Fase 2.Delimitación del fenómeno: representación y comportamientos relacionados
Documento de trabajo · Versión conceptual 0.2 · 25 de octubre de 2026
El objetivo de esta etapa es resolver una cuestión fundamental antes de definir las dimensiones observables: ¿qué pertenece a la representación de una entidad y qué es un comportamiento del sistema relacionado con ella?
La distinción es importante porque, si ERIA™ mezcla ambos fenómenos desde el principio, podría terminar midiendo como si fueran equivalentes cosas diferentes.
Que un sistema identifique una marca, que la describa correctamente, que la recomiende, que la cite o que mantenga esa respuesta a lo largo del tiempo.
Podemos observar todas esas cosas, pero no debemos asumir que representan el mismo fenómeno ni que una explica necesariamente las demás.
Dos objetos de estudio distintos
Propongo separar inicialmente ERIA™ en dos ámbitos conceptuales relacionados.
A. Representación expresada
Qué expresa el sistema acerca de una entidad.
Incluye su identificación, categorización, descripción, atributos, relaciones, contextualización y atribuciones de información, siempre que estos elementos aparezcan en una salida observable.
Pregunta central: ¿cómo presenta o caracteriza el sistema a esta entidad?
B. Comportamientos relacionados
Qué hace el sistema con respecto a esa entidad bajo unas condiciones determinadas.
Incluye recomendarla, seleccionarla frente a alternativas, citarla, omitirla, priorizarla o producir respuestas diferentes entre consultas y momentos de observación.
Pregunta central: ¿cómo se comporta el sistema respecto a esta entidad en una tarea o contexto determinado?
La primera precisión es esencial: cuando hablamos de representación expresada, no afirmamos que estemos accediendo directamente a la representación interna del modelo.
Estudiamos lo que el sistema manifiesta y podemos documentar.
Del mismo modo, un comportamiento no tiene por qué ser independiente de la representación.
Puede estar relacionado con ella, pero también con la pregunta, las instrucciones, el contexto conversacional, las fuentes disponibles y otros factores.
Por tanto, esta separación es conceptual, no una afirmación causal.
Clasificación provisional de los fenómenos
Para evitar confusiones, examinemos cada elemento candidato y decidamos dónde encaja conceptualmente.
| Fenómeno | Clasificación provisional | Motivo |
| Identificación de la entidad | Representación expresada | Permite observar a qué entidad se refiere el sistema. |
| Categorización | Representación expresada | Muestra cómo clasifica a la entidad. |
| Descripción y atributos | Representación expresada | Muestra qué características le atribuye. |
| Relaciones y asociaciones | Representación expresada | Muestra qué vínculos expresa entre entidades o conceptos. |
| Contextualización | Representación expresada | Muestra en qué situaciones o necesidades sitúa a la entidad. |
| Atribución de afirmaciones | Representación expresada | Permite examinar a quién atribuye determinados datos o afirmaciones. |
| Citación de fuentes | Comportamiento relacionado | Describe cómo presenta o utiliza referencias documentales; requiere examinar por separado si respaldan las afirmaciones. |
| Recomendación | Comportamiento relacionado | Expresa una elección, sugerencia o preferencia en respuesta a una tarea. |
| Selección frente a alternativas | Comportamiento relacionado | Permite observar qué opciones elige o descarta bajo determinadas condiciones. |
| Omisión de la entidad | Comportamiento relacionado | Registra que no aparece en una respuesta en la que podría haber sido pertinente. |
| Frecuencia de aparición | Propiedad agregada de las observaciones | Resume cuántas veces aparece la entidad en un conjunto definido de consultas. |
| Consistencia entre respuestas | Propiedad de las observaciones | Describe el grado de concordancia entre resultados comparables. |
| Variación temporal | Propiedad longitudinal de las observaciones | Describe cambios entre mediciones realizadas en diferentes momentos. |
| Corrección de la información | Criterio de evaluación | Requiere contrastar las afirmaciones con evidencia adecuada. |
| Calidad de una recomendación | Criterio de evaluación | Requiere definir qué significa una recomendación adecuada para una tarea determinada. |
Esta clasificación es provisional. Algunos elementos pueden desempeñar más de una función dependiendo de la pregunta de investigación.
Una fuente citada es un comportamiento documental observable; la afirmación que el sistema atribuye a esa fuente forma parte del contenido expresado; y que la fuente respalde realmente la afirmación es una cuestión de evaluación.
No debemos convertir una misma observación en tres pruebas independientes de un fenómeno sin justificarlo.
Cuatro categorías que conviene mantener separadas
Además de los dos ámbitos principales, hay dos categorías que necesitamos para no confundir lo que estudiamos con las condiciones en las que lo observamos.
Categoría A. Representación expresada
Contenido que caracteriza a la entidad: identificación, categoría, atributos, relaciones, contexto y atribuciones.
Unidad de interés: el contenido expresado sobre la entidad.
Categoría B. Comportamiento relacionado
Acciones o resultados del sistema: recomendar, seleccionar, citar, omitir o cambiar la respuesta ante consultas comparables.
Unidad de interés: la conducta observable en una tarea y unas condiciones concretas.
Categoría C. Condiciones de observación
Modelo, fecha, consulta, instrucciones, historial conversacional, disponibilidad de búsqueda y otras condiciones que puedan documentarse.
Función: describir bajo qué circunstancias se ha producido una observación.
Categoría D. Evidencia y evaluación
Registros originales, fuentes contrastadas, reglas de anotación, criterios de corrección y grado de incertidumbre.
Función: determinar qué afirmaciones están respaldadas y cuáles siguen abiertas.
Estas cuatro categorías no son cuatro dimensiones de un índice.
Son una separación conceptual que permite mantener claro qué se estudia, qué hace el sistema, bajo qué condiciones se observa y con qué evidencia se interpreta.
Tres ejemplos para comprobar la distinción
Imaginemos que preguntamos a un sistema de IA por una herramienta denominada Otterly.
EJEMPLO 1 · DESCRIPCIÓN
Respuesta hipotética: «Otterly es una plataforma de seguimiento de visibilidad de marcas en respuestas de IA».
Representación expresada: categoría y descripción funcional.
Evaluación: verificar si la descripción es correcta y suficientemente precisa.
Lo que no podemos concluir: que el sistema conozca internamente todos los aspectos de la plataforma.
EJEMPLO 2 · RECOMENDACIÓN
Respuesta hipotética: «Para monitorizar la presencia de una marca en sistemas de IA, podrías evaluar Otterly junto con otras soluciones».
Representación expresada: la función que el sistema atribuye a Otterly y el contexto en que la sitúa.
Comportamiento relacionado: incluirla entre las opciones recomendadas.
Evaluación: determinar si la recomendación es pertinente y si las alternativas están justificadas.
Lo que no podemos concluir: que la recomendación se deba exclusivamente a la representación de la entidad.
EJEMPLO 3 · VARIACIÓN ENTRE CONSULTAS
Observación hipotética: la herramienta aparece en una respuesta, pero no en otra formulada bajo condiciones diferentes.
Representación expresada: comparar cómo se describe o caracteriza en ambas respuestas, si existe contenido suficiente.
Comportamiento relacionado: registrar su aparición u omisión.
Condiciones de observación: documentar las diferencias entre las consultas.
Lo que no podemos concluir: que el sistema haya perdido conocimiento sobre la herramienta.
Los ejemplos son ilustrativos, no resultados extraídos del corpus de ERIA-00.
Qué implica esta separación para AVM™ y PCI-L01
La delimitación ayuda a reutilizar los proyectos anteriores sin trasladar automáticamente sus estructuras a ERIA™
| Antecedente | Utilidad para ERIA™ | Precaución |
| AVM™ — Coverage | Puede aportar observaciones sobre aparición de entidades. | La cobertura no describe por sí sola la representación. |
| AVM™ — Recommendation Frequency | Puede aportar evidencia sobre comportamientos de recomendación. | Recomendar con frecuencia no equivale a representar correctamente. |
| AVM™ — Consistency | Puede ayudar a estudiar concordancia entre respuestas comparables. | La consistencia no garantiza la verdad. |
| AVM™ — Context | Puede aportar elementos para estudiar pertinencia contextual. | Hay que precisar si se evalúa contenido, conducta o ambos. |
| AVM™ — Recommendation Quality | Puede orientar criterios de evaluación. | La calidad requiere reglas explícitas y evidencia apropiada. |
| AVM™ — Supporting Sources | Puede orientar el examen de referencias y respaldo documental. | La presencia de una fuente no demuestra que respalde la afirmación. |
| PCI-L01 — Observaciones longitudinales | Puede permitir examinar cambios en respuestas registradas a lo largo del tiempo. | Los cambios observados no demuestran por sí solos cambios en una representación interna. |
La conclusión metodológica es que estos antecedentes ofrecen material potencialmente reutilizable, no una validación previa de ERIA™.
La correspondencia entre cada dato y el nuevo objeto de estudio tendrá que justificarse individualmente.
Qué podemos establecer en esta fase
A partir de esta delimitación, propongo mantener cuatro decisiones provisionales:
La representación de una entidad se estudiará inicialmente mediante el contenido que el sistema expresa sobre ella, no mediante afirmaciones sobre sus estados internos.
La recomendación, la selección, la citación, la omisión y la variación se estudiarán como comportamientos o resultados relacionados, sin asumir que son componentes equivalentes de la representación.
Las condiciones de consulta y la evidencia documental se registrarán por separado para interpretar correctamente cada observación.
La corrección, la pertinencia y la calidad se tratarán como cuestiones de evaluación que requieren criterios explícitos, no como propiedades demostradas por el mero hecho de que el sistema produzca una respuesta.
