Los directores de comunicación afrontan un nuevo territorio en la gestión de la reputación corporativa. ChatGPT, Gemini, Perplexity y Google AI Overviews ya no funcionan únicamente como herramientas para encontrar información, sino que describen empresas, comparan alternativas y construyen respuestas capaces de influir en la percepción que usuarios, clientes o inversores desarrollan sobre una organización.
Un análisis elaborado por Asesores y Good Rebels plantea que la inteligencia artificial generativa se ha convertido en un cuarto canal de reputación, que se suma a los tres espacios gestionados tradicionalmente por los departamentos de comunicación: medios, buscadores y redes sociales.
El trabajo combina grupos de discusión con responsables de comunicación y el análisis de más de 40.000 respuestas generadas por ChatGPT, Gemini, Perplexity y AI Overviews, con el objetivo de determinar qué fuentes utilizan estos sistemas y cuáles son las principales preocupaciones de los dircoms ante la denominada reputación algorítmica.
La principal dificultad es que todavía no existen métricas o metodologías universalmente aceptadas para gestionar este nuevo entorno.
Aparecer en una IA no significa tener buena reputación
Una de las primeras diferencias respecto al SEO tradicional está en la manera de interpretar la visibilidad.
Conseguir que una empresa aparezca citada en una respuesta no implica necesariamente que el modelo construya una percepción favorable sobre ella.
Una organización puede tener una elevada presencia y, al mismo tiempo, quedar relacionada con atributos negativos, problemas históricos o críticas antiguas. También puede ser mencionada frecuentemente pero no aparecer entre las alternativas que la inteligencia artificial termina recomendando.
Para los departamentos de comunicación, esto obliga a distinguir entre presencia, atributos y recomendación.
El reto deja de consistir únicamente en preguntar cuántas veces aparece una organización y pasa a incluir cuestiones como qué dice el modelo sobre ella, qué argumentos utiliza, con qué competidores la compara y qué fuentes respaldan esa descripción.
Las diferencias entre modelos añaden complejidad. ChatGPT, Gemini, Perplexity o AI Overviews no necesariamente utilizan las mismas fuentes ni responden del mismo modo ante una consulta equivalente.
Los medios mantienen una elevada influencia
Uno de los resultados más relevantes para los dircoms es el peso que conservan los medios de comunicación dentro de las respuestas generativas.
Los análisis previos realizados por Asesores y Good Rebels indican que la cobertura editorial puede tener una influencia considerablemente superior a otras fuentes cuando los modelos construyen respuestas sobre empresas.
En banca, por ejemplo, la presencia en medios puede multiplicar por aproximadamente 1,78 las menciones de una compañía, mientras en seguros el efecto calculado alcanza alrededor de 1,64 veces.
Esto introduce una paradoja dentro del ecosistema informativo.
Los buscadores y asistentes con IA pueden reducir el tráfico que reciben los medios porque proporcionan directamente una respuesta al usuario. Sin embargo, esos mismos medios continúan siendo una parte importante de las fuentes utilizadas por la inteligencia artificial para construirla.
Para las relaciones públicas, el dato refuerza el valor de la autoridad editorial frente a estrategias destinadas únicamente a multiplicar contenidos propios o menciones.
Los canales propios no bastan para construir la narrativa
Las páginas corporativas continúan siendo relevantes para explicar actividad, productos o posicionamiento de una empresa, pero el análisis advierte de que controlar los canales propios no equivale a controlar la respuesta generada por un LLM.
Los modelos incorporan información procedente de numerosas fuentes externas.
Medios, comparadores, reseñas, redes sociales, páginas especializadas y otras webs pueden intervenir en el relato final que recibe un usuario.
Precisamente por ello, una de las preocupaciones de los dircoms se encuentra en determinar qué fuentes están provocando determinadas respuestas y cómo puede corregirse información que ha quedado obsoleta.
El análisis recogido por PRNoticias señala un caso en el que una compañía aparecía asociada en los LLM a fuertes críticas sobre su servicio posventa procedentes de información antigua. Tras desarrollar una estrategia transparente de comunicación con medios sobre los problemas y las medidas adoptadas posteriormente, las respuestas generativas comenzaron a incorporar ese nuevo contexto aproximadamente tres meses después.
El caso ilustra una diferencia importante respecto a determinadas técnicas de posicionamiento: modificar reputación algorítmica no consiste simplemente en alterar una página o introducir un dato nuevo.
SEO y comunicación deberán trabajar más coordinados
La aparición de este cuarto canal también cuestiona la separación tradicional entre departamentos.
En muchas empresas, todo lo relacionado con buscadores se encuentra bajo responsabilidad de SEO, marketing digital o ecommerce, mientras reputación y relaciones con medios pertenecen al área de comunicación.
Los modelos generativos mezclan ambos mundos.
Necesitan contenido técnicamente accesible, pero la respuesta que ofrecen está vinculada a cuestiones de autoridad, percepción, narrativa y confianza.
Asesores plantea precisamente que considerar la visibilidad en IA como un problema exclusivamente técnico puede provocar que los departamentos de comunicación pierdan capacidad para gestionar cómo se presenta la organización ante los usuarios.
La coordinación entre SEO, comunicación corporativa, reputación y contenidos se convierte así en una condición cada vez más importante.
Un equipo puede analizar qué preguntas provocan una respuesta negativa, mientras otro identifica qué fuentes está utilizando el modelo y comunicación trabaja posteriormente para corregir o contextualizar la información mediante acciones reales y contenidos verificables.
Las reseñas aparecen como un frente crítico
Los comentarios y opiniones de terceros representan otro de los grandes problemas identificados.
Una compañía puede producir información extensa y actualizada sobre sí misma, pero las reseñas negativas continúan formando parte del ecosistema de fuentes accesibles para una inteligencia artificial.
Si existe una cantidad significativa de opiniones negativas sobre atención al cliente, producto o experiencia de compra, estas señales pueden influir en la forma en que un modelo responde cuando un usuario solicita una valoración.
Esto obliga a incorporar la gestión de reseñas y reputación online a un marco mucho más amplio.
Ya no se trata únicamente de controlar la puntuación visible en una plataforma concreta. La información disponible puede terminar formando parte de una síntesis generada por IA en un espacio completamente diferente.
Los dircoms todavía carecen de estándares comunes
La falta de metodologías consolidadas es una de las diez principales inquietudes identificadas en el estudio.
Los responsables de comunicación necesitan saber cómo medir su posición, qué modelos deben monitorizar, con qué frecuencia deben realizar las consultas y qué indicadores permiten comparar resultados a lo largo del tiempo.
El problema se agrava porque las respuestas no siempre son estables.
Un modelo puede modificar su resultado después de una actualización, utilizar fuentes distintas para consultas ligeramente diferentes o variar según la forma de redactar el prompt.
La monitorización necesita por ello trabajar con conjuntos amplios de preguntas y no limitarse a realizar manualmente unas pocas consultas.
Asesores y Good Rebels proponen trabajar con una arquitectura diversa de fuentes y un proceso continuo que incluya escucha algorítmica, análisis y relaciones públicas.
La reputación corporativa se vuelve multimodelo
La principal transformación para los dircoms está en asumir que la reputación digital ya no se construye únicamente en superficies que la organización puede monitorizar de forma relativamente directa.
Un usuario puede no leer una noticia, no visitar la página corporativa y no consultar las redes sociales de una compañía. Puede simplemente preguntar a un asistente qué empresa ofrece mejores condiciones, qué organización tiene mayor reputación o cuáles son los principales problemas asociados a una determinada entidad.
La respuesta recibida estará construida a partir de múltiples fuentes y procesada por un modelo que actúa como nuevo intermediario.
El análisis de más de 40.000 respuestas confirma además que cada LLM presenta comportamientos propios, lo que obliga a pensar en una reputación multimodelo y no en una única posición dentro de la inteligencia artificial.
Para los directores de comunicación, el cambio amplía el territorio tradicional de trabajo. Medios, buscadores y redes sociales continúan teniendo relevancia, pero sus contenidos pueden terminar alimentando una cuarta superficie donde el usuario recibe directamente una interpretación sintetizada.
La reputación algorítmica se convierte así en un nuevo espacio de escucha y gestión para los departamentos de comunicación, donde la autoridad de los medios, la coherencia de las fuentes y la coordinación con SEO empiezan a determinar qué relato construye la inteligencia artificial sobre una organización.
