Core update de Google vs actualizaciones de los modelos de IA: el cambio que le mueve el suelo ya no tiene nombre ni fecha

Reddit perdió el 79% de su presencia en las respuestas de ChatGPT tras el despliegue de GPT-5.6. El mismo dominio, en la misma semana, subió un 22% en Grok y un 9% en Perplexity. Y no, no es un error de medición: no hubo ningún core update de Google de por medio, sino algo bastante más difícil de rastrear.

Un mismo hecho. Cinco superficies. Cinco resultados que no se parecen en nada.

¿Recuerda cuando lo peor que le podía pasar era un core update de Google en marzo? Visto desde hoy, aquello era casi cómodo: tenía fecha de inicio, fecha de fin, un nombre propio y un tablón oficial donde consultarlo. Ahora el suelo se mueve sin nombre, sin fecha y sin tablón. Y le afecta igual o más.

Prólogo del artículo: qué es un core update de Google y qué es una actualización de modelo

Para entender bien el enfoque, sin juntar churras con merinas, tenemos que diferenciar entre una core update de Google y una actualización de un modelo de IA. ¿Cómo? ¿No es lo mismo con otro nombre? Pues no.

No se parecen en casi nada.

Olvídese de las definiciones de libro. Una core update es como la ITV: sabe cuándo le toca, sabe que existe un boletín oficial, sabe qué le van a mirar y, aunque le suspendan, sabe a qué atenerse. Es incómoda, pero es un procedimiento.

Una actualización de modelo es otra cosa. Es que le cambien el motor del coche mientras usted circula por la M-30, sin bajarse, sin avisar y sin que exista ningún papel donde figure el cambio. Usted solo nota que el coche ya no responde igual al acelerador.

Me explico 🙂

Y aquí está el matiz que casi todo el mundo se salta, porque parece una objeción y en realidad es el corazón del asunto: OpenAI sí anunció GPT-5.6. Lo lanzó el 26 de junio de 2026 a un grupo reducido de organizaciones y lo abrió al público el 9 de julio. Hubo notas de prensa, hubo cobertura, hubo hasta mercados de predicción apostando por la fecha.

Lo que nadie anunció fue el efecto.

Ahí está la diferencia real. Google anuncia la consecuencia: «hemos lanzado una actualización que cambia cómo posicionamos el contenido». OpenAI, Anthropic o xAI anuncian el producto: «tenemos un modelo nuevo, más rápido y con más contexto». Nadie dice jamás «por cierto, a partir de mañana vamos a citar un 79% menos a uno de los dominios más grandes de internet».

Son dos tipos de anuncio distintos. Y a usted, que vive de aparecer, solo le sirve el segundo.

Comencemos:

1. ¿Las IA tienen core updates como Google? Las diferencias que las separan

Le dejo la comparación en corto, porque ver los dos modelos en paralelo aclara más que tres párrafos de teoría:

	Core update de Google	Actualización de un modelo de IA
Qué se anuncia	El efecto sobre el ranking	El producto, nunca el efecto
Nombre	Sí («May 2026 core update»)	El del modelo, no el del cambio
Ventana	Definida, hasta dos semanas	Indefinida; a veces 48 horas
Alcance	Global y simultáneo	Por superficie, e incluso por plan de usuario
Qué recalibra	El ranking de documentos	Qué se recupera, qué se cita y si se cita
Diagnóstico	Correlación con GSC ±3 días	No hay fecha oficial con la que correlacionar
Recuperación	Suele esperar al siguiente update	No existe el concepto de «siguiente update»

Fíjese en las dos últimas filas, porque son las que más daño hacen en la práctica.

Durante veinte años hemos entrenado un reflejo muy concreto: caída de tráfico, miro el dashboard, correlaciono la fecha, identifico las URL afectadas, trabajo la calidad y espero al siguiente ciclo. Ese reflejo funciona. Sigue funcionando, y sigue siendo la base de cualquier consultoría SEO seria. Pero solo dentro de Google.

Aplicado a la visibilidad en IA, ese mismo reflejo le lleva a un callejón sin salida: no hay fecha oficial con la que correlacionar, no hay lista de páginas afectadas y no hay siguiente update al que agarrarse.

¿Qué magnitud tiene realmente un cambio de modelo?

Aquí es donde el sector empieza a poner números, y los números son mayores de lo que casi nadie esperaba.

SISTRIX analizó 3,8 millones de respuestas de ChatGPT en alemán durante el despliegue de GPT-5.5, en abril de 2026, muestreando 100.000 respuestas diarias a lo largo de 38 días consecutivos. La volatilidad de las citaciones, que en un día normal se mueve entre el 1% y el 2%, se disparó al 47% en 48 horas. El número medio de fuentes citadas por respuesta bajó de 30,9 a 28,4.

SISTRIX lo bautizó como «ChatGPT Core Update». Y el nombre me parece acertado en la intención, aunque justamente por eso conviene marcar la diferencia: Google publica sus core updates, ChatGPT no publica las suyas.

Por ello, cuando alguien le diga que su visibilidad en IA «ha caído sin motivo aparente», el motivo casi siempre existe. Lo que no existe es el comunicado.

¿Le pasa esto solo a ChatGPT?

No, y conviene decirlo para no caer en el error contrario.

Seer Interactive documentó el caso de una marca de ecommerce a la que Gemini citaba fuentes en el 96% de las respuestas donde aparecía. En una semana esa cifra bajó al 3,7%. En agregado, el uso de citaciones en Gemini cayó 23 puntos porcentuales. La marca no había hecho nada mal: el producto, sencillamente, dejó de necesitar enseñar de dónde sacaba la información.

Está claro que esto no es un problema de un proveedor concreto. Es la naturaleza del sistema.

2. Un mismo evento, cinco resultados: por qué «visibilidad en IA» en singular es un error

Vuelva un momento al gráfico del principio, porque tiene más carga de la que parece.

Peec AI midió una cosa muy concreta: el porcentaje de conversaciones que incluían al menos una citación de Reddit. Y lo comparó antes y después del despliegue de GPT-5.6, superficie por superficie. Retenga esa definición, porque en un minuto va a importar. El resultado: ChatGPT se desploma un 79%, Google AI Overview sube un 9%, Google AI Mode baja un 8%, Perplexity sube un 9% y Grok sube un 22%.

Léalo despacio. Grok subió justo cuando ChatGPT se hundía.

Si «la IA» fuera una cosa, eso sería imposible. Solo tiene sentido si aceptamos lo que el dato está gritando: no existe una visibilidad en IA, existen cinco o seis visibilidades independientes que comparten poco más que el nombre genérico.

Y no es un hallazgo aislado. El análisis de Wellows sobre 11,1 millones de citaciones apunta a que los motores comparten menos del 5% de sus fuentes, y solo alrededor del 11% de los dominios que cita ChatGPT los cita también Perplexity.

Por ello, cualquier informe que le presente un único número redondo llamado «visibilidad IA» está ocultándole justo el dato que necesita: en qué superficie concreta ha perdido usted terreno, y si la ha perdido siquiera.

¿Y si le digo que ni siquiera existe un solo ChatGPT?

Esta es la parte que más me ha sorprendido de todo 2026, y creo que todavía no ha calado en el sector.

GPT-5.6 no es un modelo. Son tres: Sol, Terra y Luna, ordenados de más a menos capacidad. Y el usuario no elige cuál le responde; se lo asigna el sistema en función de su plan y de la consulta.

Ya con GPT-5.5 se vio adónde lleva eso. Writesonic midió por separado el comportamiento de GPT-5.5 Instant, el modelo por defecto del nivel gratuito que atiende en torno al 90% de las consultas, y encontró que las citaciones de marca caían un 55% respecto a GPT-5.3 Instant. En ese nivel, Reddit pasó a ser la fuente más citada, por delante de cualquier medio o marca. En el nivel de pago, el mismo periodo arrojó una caída de 9,6 puntos porcentuales y un comportamiento completamente distinto.

Misma generación de modelo. Dos realidades separadas según quién pregunte y desde qué plan.

Me he encontrado con equipos que auditan su visibilidad desde una cuenta Pro y presentan esos resultados como la foto de «cómo nos ve ChatGPT». No es mentira, pero es la foto del 10% de los usuarios. El otro 90% está viendo otra película.

Le recomiendo que, en su próxima medición, anote en qué plan y con qué modelo se ha ejecutado cada consulta. Es un campo de dos palabras en la hoja de cálculo y le va a ahorrar más de una conclusión equivocada.

3. El problema que nadie quiere mirar: no sabemos atribuir causas

Y ahora le voy a contar algo que va contra el interés de cualquiera que venda servicios de GEO, incluido yo.

Cuando dos equipos serios miran el mismo fenómeno, no coinciden. Ni en la magnitud, ni en la fecha, ni en la causa. Y en un caso, ni siquiera en el signo.

Promptwatch, que trabaja sobre un corpus declarado de más de 26.000 millones de citaciones recogidas directamente de las interfaces, mide la cuota diaria de Reddit sobre el total de citaciones. Su lectura: Reddit mantuvo un 3,83% estable de las citaciones de ChatGPT Search entre el 18 de julio y el 7 de agosto, empezó a resbalar el 8 de agosto (el día que ChatGPT cambió su comportamiento de query fan-out) y se desplomó por debajo del 1% el 14 de agosto, con una media del 0,52% en los días siguientes. Una caída relativa del 86,4%.

Ponga las dos lecturas en paralelo y verá el problema:

	Peec AI	Promptwatch
Qué mide	% de chats con al menos 1 citación de Reddit	Cuota de Reddit sobre el total de citaciones
Ventana	Media antes vs después de GPT-5.6	Diario, del 7 de julio al 17 de agosto
ChatGPT	-79%	-86,4%
Google AI Overview	+9%	-11,3%
Google AI Mode	-8%	-30,5%
Causa señalada	Despliegue de GPT-5.6	Cambio de fan-out del 8 de agosto

Fíjese en la fila de AI Overview. Un estudio dice que sube un 9% y el otro que baja un 11,3%. Signos opuestos sobre el mismo dominio y el mismo motor.

Y no, no es que uno de los dos esté equivocado.

Miden denominadores distintos (conversaciones con citación frente a total de citaciones), en ventanas distintas y contra eventos de referencia distintos. Ambas cifras pueden ser correctas a la vez y describir realidades que no se pueden sumar.

Por ello le insisto en algo que parece de perogrullo y no lo es: no mezcle porcentajes de estudios diferentes en la misma frase de un informe. Es la forma más rápida que conozco de construir una conclusión falsa con datos verdaderos.

De hecho, circula un tercer estudio con cifras muy distintas, del orden del 15% al 0%, medido sobre un conjunto de prompts de B2B SaaS. Tampoco contradice a los anteriores: mide otra cosa. Y si su sector no es ese, ese número sencillamente no le describe a usted.

¿Por qué cambian las fuentes que citan las IA?

Llegados aquí ya puedo responder a la pregunta de fondo, aunque la respuesta honesta sea menos rotunda de lo que a usted le gustaría.

Las fuentes que cita una IA cambian porque el sistema que decide qué se lee no es el mismo de una semana a otra. Cuando cambia el modelo, cambia el sistema de recuperación o cambia la forma de descomponer la consulta en subconsultas, el conjunto de documentos candidatos se rehace entero. No hay penalización ni castigo, y no hay nada que usted haya hecho mal: hay un criterio de selección distinto aplicado sobre el mismo contenido.

Más allá de eso, poco, y conviene decirlo con esa misma modestia.

Se puede afirmar que en ChatGPT hubo una ruptura brusca y que en Google el movimiento, con los datos de Promptwatch, fue gradual y sin escalón. Esa diferencia de forma, acantilado frente a pendiente, es mucho más informativa que la magnitud: apunta a un cambio de recuperación en un proveedor concreto y no a una devaluación de Reddit en toda la industria.

La hipótesis más razonable que he leído sobre el mecanismo es esta: si el fan-out genera subconsultas más específicas y más cualificadas por marca o producto, un hilo de foro que servía para una consulta amplia deja de entrar en el conjunto de recuperación. Y eso golpea a Reddit más que a nadie, porque su contenido son conversaciones, no páginas que respondan una pregunta concreta.

Ojo, que es una hipótesis, no un hallazgo. Nadie de OpenAI ha confirmado nada.

Y por si quedaba alguna duda sobre la prudencia necesaria, el propio equipo de Promptwatch añadió una advertencia que le recomiendo copiar y pegar en todos sus informes: el gráfico muestra cuándo ocurrió el cambio, no por qué, y no puede descartarse un problema de recogida de datos, así que la magnitud debe tratarse como provisional hasta nueva medición.

Esa frase vale más que cualquier estudio.

Porque el sector lleva un año construyendo narrativas causales sobre gráficos que solo demuestran correlación temporal. Y en un entorno sin dashboard oficial, sin documentación y con cuatro capas que pueden moverse a la vez (el modelo, el sistema de recuperación, el índice y la capa de producto), la atribución honesta es casi siempre «algo cambió aquí» y casi nunca «cambió esto por aquello».

Sé que es una respuesta menos vendible que un titular. También es la única defendible.

4. Reddit y el espejismo de la fuente más citada

Con todo lo anterior encima de la mesa, volvamos al debate que ha ocupado al sector durante el último año.

El estudio de Peec AI sobre 30 millones de fuentes situó a Reddit como el dominio más citado en las respuestas de IA, primero o segundo en todos los motores analizados. El titular corrió como la pólvora y el reflejo fue inmediato: hay que estar en Reddit.

Y ahora resulta que ese mismo dominio, en la superficie más grande de todas, ha perdido cuatro quintas partes de su presencia en cuestión de semanas.

Ojo, que no le estoy diciendo que Reddit haya dejado de importar. Le estoy diciendo algo bastante más incómodo: quien construyó su estrategia sobre el ranking de dominios citados descubrió que el ranking era el suelo, y el suelo se movió.

¿Por qué ChatGPT dejó de citar a Reddit?

Por lo que acabamos de ver: por un cambio en el lado de OpenAI, no por nada que hiciera Reddit. El escalón coincide con la modificación del fan-out, no con ninguna acción de la plataforma, y en Google el mismo dominio se movió despacio y sin ruptura. Si Reddit se hubiera devaluado como fuente en toda la industria, las tres curvas caerían igual. Y no lo hacen.

Y hay un segundo frente que se está contando aún menos. Mientras la citación caía por un lado, la propia plataforma apretaba por el otro: Reddit ha reforzado su moderación hasta interceptar del orden de 25.000 publicaciones y comentarios de spam al día, bloquear unos 23 millones de visualizaciones de spam diarias y revocar cerca de 2 millones de votos no auténticos cada día.

Dicho de otro modo: la táctica de sembrar hilos para que le citen se ha vuelto menos rentable justo cuando se ha vuelto más difícil de ejecutar.

¿Por qué el titular era engañoso desde el principio?

Scrunch hizo el ejercicio que faltaba: segmentar por sector en lugar de mirar el agregado. Y la fuerza de Reddit se explica en buena medida por composición. Aparece en muchísimos sectores, lo que en el total le da aspecto de dominio aplastante. Al bajar a vertical, el cuadro cambia: en un experimento con prompts de fondo de embudo, Reddit aparecía en todas las categorías pero no era top tres en ninguna. Quienes rendían por encima de su peso eran los especialistas verticales de cada sector.

Añada la varianza entre plataformas, que ya iba de aproximadamente un 0,1% en Gemini a más de un 5% en ChatGPT antes de todo esto. Mismo dominio, mismo contenido, dos órdenes de magnitud de diferencia.

Optimizar para el promedio de esa horquilla es optimizar para un escenario que no existe en ninguna parte.

¿Qué ocurre con Reddit cuando el usuario está en España?

Aquí viene el dato que debería frenar en seco a cualquiera que esté montando presencia en Reddit en español pensando en captar citaciones.

Peec AI analizó más de 64 millones de citaciones de Reddit entre marzo y junio de 2026 en veinte países, rastreando cuáles se servían como traducción automática del hilo original. En España, Google AI Mode llegó al 72% a principios de junio. Casi tres de cada cuatro hilos de Reddit que ese motor mostró al usuario español eran la versión traducida a máquina de una conversación en inglés.

En Alemania, AI Overview iba por el 52%. En Suecia y Noruega, por encima del 70%. Gemini apenas roza el 1% y Perplexity no citó ni una sola URL traducida en todo el periodo.

¿Ve la diferencia? Cuando un motor cita a Reddit en España, muchas veces no está citando la conversación española sobre su categoría. Está citando una conversación estadounidense que ha pasado por un traductor. Su presencia en subreddits en castellano no juega ese partido.

Con lo cual, la razón para estar en Reddit, en LinkedIn, en YouTube o en el foro sectorial de turno no puede ser nunca que aparezca primero en un ranking de dominios citados. La razón tiene que ser que su audiencia real esté allí y que usted pueda sostener una presencia con valor en el tiempo.

Si esa condición se cumple, el ranking de citaciones es irrelevante para su decisión. Y si no se cumple, ese mismo ranking tampoco debería moverle un euro de presupuesto.

Sé que suena poco emocionante frente a un titular con la palabra «Reddit» en negrita. Pero una estrategia que se reescribe cada vez que sale un estudio nuevo no es una estrategia: es una suscripción a las modas del sector.

5. ¿Cómo se mide la visibilidad de una marca en IA sin volverse loco?

Le cuento los criterios con los que trabajamos en optimización para motores de IA, no porque sean los únicos posibles, sino porque resuelven tres confusiones que veo constantemente en informes de agencia.

¿Por qué separamos mención de citación?

Porque son dos cosas distintas, con dos causas distintas y dos soluciones distintas. Trabajamos siempre con doble score y nunca los promediamos.

La mención de marca mide si la IA le nombra en su respuesta. La citación de fuente mide si la IA usa su contenido como material de referencia. Y la combinación de ambas le dice exactamente qué le pasa:

• Le citan pero no le mencionan. La IA lee su contenido, lo usa para construir la respuesta y luego recomienda a otro. Tiene un problema de entidad: existe como documentación, no como proveedor.
• Le mencionan pero no le citan. El modelo sabe quién es usted, pero su contenido no le resulta suficientemente utilizable. Le falta dato propio, conclusión clara y estructura.
• Ni lo uno ni lo otro. No tiene un problema de visibilidad, tiene un problema de existencia. Y se arregla antes en las fuentes de tercera parte que en su blog.

Promediar esos dos indicadores en una cifra bonita para el informe mensual es como promediar la fiebre y la tensión de un paciente y presentar el resultado como «índice de salud». Queda muy limpio en el PowerPoint y no sirve para nada.

¿Cuántas veces hay que medir para que el dato signifique algo?

Una consulta única a un modelo probabilístico no es una medición. Es una tirada.

Si usted pregunta una sola vez a ChatGPT qué proveedor le recomienda para un servicio y su marca no sale, no ha descubierto que tiene un problema de visibilidad: ha descubierto el resultado de una tirada.

Por ello ninguna medición seria se hace de una sola pasada. Hay que repetir cada prompt varias veces en cada superficie y trabajar con la media, porque lo que le interesa no es lo que contestó el modelo aquella vez, sino lo que contesta habitualmente.

¿Cuántas repeticiones? Las suficientes para que el ruido deje de mandar y no tantas como para que el coste de medir se le coma el presupuesto. Ese punto medio depende de su sector, de cuánta competencia tenga y de cuánto se juegue en cada consulta.

Lo que sí le recomiendo, sea cual sea el número que elija, es fijarlo y no cambiarlo nunca. Un histórico medido con criterios distintos cada mes no es un histórico: es una colección de fotos sueltas.

¿Cómo se distingue un problema de ranking de un problema de entidad?

Con un control muy sencillo: la sonda de marca.

Consiste en lanzar, junto a sus prompts de negocio, un prompt puramente identitario del tipo «¿qué es [nombre de su marca]?». Si el modelo responde correctamente quién es usted, a qué se dedica y dónde opera, cualquier ausencia en los prompts competitivos es un problema de posicionamiento y se trabaja como tal. Si el modelo no sabe quién es usted o se lo inventa, no tiene sentido optimizar nada más hasta arreglar eso.

Y una advertencia sobre el diseño de los prompts, porque este error ha arruinado auditorías enteras.

Los prompts con formato de recomendación de proveedor («¿qué agencia me recomienda para X?») producen menciones de marca. Los prompts con formato de instrucción («cómo hacer X paso a paso») no pueden producirlas, porque la respuesta natural a esa pregunta no incluye nombres de empresa. Si usted mide su visibilidad con prompts del segundo tipo y concluye que no tiene presencia en IA, no ha encontrado un hallazgo: ha encontrado un fallo de diseño de su propio experimento.

6. Qué hacer cuando cambia el modelo, y sobre todo qué no hacer

¿Por qué ha bajado la visibilidad de mi marca en ChatGPT?

Es la pregunta que más me llega, y antes de tocar nada conviene descartar cuatro cosas por orden.

Primero, que no sea ruido: si la caída lleva menos de dos semanas y no aparece en el resto de superficies, lo más probable es que vuelva sola. Segundo, que no sea un cambio de plan o de modelo por su parte, porque medir hoy desde una cuenta distinta a la de la semana pasada invalida la comparación. Tercero, que no coincida con un despliegue de modelo o un cambio de recuperación documentado por terceros. Y cuarto, ya sí, que no sea un problema de entidad, que se comprueba con la sonda de marca que le explico más arriba.

Solo cuando ha descartado esas cuatro tiene sentido mirar su contenido. He visto reescribir páginas enteras por una caída que era, sencillamente, un cambio de fan-out en el proveedor.

Dicho esto, empiezo por lo que no debe hacer, que es más urgente.

No reescriba su estrategia por una caída de una semana. No persiga la fuente que encabeza el estudio de este trimestre, que ya ha visto lo que le ha pasado a quien lo hizo. No trate una diferencia entre superficies como si fuera una evolución temporal. Y no busque la fecha del «core update de la IA», porque no existe.

Lo que sí funciona es bastante más aburrido.

Fije una línea base antes de tocar nada, con su conjunto de prompts cerrado y su número de repeticiones definido, igual que haría al montar cualquier sistema de analítica digital. Mida siempre por superficie y anote el plan y el modelo con el que ha medido. Establezca una cadencia estable, más frecuente para las páginas que le traen negocio y más espaciada para el contenido de blog, y aguante la tentación de mirar todos los días.

Y hay un movimiento que casi nadie está haciendo y que a mí me parece el más rentable de todos: en lugar de lamentar la cuota que perdió Reddit, mire qué dominios se la quedaron. Esa lista le dice qué está tratando ChatGPT como autoridad sustituta para esas mismas consultas (páginas de marca, comparadores, sitios de reseñas u otros foros) y, por tanto, dónde tiene sentido estar ahora.

Le recomiendo hacer ese ejercicio con sus propios prompts antes de leer el siguiente estudio agregado. Los ganadores de una redistribución son específicos de cada sector, y el suyo no sale en ningún titular.

Después trabaje las dos palancas que sí controla: contenido con dato propio que una IA pueda citar sin reformular, y señales de entidad consistentes en toda la web.

Por ello le insisto tanto en el dato propio. Un modelo puede reescribir su opinión con otras palabras y no citarle. Lo que no puede reescribir es una cifra que solo existe en su página, y por eso el marketing de contenidos con investigación propia rinde hoy más que nunca.

Y aquí está, en el fondo, la lección que va mucho más allá de Reddit: si su visibilidad en IA depende de que le citen a través de una plataforma intermediaria, esa visibilidad no es suya. Se la prestan. Y se la pueden retirar un viernes de agosto sin comunicado, sin aviso previo y sin nadie a quien reclamar.

Resumiendo: ¿debe cambiar su estrategia cada vez que cambia un modelo?

Básicamente, no. Y esa es toda la tesis de este artículo.

Las actualizaciones de los modelos de IA son más frecuentes, más silenciosas y más difíciles de diagnosticar que cualquier core update de Google que hayamos vivido. Un cambio de modelo puede redistribuir el 47% de las citaciones en 48 horas y borrar el 79% de la presencia de uno de los dominios más grandes de internet. Pero precisamente por eso son un pésimo insumo para tomar decisiones estratégicas: si el suelo se mueve cada pocas semanas, construir sobre él es garantía de derrumbe.

Pero seamos prácticos. Si yo tuviera que empezar mañana mismo, no haría diez cosas a la vez. Haría tres antes del café:

Primero, cerraría un conjunto de prompts estable, entre veinte y cuarenta, con al menos una sonda de marca, y lo dejaría quieto seis meses, aunque me picara la mano por cambiarlo.

Segundo, separaría mención y citación en dos columnas del informe, anotaría la superficie y el plan de cada medición, y prohibiría expresamente que nadie las sume en un «índice global de visibilidad IA».

Y tercero, y esto es lo más importante, revisaría cada plataforma en la que la marca invierte esfuerzo y me haría una única pregunta: ¿está aquí porque está mi audiencia, o está aquí porque salía primero en un estudio? Si su respuesta es la segunda, no tire el trabajo hecho: mídalo primero. Revisar no es abandonar.

Por ejemplo, en lugar de anotar en el informe «la visibilidad en IA ha bajado un 12%» (que no le dice nada a nadie), escribiría «en ChatGPT hemos pasado de aparecer en 4 de 10 respuestas a 1 de 10 mientras en Grok subimos, coincidiendo en fechas con el despliegue de un modelo nuevo; pendiente de confirmar si se sostiene en la siguiente medición». ¿Ve la diferencia? La primera frase genera una reunión de crisis. La segunda genera una decisión y, sobre todo, no promete una causa que nadie puede demostrar.

El resto se construye progresivamente. Y le confieso que hay días en los que abro los paneles y no sé si lo que estoy viendo es una tendencia o es ruido. Cualquiera que le diga lo contrario, o tiene datos que yo no tengo, o le está vendiendo algo.

Recuerde, al final todo va de estar donde está su gente y de medir con criterio suficiente para saber si sigue estando 😉

Preguntas frecuentes