Solo el 3% de las grandes marcas están preparadas para la IA

Solo aproximadamente el 3% de los sitios web pertenecientes a más de 250 marcas globales principales califican como “líderes” en preparación para la IA, según una investigación citada por el colaborador de AAAnow de TechRadar Pro.

La preparación para la IA es más amplia que desplegar un chatbot o elegir un modelo base. Incluye los datos, la gobernanza, la formación del personal y las salvaguardas éticas necesarias para obtener valor de la IA generativa mientras se limitan los riesgos. Para las marcas, una parte pasada por alto es si su presencia en línea es precisa, coherente y visible en las respuestas producidas por modelos de lenguaje grandes (LLM) y herramientas como ChatGPT, Gemini y Claude.

Por qué la visibilidad de la marca en las búsquedas de IA está en riesgo

Los sistemas de IA construyen sus respuestas a partir del contenido que pueden encontrar en línea. Si el conjunto de activos digitales de una empresa contiene información desactualizada o contradictoria, esos sistemas pueden malinterpretar sus productos u organización, ofrecer respuestas incorrectas u omitir la marca en respuestas donde debería aparecer. Una empresa también podría recibir menos visibilidad que un competidor cuando los usuarios piden a una herramienta de IA que recomiende proveedores o vendedores.

El artículo describe esto como que la IA ve una marca «desde fuera hacia dentro»: los modelos muestran lo que encuentran en lugar de basarse en el mensaje preferido y controlado centralmente por la empresa. Esa distinción importa a medida que los consumidores utilizan cada vez más herramientas de IA como su primer paso cuando buscan información.

Encuestas citadas por el artículo sugieren que el 37% de los consumidores estadounidenses que ya usan IA ahora comienzan sus búsquedas con herramientas de IA en lugar de Google. En vez de visitar primero la página web de una empresa, pueden formarse una opinión inicial de la marca a partir de una respuesta generada por IA.

Recomendado

El robot de invernadero de la NSU apunta a reemplazar a seis trabajadores

Por tanto, los equipos de marketing digital que antes se centraban en la optimización para motores de búsqueda (SEO) también están invirtiendo en la Optimización para Motores Generativos (GEO) y en la Optimización para Motores de Respuestas (AEO). Estas prácticas buscan mejorar cómo se representa la huella digital de una empresa en herramientas como ChatGPT, aunque el artículo sostiene que la optimización por sí sola no puede resolver el problema subyacente de la calidad de los datos.

La huella digital que las marcas pierden de vista

Las grandes organizaciones a menudo acumulan activos en línea sin mantener un inventario completo o un plan de ciclo de vida. Estos pueden incluir:

• Sitios web de submarcas y ubicaciones
• Boletines, campañas y páginas de lanzamiento de producto
• Sitios de eventos y micrositios
• Contenido de socios, portales de clientes y formularios
• Secciones antiguas de sitios corporativos y experimentos digitales

Una página creada para un evento puntual puede permanecer en línea indefinidamente. Las adquisiciones pueden añadir otra capa de material no gestionado, dejando a un equipo nuevo responsable de activos digitales que no sabe del todo que heredó.

Investigaciones previas citadas en el artículo, realizadas entre 2017 y 2023, encontraron que los equipos digitales centrales podrían desconocer hasta el 41% de toda su huella digital. Esa falta de visibilidad dificulta eliminar contenido obsoleto o garantizar que la información autorizada sea fácil de encontrar para los sistemas de IA.

Las consecuencias pueden ser particularmente graves en sectores regulados como los servicios financieros, la sanidad y la industria farmacéutica, donde la información para el cliente debe cumplir requisitos estrictos de conformidad. La información incorrecta sobre productos también puede crear riesgos para la salud y la seguridad cuando las instrucciones o guías están desactualizadas.

Por qué los PDF y los documentos duplicados generan confusión

Los documentos son otra fuente importante de información obsoleta. Los sitios web corporativos suelen conservar PDF de informes anuales, folletos, formularios, guías y manuales mucho después de que su contenido haya quedado obsoleto.

La investigación citada en el artículo sugiere que el 19% de los documentos de los sitios web son duplicados. Múltiples copias pueden enviar señales inconsistentes a los sistemas de IA, haciendo poco claro qué archivo es el vigente y autoritativo. Sin una gestión estructurada de documentos, las organizaciones pueden tener dificultades para actualizar materiales tras cambios de marca, regulatorios u operativos.

Eso significa que una herramienta de IA puede generar una respuesta con confianza a partir de un documento que la empresa ya no considera válido. El problema no se limita al comportamiento de la respuesta del modelo; comienza con la incapacidad de la empresa para gestionar el contenido disponible para su recuperación.

Tres pasos para reducir el riesgo de desinformación por IA

El artículo recomienda tres acciones de alto nivel para las empresas que buscan mayor control sobre su visibilidad en IA y la información que se muestra sobre ellas:

• Asignar responsabilidad a nivel ejecutivo o del consejo. Alguien debe ser responsable de abordar el problema en lugar de dejarlo como una tarea sin propietario del equipo digital.
• Evaluar todo el conjunto de activos digitales de forma automática. Los equipos digitales deberían medir y supervisar los riesgos en sitios web, documentos y activos de terceros, y luego hacer seguimiento del trabajo de remediación.
• Establecer gobernanza y gestión del ciclo de vida. Los procesos deben definir cómo se revisan, actualizan y retiran los activos digitales para que el conjunto no vuelva a un estado sin gestión.

El artículo presenta el control del conjunto de activos digitales como un punto de partida más que como la definición completa de la preparación para la IA. La estructura del contenido y otras prácticas también afectan cómo aparecen las marcas en las respuestas de la IA, pero eliminar el material desactualizado y contradictorio se describe como un primer paso crítico. La investigación no especifica qué marcas concretas formaron la muestra de 250 empresas ni proporciona una fecha de publicación para ninguna herramienta de evaluación.