Los rankings de visibilidad en IA son ruido estadístico

Actualizado: septiembre 2026.

Compras una herramienta que te da un número bonito: tu marca está la cuarta en visibilidad de IA. Suena a dato sólido. El problema es que si vuelves a preguntar mañana, o incluso dentro de un minuto, ese número cambia. Una investigación de 2026 lo confirma: buena parte de esos rankings son, básicamente, ruido estadístico. Y desde septiembre de 2026 ya existe un estándar académico que dice cuántas veces hay que preguntar para que el dato deje de ser una anécdota.

¿Por qué un ranking de visibilidad en IA cambia cada vez?

Porque los modelos generan respuestas con variación, no con una tabla fija. El investigador Ron Sielinski (cofundador de IQRush) lo midió en un paper de abril de 2026 sobre SearchGPT, Gemini y Perplexity. Su conclusión, resumida por Search Engine Journal: las citas siguen una distribución con mucha cola, y muchas diferencias entre marcas caen dentro del "ruido" de la propia medición.

Un ejemplo del estudio lo deja claro. En SearchGPT sobre material de running, Tom's Guide salía en torno al 9,5% de las citas y Runner's World sobre el 6,0%. Parece que uno gana. Pero los márgenes de error se solapaban, así que esa diferencia de 3,5 puntos no es fiable con una sola medición. Obviamente, tomar una decisión con ese número es construir sobre arena.

¿Cuánto de inestable es de verdad?

Mucho más de lo que parece. La investigación citada por SparkToro encontró que solo el 30% de las marcas sigue visible de una respuesta a la siguiente, y apenas el 20% aguanta presente a lo largo de cinco respuestas seguidas. Es decir, cuatro de cada cinco marcas aparecen y desaparecen según la tirada.

Sielinski lo llevó al terreno del método. En sus 30 pruebas de plataforma y tema, hizo falta entre 33 y 94 respuestas para que la medición se estabilizara, y en 3 de esas 30 no se estabilizó ni con 125 preguntas. Traducido: un dashboard que te da una posición con una sola consulta no te está midiendo, te está enseñando una foto movida.

¿Cuántas veces hay que preguntar? El estándar académico de 2026

Hasta ahora cada herramienta elegía su número de repeticiones a ojo. El trabajo de Dmitrij Żatuchin (arXiv:2609.04047, 3 de septiembre de 2026) pone cifras al asunto analizando unas 190.000 observaciones de recomendación de marca sobre 270+ marcas, 6 idiomas y 24 modelos. Descompone la variación de una respuesta de IA en cuatro fuentes (el muestreo del propio modelo, cómo está redactado el prompt, la variación entre corridas y la versión del modelo) y calcula cuánta repetición hace falta para que el ruido deje de mandar sobre la señal.

La conclusión práctica para quien contrata visibilidad en IA es directa: si tu proveedor te enseña una cifra medida con una sola consulta, esa cifra tiene una fiabilidad cercana a cero. Cinco corridas es lo mínimo para explorar; diez para tomar una decisión; quince para afirmar algo en firme. Y el estudio se sostiene: su predicción de fiabilidad se reprodujo en 37 de 39 escenarios de validación independientes. Que incluya 6 idiomas importa aquí, porque una marca española no se mide igual que una anglosajona y el volumen de datos sobre el mercado en español siempre es menor.

¿Qué debería medir en lugar del ranking?

Mide un porcentaje estable, no una posición suelta. En vez de "estoy el cuarto", la pregunta útil es "en qué porcentaje de consultas de mi sector me cita la IA, medido muchas veces". Con suficientes prompts repetidos en el tiempo, ese porcentaje se vuelve fiable, con un margen de más o menos unos pocos puntos. Eso sí es una señal de negocio.

Esa lógica es la de la Citation Rate: no te da un puesto de vanidad, te da una tasa de aparición medida sobre un universo amplio de consultas y varias corridas. Es más aburrida que un "estás el 1º", sí es verdad, pero es la única que no te miente cuando la IA cambia de humor entre una respuesta y otra.

Ranking de vanidad vs medición fiable

Ranking de visibilidad suelto	Medición estadística fiable
Una consulta, un número	Muchas consultas repetidas en el tiempo
"Estás el 4º" (cambia mañana)	"Te citan en el X% de las consultas, ±5%"
Ignora el margen de error	Reporta rangos, no posiciones exactas
Solo el 20% de marcas aguanta 5 respuestas	Estándar 2026: 5 corridas = 0,58 · 10 = 0,74 · 15 = 0,81 de fiabilidad

Por qué esto importa a un CMO, no solo a un SEO

Porque decisiones de presupuesto se están tomando con estos números. Si tu agencia te enseña un ranking que "sube" de la semana pasada a esta, puede que solo estés viendo la variación natural del modelo, no el efecto de su trabajo. Y al revés: un mes flojo puede ser ruido, no fracaso. Medir mal lleva a felicitar o a despedir por azar.

La lectura honesta es incómoda para media industria del GEO: vender una posición fija como si fuera estable es vender humo. Nosotros preferimos enseñar la tasa medida en serio, con sus rangos, aunque sea menos vistosa. Es la diferencia entre un dato que aguanta una auditoría y uno que se cae al segundo prompt. Puede que me equivoque en el detalle técnico, pero el principio es sólido: sin repetición, no hay medida.

¿Y en España qué pasa?

El mercado español llega ahora a esta conversación, y eso es una ventaja si se hace bien. Muchas PYMES B2B españolas están a punto de contratar herramientas de "visibilidad en IA" atraídas por un número simple. Vale la pena preguntar antes: ¿ese ranking está medido con cuántas corridas? Si la respuesta es "una", no es una métrica, es una anécdota. Exigir rangos y repetición es lo que separa medir de adivinar.

Preguntas frecuentes

¿Por qué mi ranking de visibilidad en IA cambia cada día?

Porque los modelos generan respuestas con variación. El mismo prompt puede devolver marcas y órdenes distintos. Según la investigación de Ron Sielinski (2026), muchas diferencias entre marcas caen dentro del ruido de medición, así que una posición basada en una sola consulta no es fiable.

¿Entonces no sirve de nada medir la visibilidad en IA?

Sí sirve, pero bien medida. Lo inútil es una posición suelta. Lo útil es un porcentaje de citación calculado sobre muchos prompts repetidos en el tiempo, reportado con su margen. Ese dato sí refleja tu situación real y aguanta una auditoría.

¿Cuántas veces hay que preguntar para tener un dato fiable?

Bastantes. El estándar académico de 2026 (el "Dice Roll Method") fija tres niveles: 5 corridas del mismo prompt dan fiabilidad 0,58 (exploratorio), 10 dan 0,74 (confirmatorio) y 15 dan 0,81 (riguroso). En el estudio previo de Sielinski hicieron falta entre 33 y 94 respuestas para estabilizar según la prueba. En ambos casos la lectura es la misma: una herramienta que te da un número con una sola consulta te está enseñando una foto movida.

¿Qué le pido a mi agencia o herramienta de GEO?

Que reporte rangos, no posiciones exactas, y que diga con cuántas corridas mide. Si solo te enseña "estás el 3º" sin margen de error ni número de repeticiones, desconfía. La medición honesta se parece más a "te citan en el 40% de las consultas, más o menos 5 puntos".

¿La Citation Rate también es ruido?

No, si se mide con repetición. La Citation Rate es un porcentaje de aparición sobre un universo amplio de consultas y varias corridas, justo lo contrario de una posición de una sola tirada. Esa es la forma correcta de convertir el caos del modelo en una señal estable.

Siguiente paso

Si estás valorando una herramienta de visibilidad en IA o dudas de los números que te enseñan, empieza por entender cómo funciona el GEO y qué se puede medir de verdad. El audit gratuito de Citora mide tu Visibility Score en los cuatro motores (ChatGPT, Gemini, Claude y Perplexity) con criterio estadístico, y te dice dónde estás frente a tus competidores sin venderte una posición de vanidad.