Glossary & Taxonomía AI Visibility Model AVM™
1. Propósito y Alcance
Este documento define la terminología formal y la estructura taxonómica para la evaluación, auditoría y análisis de la Visibilidad IA (AI Visibility).
El objetivo principal de este glosario es establecer un lenguaje común, matemáticamente estandarizado y conceptualmente riguroso para la investigación académica y profesional de cómo los Modelos de Lenguaje de Gran Escala (LLMs) y los Motores de Respuesta Sintética representan entidades en sus salidas generativas.
1.1 Propósito
Este documento establece la terminología formal, las definiciones operativas y la estructura taxonómica de referencia para la evaluación, auditoría y análisis de la Visibilidad IA (AI Visibility).
A medida que los Modelos de Lenguaje de Gran Escala (LLMs) y los Motores de Respuesta Sintética (SGE, motores RAG y buscadores híbridos) asumen un rol dominante como intermediarios en el acceso a la información global, se vuelve imprescindible contar con herramientas analíticas neutrales e independientes.
El objetivo fundamental de esta especificación es proveer a investigadores, auditores, consultores y organizaciones de un marco normativo unificado que asegure:
Unicidad Conceptual: Eliminar la ambigüedad en la interpretación de la presencia, citación y ponderación de marcas, personas, productos u organizaciones en entornos sintéticos.
Rigurosa Estandarización Metrológica: Definir fórmulas matemáticas precisas y reproducibles para calcular cuotas de presencia (Share of Voice), posiciones de recomendación y tasas de citación directa.
Interoperabilidad de Investigaciones: Permitir que estudios ejecutados por diferentes entidades, agencias o instituciones académicas puedan ser directamente comparados, combinados y auditados de forma acumulativa.
1.2 Alcance (Scope)
La taxonomía y el glosario definidos en este documento son aplicables a cualquier proceso de auditoría de respuestas generadas por IA, independientemente de la arquitectura del modelo o la interfaz de usuario.
El alcance incluye:
Sistemas Evaluados: Modelos de lenguaje generativo puros (vía API o interfaz de chat), sistemas asistidos por búsqueda en tiempo real (Retrieval-Augmented Generation o RAG), agentes de búsqueda sintética y motores de respuesta conversacionales.
Entidades de Estudio: Cualquier entidad identificable, incluyendo marcas comerciales, corporaciones, productos físicos o de software, figuras públicas, organizaciones no gubernamentales e instituciones académicas.
Tipologías de Datos: Análisis de salidas generativas estructuradas y no estructuradas en texto plano, marcado HTML/Markdown (enlaces y referencias) y componentes visuales o listas ordinales de recomendación.
Queda fuera del alcance de este documento
La evaluación de modelos generativos de imagen, audio o vídeo (reservados para futuras revisiones del marco AVM™).
Las técnicas propietarias de optimización interna (Generative Engine Optimization o GEO / AIO) orientadas a la manipulación del posicionamiento.
Este documento se centra exclusivamente en la medición, auditoría y observación científica del fenómeno.
1.3 Audiencia
Este estándar normativo está diseñado para servir como guía base a:
Investigadores Académicos y Científicos de Datos: Para fundamentar estudios empíricos sobre sesgos de recomendación, dominancia de mercado en LLMs y comportamiento de algoritmos generativos.
Consultores de Estrategia y SEO/GEO: Para auditar con métricas estándar la presencia de entidades sin recurrir a metodologías propietarias o «cajas negras».
Desarrolladores e Ingenieros de Auditoría: Para construir canalizaciones de datos (pipelines), tests automatizados y paneles de control basados en esquemas de datos abiertos e interoperables.
2. Definiciones de Conceptos Base (Glosario AVM)
2.1 Visibilidad IA (AI Visibility)
Grado y forma en que una entidad (persona, marca, producto u organización) es representada, recomendada, caracterizada o citada por sistemas de Inteligencia Artificial Generativa al responder a consultas de usuarios.
2.2 Share of Voice en LLMs (SoVllm)
Proporción de presencia relativa que obtiene una entidad específica respecto al total de menciones de entidades dentro de una misma categoría de producto o sector de conocimiento en N ejecuciones de prompt.
2.3 Mención Espontánea vs. Sugerida
Mención Espontánea (Unprompted Mention): Aparición de la entidad en la respuesta cuando el prompt de entrada no menciona explícitamente el nombre de la entidad ni de sus competidores directos
(eje. «¿Cuáles son los mejores CRM para PYMES?»).
Mención Sugerida (Prompted Mention): Aparición o evaluación de la entidad cuando el prompt de entrada sí incluye explícitamente el nombre de la entidad para comparar o analizar
(eje. «Compara HubSpot con Salesforce»).
2.4 Tasa de Mención (Mr)
Porcentaje de respuestas en las que una entidad aparece al menos una vez en un conjunto de prompts informativos dentro de una categoría dada.
2.5 Tasa de Citación Directa (Cr)
Proporción de respuestas en las que la mención de la entidad va acompañada de un enlace saliente hipervinculado (anchor text / URL explícita) hacia un dominio verificado perteneciente a la entidad o a una fuente primaria reconocida.
2.6 Sentimiento de Mención (Sm)
Evaluación cualitativa normalizada de la polaridad del contexto en el que la entidad es descrita dentro de la respuesta generativa.
Se clasifica en una escala discreta de tres niveles.
| Valor | Etiqueta | Criterio de Clasificación |
| +1 | Positivo / Favorito | Presentada como opción recomendada, líder de categoría o sin limitaciones relevantes. |
| 0 | Neutral / Descriptivo | Listada objetivamente como opción disponible sin adjetivos ponderativos ni sesgos de preferencia. |
| -1 | Negativo / Condicionado | Presentada con advertencias explícitas de fallos, costes elevados o inferioridad frente a alternativas. |
2.7 Alucinación de Marca (Brand Hallucination)
Generación de información fáctica errónea, atributos inexistentes, falsas vinculaciones corporativas, planes de precio ficticios o URLs rotas/inexistentes atribuidas a una entidad en la respuesta del modelo de IA.
2.8 Posición Promedio de Recomendación (Pr)
Posición ordinal (1, 2, 3… k) que ocupa una entidad en listas o enumeraciones generadas por la IA ante búsquedas de categoría.
Si no aparece, la respuesta se excluye del promedio o se penaliza con un rango equivalente a k+1.
2.9 Conceptos de Entorno y Pre-Procesamiento (Input Layer)
Ventana de Contexto Inyectada (Injected Context Window)
Volumen de información preexistente (historial de conversación, instrucciones de sistema, memoria persistente de usuario) que influye en la respuesta del modelo antes de procesar el prompt de prueba.
En la metodología AVM™, este valor debe reducirse a cero (Zero-State) para garantizar pruebas neutrales.
Huella de Localización (Geographic/IP Footprint)
Ubicación geográfica detectada por el proveedor de IA a través de la IP de origen o metadatos de sesión, la cual altera las recomendaciones de entidades según el sesgo regional o la disponibilidad del servicio.
Sesgo de Inyección RAG (Retrieval-Augmented Generation Bias)
Modificación en la visibilidad de una entidad provocada por los resultados de búsqueda web en tiempo real que el modelo recupera antes de redactar la respuesta final.
2.10 Conceptos de Respuesta y Análisis de Contenido (Output Layer)
Profundidad de Recomendación (Recommendation Depth (Dr)
Número total de entidades de la misma categoría que un modelo incluye en una sola respuesta.
Permite calcular el nivel de saturación del listado.
Índice de Co-Mención (Co-Mention Rate) (Cor)
Frecuencia con la que la entidad evaluada (EA) aparece citada dentro del mismo bloque de respuesta junto a una entidad competidora específica (EB).
Mención de Liderazgo / Top-1 Share (First-Mover Mention)
Porcentaje de ejecuciones en las que la entidad evaluada es presentada en el primer lugar (Pr = 1) o destacada como la opción preferente de la respuesta.
Mención de Exclusión (Negative Selection / Omission)
Escenario en el que una entidad con cuota de mercado relevante en el mundo físico o en SEO tradicional es sistemáticamente omitida (Mr = 0) por los modelos generativos ante consultas de su categoría base.
2.11 Métricas Cuantitativas Avanzadas AVM
Posición Ponderada de Visibilidad (Weighted Visibility Score) (WVS)
Métrica compuesta que asigna un valor decreciente a la posición de la entidad en la respuesta.
Las primeras posiciones obtienen mayor puntuación, reflejando el patrón de atención del usuario.
Volatilidad Temporal de Respuesta (Temporal Response Volatility) (Vt)
Grado de variación en la presencia o posición de una entidad cuando se ejecuta exactamente el mismo prompt en diferentes momentos del tiempo (mismo modelo, misma configuración).
Tasa de Citación Canibalizada (Third-Party Citation Rate (Ctp)
Porcentaje de veces que el modelo genera un enlace para respaldar la mención de una entidad, pero apunta a un agregador, medio de comunicación o directorio de terceros
(ej. G2, Capterra, Wikipedia) en lugar del sitio web oficial de la marca.
2.12 Fenómenos de Representación y Atribución
Alucinación de Atributos (Attribute Hallucination)
Subtipo de alucinación de marca donde la entidad sí existe y es recomendada correctamente, pero se le atribuyen características, integraciones, precios o funcionalidades falsas.
Canibalización de Fuente (Source Cannibalization)
Fenómeno en el cual el LLM sintetiza el contenido de la web oficial de una marca para responder la consulta del usuario, pero omite citar la URL de la marca (Cr = 0), reteniendo el tráfico de búsqueda.
Sesgo de Autoridad de Dominio Sintético (Synthetic Domain Authority)
Preferencia sistemática de un modelo por recomendar entidades que cuentan con un gran volumen de menciones en sus datos de entrenamiento o en fuentes de alta autoridad web (Reddit, Github, prensa mayoritaria), independientemente de la calidad real del producto.
Resumen de la Estructura de Métricas AVM™
| Categoria | Métrica Formal | Indicador | Propósito |
| Presencia | Tasa de Mención (Mr) | % de apariciones | Medir notoriedad básica |
| Dominio | Share of Voice (SoVllm) | % sobre total menciones | Medir cuota de mercado sintética |
| Jerarquía | Posición Ponderada (WVS) | Puntuación ordinal logarítmica | Medir relevancia de posición |
| Tráfico | Citación Directa (Cr) | % de enlaces oficiales | Medir capacidad de derivación de tráfico |
| Estabilidad | Volatilidad (Vt) | Desviación estándar (sigma) | Medir consistencia del algoritmo |
Estado: Borrador Inicial Abierto (RFC)
Licencia: Creative Commons Attribution 4.0 International (CC BY 4.0)
Manu Duque
AI Visibility Specialist
ai-visibility.es
Te puede interesar;
De la Experimentación a la Revolución de la IA Agéntica
