NEXARA 01 – Protocolo experimental de autoauditoría de AI Visibility
Versión: 0.1 — Borrador de preparación
Investigador: Manu Duque
Entidad investigada: Manu Duque
Dominio de referencia: https://www.manuduque.com/
Marco metodológico: MEIA™
Marcos de investigación aplicados: EIDAI™, ERIA™ y AVM™
Estado: En preparación. No ejecutado ni congelado.
1. Objeto de investigación
Investigar cómo los sistemas de inteligencia artificial identifican, representan, describen, atribuyen información y recomiendan a Manu Duque en respuesta a diferentes tipos de consultas.
La investigación pretende determinar si la representación que generan los sistemas de IA coincide con la identidad profesional y la información pública documentada de la entidad.
2. Pregunta principal
¿En qué medida los sistemas de inteligencia artificial reconocen, identifican, representan y recomiendan correctamente a Manu Duque, y qué diferencias observables existen entre los sistemas evaluados?
3. Objetivos específicos
Examinar si los sistemas identifican correctamente a Manu Duque.
Determinar qué actividad profesional le atribuyen.
Comprobar la exactitud de los atributos y especializaciones que reproducen.
Identificar posibles confusiones, omisiones y atribuciones incorrectas.
Examinar cómo aparece en consultas de descubrimiento y recomendación.
Comparar las respuestas entre sistemas.
Identificar las fuentes utilizadas para respaldar las afirmaciones.
Obtener un diagnóstico inicial de AI Visibility.
4. Delimitación
Unidad de análisis: cada respuesta individual generada por un sistema de IA ante un prompt experimental.
Entidad: una única entidad real, Manu Duque, vinculada a su identidad profesional y a manuduque.com.
Ámbito: información profesional pública, actividad investigadora, especialización en AI Visibility, proyectos metodológicos y presencia en consultas relacionadas con su ámbito profesional.
Sistemas previstos:
ChatGPT.
Gemini.
Claude.
Perplexity.
Se registrará el sistema, el modelo o versión identificable y las condiciones disponibles en cada ejecución.
5. Diseño experimental
Se propone un estudio observacional, exploratorio, descriptivo y comparativo.
Corpus experimental: 12 prompts.
Se distribuirán en tres categorías:
Descubrimiento espontáneo — 4 prompts
Consultas que no mencionan expresamente a Manu Duque.
Objetivo: examinar si la entidad aparece espontáneamente en consultas relacionadas con su ámbito profesional.
Reconocimiento e identificación — 4 prompts
Consultas que mencionan expresamente a Manu Duque.
Objetivo: examinar qué identidad, actividad y especialización le atribuyen los sistemas.
Recomendación y adecuación profesional — 4 prompts
Consultas orientadas a encontrar profesionales especializados en AI Visibility, investigación de visibilidad IA y medición de entidades en sistemas de inteligencia artificial.
Objetivo: examinar si Manu Duque aparece como opción, en qué contexto y con qué justificación.
Repeticiones:
Tres ejecuciones independientes por prompt y sistema.
Volumen previsto:
12 prompts × 4 sistemas × 3 ejecuciones = 144 respuestas.
Las ejecuciones se distribuirán en tres sesiones independientes dentro de una ventana de recogida previamente establecida.
Este volumen constituye una muestra exploratoria del comportamiento observado, no una estimación de la totalidad de las respuestas posibles de cada sistema.
6. Condiciones de ejecución
Utilizar conversaciones independientes.
Introducir literalmente el prompt aprobado.
No proporcionar información adicional sobre Manu Duque.
No corregir ni orientar la respuesta del sistema.
Conservar la respuesta completa.
Registrar fecha y hora.
Registrar plataforma, modelo y configuración identificables.
Documentar las funciones de búsqueda, navegación o fuentes externas cuando estén disponibles.
Registrar cualquier incidencia.
No sustituir respuestas fallidas sin dejar constancia.
Cuando no sea posible igualar las condiciones entre plataformas, la diferencia quedará documentada.
7. Registro de referencia de la entidad
Antes de ejecutar los prompts se construirá una ficha independiente de referencia.
Contendrá:
Nombre de la entidad.
Denominaciones y referencias públicas.
Dominio oficial.
Identidad profesional declarada.
Actividad profesional
Especialización.
Proyectos de investigación.
Marcos metodológicos.
Publicaciones y documentación relevante.
Relaciones profesionales documentadas.
Fuentes de respaldo.
Información desconocida o no contrastada.
Cada afirmación tendrá una clasificación de procedencia:
P1 — Fuente primaria propia: información publicada por Manu Duque.
P2 — Fuente independiente: información respaldada por fuentes ajenas a la entidad.
P3 — Declaración pendiente de corroboración: información publicada cuya verificación independiente no está disponible.
P4 — Información desconocida: dato que no puede establecerse con la documentación disponible.
La ficha se cerrará antes de examinar las respuestas experimentales.
8. Variables de evaluación
Se utilizarán como base las variables consolidadas de EIDAI™:
| Código | Variable | Evaluación |
| V01 | Entity Recognition | Reconocimiento |
| V02 | Entity Identification | Identificación |
| V03 | Entity Disambiguation | Desambiguación |
| V04 | Attribute Attribution | Atribución de atributos |
| V05 | Relationship Resolution | Resolución de relaciones |
| V06 | Representation Accuracy | Fidelidad representacional |
| V07 | Unsupported Attribution | Atribuciones no respaldadas |
| V08 | Justified Abstention | Abstención justificada |
Se incorporarán las dimensiones AVM™:
Frecuencia de aparición.
Cobertura entre sistemas.
Consistencia.
Contexto de aparición.
Calidad y prioridad de recomendación.
Fuentes de respaldo.
Las dimensiones se evaluarán por separado. No se construirá inicialmente una puntuación global única.
9. Reglas de evaluación
Cada afirmación relevante de una respuesta se cotejará con la ficha de referencia.
Se utilizarán las siguientes categorías:
Correcta y respaldada.
Incorrecta o contradicha.
No respaldada.
No concluyente.
Abstención justificada.
La ausencia de información no se considerará automáticamente un error.
La mención de Manu Duque tampoco se considerará por sí sola una recomendación.
Una recomendación solo se contabilizará cuando exista una recomendación explícita o una inclusión inequívoca como opción pertinente.
10. Evidencias y trazabilidad
Cada respuesta tendrá un identificador único.
Formato:
NEXARA-[PROMPT]-[SISTEMA]-R[REPETICIÓN]
Ejemplo:
NEXARA-P01-CHATGPT-R01
Cada registro conservará:
Identificador.
Prompt literal.
Respuesta original.
Fecha y hora.
Sistema y versión identificable.
Condiciones de ejecución.
Evidencias y fuentes citadas.
Anotación.
Evaluación.
Justificación.
Incidencias.
Los originales permanecerán separados de las anotaciones y los resultados calculados.
Se conservarán huellas digitales de los archivos cuando sea técnicamente posible.
11. Aplicación de los marcos de investigación
MEIA™ — Metodología transversal
Control de evidencias, procedencia, verificación, trazabilidad y límites de las conclusiones.
EIDAI™ — Identificación y desambiguación
Reconocimiento, identificación, diferenciación y atribución de información a Manu Duque.
ERIA™ — Representación de entidades
Análisis de cómo se construye y reproduce la representación profesional de Manu Duque.
AVM™ — AI Visibility Model
Evaluación de aparición, cobertura, consistencia, contexto, recomendación y fuentes.
PCI™ — Predictive AI Visibility Research
Fuera del alcance de esta primera ejecución. Podrá plantearse una fase longitudinal independiente cuando exista una línea base documentada.
12. Alcance de los resultados
La primera ejecución permitirá obtener:
Un registro de reconocimiento e identificación.
Un perfil de representación profesional.
Una matriz de atributos correctos e incorrectos.
Un registro de fuentes y atribuciones.
Un perfil descriptivo de visibilidad.
Una comparación entre los cuatro sistemas.
Un diagnóstico de oportunidades y limitaciones.
No permitirá afirmar:
Que los resultados representan a todos los usuarios o consultas.
Que una respuesta refleja todo el conocimiento interno del modelo.
Que la visibilidad observada es permanente.
Que las diferencias entre plataformas son generalizables a todas sus versiones.
Que existe capacidad predictiva.
Que el caso representa el comportamiento de otras entidades.
13. Criterios de cierre
La primera ejecución podrá cerrarse cuando:
El protocolo esté aprobado y congelado.
La ficha de referencia esté documentada.
El corpus esté definido.
Las ejecuciones previstas estén realizadas o sus incidencias documentadas.
Las respuestas originales estén conservadas.
Las anotaciones estén justificadas.
Los indicadores estén calculados a partir de datos válidos.
Las limitaciones estén declaradas.
El informe final permita rastrear cada conclusión hasta su evidencia.
14. Estado documental
NEXARA-01 — Protocolo experimental de autoauditoría.
Versión: 0.1.
Estado: borrador de preparación.
Entidad: Manu Duque / manuduque.com.
Ejecución: pendiente.
Resultados: inexistentes en esta fase.
Conclusiones: no establecidas.
Principio rector: evidencia antes que conclusión.
Autor e investigador: Manu Duque.
Operación NEXARA — AI Visibility Experimental Case Study.
