC de este artículo, aplicado a tu propio sector y repetido en el tiempo.

Esa es la métrica que responde la pregunta que el 1% no responde. No dice cuánto tráfico te manda la IA —no fue construida para mandarte tráfico—. Dice si, cuando alguien le pregunta por lo que tú haces, tu marca es parte de la respuesta o se la queda otro. Para una marca que vende a través de decisiones informadas, esa diferencia no es de visibilidad. Es de existir o no existir en el momento en que se decide.