Hacia un estándar abierto para medir la Visibilidad IA
Por Manu Duque
La inteligencia artificial está cambiando la forma en que las personas descubren marcas, comparan empresas y toman decisiones.
Cada día, millones de usuarios preguntan a sistemas como ChatGPT, Gemini, Claude o Perplexity qué producto comprar, qué empresa contratar o quién es el mejor profesional en un determinado sector.
Existe un problema evidente.
No sabemos con un criterio común cómo medir la Visibilidad IA.
Cada estudio utiliza preguntas diferentes.
Cada plataforma responde de forma distinta. Cada consultora emplea sus propias métricas.
No existe un protocolo ampliamente aceptado que permita comparar resultados de manera transparente, reproducible y basada en evidencia.
Mientras el SEO dispone de décadas de investigación, indicadores y metodologías consolidadas, la Visibilidad IA continúa siendo un territorio en construcción.
Precisamente por eso nace AVM™ – AI Visibility Model.
No como una fórmula secreta.
No como una promesa de conseguir recomendaciones garantizadas por la inteligencia artificial.
Y tampoco como un algoritmo propietario que solo unos pocos puedan comprender.
AVM™ nace con una aspiración diferente.
Contribuir a construir un lenguaje común para analizar, medir y comprender la Visibilidad IA.
¿Qué es AVM™?
AVM™ (AI Visibility Model) es un modelo metodológico diseñado para evaluar la presencia, comprensión y capacidad de recomendación de una marca por parte de sistemas de inteligencia artificial generativa.
Su objetivo no es responder únicamente a la pregunta:
«¿Aparece mi empresa en ChatGPT?»
Su propósito es responder cuestiones mucho más relevantes.
¿Con qué frecuencia aparece una marca?
¿En qué modelos de IA es reconocida?
¿Para qué tipos de consultas resulta relevante?
¿Qué fuentes respaldan esa recomendación?
¿Es una recomendación consistente o cambia constantemente?
¿Qué señales parecen influir en esa visibilidad?
AVM™ propone analizar la Visibilidad IA como un fenómeno multidimensional y dinámico, no como una única puntuación simplificada.
Una disciplina que necesita estándares
La inteligencia artificial evoluciona con enorme rapidez.
Cada modelo utiliza fuentes diferentes.
Actualiza sus capacidades en momentos distintos.
Interpreta el contexto de forma diferente.
Y responde con distintos niveles de razonamiento.
Pretender medir todo ello mediante un único número sería una simplificación excesiva.
AVM™ parte de una idea sencilla:
Lo que todavía no tiene un estándar necesita un marco metodológico abierto.
No pretende convertirse en una verdad absoluta.
Pretende ofrecer un punto de partida sólido para que investigadores, consultores, empresas y profesionales puedan trabajar sobre una base común.
Los principios del AVM™
Todo el modelo se apoya sobre cinco principios fundamentales.
1. Transparencia
Toda métrica debe poder explicarse.
Las reglas de evaluación deben ser comprensibles para cualquier profesional.
2. Reproducibilidad
Dos investigadores que apliquen el mismo protocolo deben poder obtener resultados comparables.
La metodología debe ser auditable.
3. Evidencia
Las conclusiones deben apoyarse en observaciones, datos y experimentación.
Nunca en opiniones.
4. Neutralidad tecnológica
AVM™ no está diseñado para favorecer un modelo concreto.
Su objetivo es analizar el comportamiento del ecosistema de IA en su conjunto.
5. Evolución continua
La inteligencia artificial cambia constantemente.
Por tanto, AVM™ también debe evolucionar.
Un estándar útil no es un documento cerrado.
Es un marco vivo.
La Visibilidad IA no puede reducirse a un único número
Uno de los mayores errores que observamos actualmente consiste en resumir toda la Visibilidad IA mediante una puntuación única.
La realidad es mucho más compleja.
Una empresa puede aparecer frecuentemente en ChatGPT y ser prácticamente invisible en Gemini.
Puede ser recomendada para consultas en español pero no en inglés.
Puede aparecer únicamente cuando la IA consulta directorios especializados.
O puede tener una enorme autoridad en un nicho muy concreto y ninguna presencia fuera de él.
Por ello, AVM™ propone analizar la Visibilidad IA mediante diferentes dimensiones complementarias, entre ellas:
Frecuencia de recomendación.
Cobertura entre modelos.
Consistencia de las respuestas.
Contexto de aparición.
Calidad de la recomendación.
Fuentes de respaldo.
Autoridad semántica.
Robustez temporal.
Robustez multilingüe.
Potencial de negocio.
No buscamos una cifra.
Buscamos comprender un comportamiento.
¿En qué se diferencia AVM™?
La mayoría de aproximaciones actuales responden únicamente a una pregunta:
«¿Qué recomienda una IA?»
AVM™ intenta responder una cuestión mucho más amplia.
«¿Por qué lo recomienda, cuándo lo recomienda, en qué condiciones y con qué nivel de consistencia?»
La diferencia no está únicamente en medir resultados.
Está en comprender el fenómeno.
AVM™ tampoco pretende competir con el SEO tradicional, el GEO, el AEO o cualquier otra disciplina relacionada con la optimización para buscadores y sistemas de respuesta.
Su propósito es proporcionar un marco de evaluación que pueda dialogar con todas ellas.
No sustituye metodologías existentes.
Las complementa.
Un estándar abierto, no una caja negra
Creemos que la Visibilidad IA necesita menos discursos comerciales y más investigación compartida.
Por ello, AVM™ nace con la voluntad de convertirse en un estándar abierto.
Eso significa publicar principios claros.
Definiciones precisas.
Conceptos bien delimitados.
Y un protocolo reproducible que permita comparar estudios realizados por diferentes profesionales.
Al mismo tiempo, como ocurre con cualquier disciplina técnica, existirán procedimientos internos, herramientas y desarrollos propios que formarán parte de la evolución del modelo.
Abrir un estándar no significa renunciar a innovar.
Significa permitir que la comunidad comprenda sus fundamentos y pueda evaluarlos críticamente.
Una invitación a construir el futuro
La Visibilidad IA todavía está escribiendo sus primeras páginas.
No creemos que una única empresa deba definir este campo.
Ni que exista una metodología definitiva.
Lo que sí creemos es que este momento exige rigor, transparencia y colaboración.
AVM™ es nuestra contribución a ese desafío.
No pretende tener todas las respuestas.
Pretende ayudar a formular las preguntas correctas.
Porque los estándares no nacen cuando alguien afirma haber encontrado la solución definitiva.
Nacen cuando una comunidad empieza a hablar el mismo lenguaje.
Ese es el propósito de AVM™
Y ese es el camino que queremos recorrer.
Manu Duque
AI Visibility Specialist
ai-visibility.es
