NEXARA – Protocolo de medición y verificación v1.0
Objeto: Medición de la identificación, representación y recomendación de Manu Duque en sistemas de inteligencia artificial.
Responsable de la investigación: Manu Duque
Entidad principal evaluada: Manu Duque, como persona profesional.
Activo digital asociado: manuduque.com.
Sistemas incluidos: ChatGPT, Gemini, Claude y Perplexity.
Idioma de evaluación: español.
Ámbito geográfico de referencia: España.
Versión: 1.0
Estado: Protocolo metodológico propuesto para su aprobación y aplicación.
Naturaleza: Investigación observacional, comparativa y, en su fase posterior, longitudinal.
1. Finalidad
NEXARA tiene como finalidad investigar cómo distintos sistemas de inteligencia artificial identifican, representan y recomiendan a una misma entidad profesional cuando reciben consultas relacionadas con su especialización.
La investigación pretende determinar:
Si los sistemas identifican espontáneamente a Manu Duque como profesional relacionado con AI Visibility.
Si reconocen correctamente su identidad cuando se menciona expresamente su nombre.
Qué atributos profesionales, proyectos y relaciones le asignan.
Si lo recomiendan ante necesidades profesionales relacionadas con su especialización.
Qué fuentes utilizan para construir o justificar esas respuestas.
Cuánto varían los resultados entre ejecuciones y plataformas.
Si las características observadas se mantienen o cambian en mediciones posteriores.
NEXARA no pretende demostrar que una persona ocupa una posición universal en los sistemas de IA ni que existe un ranking estable de profesionales.
Su propósito es obtener evidencias delimitadas, verificables y reproducibles sobre comportamientos observables.
2. Antecedentes y situación de partida
La primera ejecución de NEXARA está documentada en el archivo «NEXARA – Ejecución experimental (1).docx».
El diseño inicial contemplaba:
12 prompts.
4 sistemas de IA.
3 ejecuciones por prompt y sistema.
144 respuestas previstas.
El documento de ejecución contiene una primera respuesta para cada uno de los 12 prompts en los cuatro sistemas examinados.
Por tanto, el registro inicial documentado es:
12 prompts × 4 sistemas × 1 ejecución = 48 respuestas.
Estas 48 respuestas constituyen la primera observación exploratoria de NEXARA.
No deben considerarse una muestra de tres repeticiones ni utilizarse para calcular estabilidad entre ejecuciones.
Se conservarán íntegramente como conjunto de datos inicial, identificado como:
NEXARA-T0 — Corpus exploratorio inicial.
No se modificarán las respuestas originales para adaptarlas a las nuevas variables.
La clasificación y evaluación se realizarán en registros separados.
3. Diseño de investigación
NEXARA se estructura en tres bloques complementarios.
Bloque A – Descubrimiento espontáneo
Prompts P01–P04
No se menciona expresamente a Manu Duque ni se proporciona su dominio web.
Objetivo: observar si los sistemas incluyen espontáneamente a Manu Duque cuando reciben consultas relacionadas con AI Visibility, investigación, medición y especialización profesional.
Variables principales:
Aparición espontánea.
Identificación de la persona.
Asociación con AI Visibility.
Atributos profesionales atribuidos.
Fuentes utilizadas.
Posición o prominencia de la mención.
La ausencia de Manu Duque constituye un resultado válido.
Bloque B – Reconocimiento e identificación
Prompts P05–P08.
Se menciona expresamente a Manu Duque, pero no se proporciona una biografía ni información adicional que el sistema pueda limitarse a reproducir.
Objetivo: observar qué información reconoce o recupera el sistema sobre la persona y si construye una representación profesional coherente.
Variables principales:
Reconocimiento de la referencia.
Identificación correcta.
Desambiguación.
Exactitud de los atributos.
Representación profesional.
Identificación de proyectos y marcos.
Relaciones entre entidades.
Fuentes y respaldo documental.
Una respuesta que repita el nombre no demuestra por sí sola que el sistema haya identificado correctamente a la persona.
Bloque C – Recomendación profesional
Prompts P09–P12
No se menciona expresamente a Manu Duque.
Se plantean necesidades profesionales relacionadas con la medición, auditoría e investigación de AI Visibility.
Objetivo: observar si el sistema recomienda espontáneamente a Manu Duque, en qué circunstancias y con qué justificación.
Variables principales:
Inclusión en recomendaciones.
Frecuencia de recomendación.
Contexto de la recomendación.
Adecuación de la especialización.
Justificación ofrecida.
Diferenciación frente a otros profesionales.
Fuentes utilizadas para respaldar la recomendación.
La recomendación generada por un sistema no constituye una validación objetiva de la calidad profesional ni de la idoneidad real del candidato.
4. Unidad de análisis
La unidad primaria de análisis será:
Una respuesta completa generada por un sistema ante un prompt determinado, durante una ejecución independiente y bajo unas condiciones registradas.
Cada registro deberá identificar:
Sistema.
Prompt.
Bloque.
Número de ejecución.
Fecha.
Hora.
Modelo o versión identificable.
Idioma.
Región configurada o disponible.
Tipo de cuenta o modalidad de acceso.
Estado de búsqueda web.
Contexto de conversación.
Respuesta íntegra.
Fuentes o enlaces presentados.
Incidencias de ejecución.
La unidad de análisis no será una captura de pantalla aislada ni una puntuación comercial de visibilidad.
La respuesta íntegra será el registro primario.
6. Condiciones de ejecución
Para mejorar la comparabilidad, las ejecuciones deberán cumplir las siguientes condiciones:
Utilizar exactamente los mismos 12 prompts.
No modificar su redacción durante una misma fase experimental.
Abrir una conversación nueva para cada ejecución.
No proporcionar información biográfica adicional sobre Manu Duque.
No introducir respuestas anteriores en las conversaciones nuevas.
Mantener el mismo idioma y configuración geográfica de referencia.
Registrar la modalidad de cuenta y las opciones de búsqueda disponibles.
No solicitar al sistema que recuerde, amplíe o corrija su respuesta anterior.
Conservar la respuesta completa sin editar.
Registrar cualquier cambio de interfaz, modelo o herramienta que pueda afectar al resultado.
Cuando un sistema no permita controlar una condición, se registrará como limitación y no se asumirá que ha permanecido constante.
Búsqueda web y herramientas externas
La búsqueda web puede modificar sustancialmente el comportamiento observado.
Por ello, cada ejecución deberá registrar si el sistema ha utilizado búsqueda web, navegación, recuperación de fuentes u otras herramientas.
Cuando sea posible, se diferenciarán dos condiciones:
Respuesta sin búsqueda externa.
Respuesta con búsqueda externa.
No se mezclarán ambas condiciones como si fueran equivalentes.
Si no es posible controlar la búsqueda, se documentará su estado observado o desconocido.
Independencia de las ejecuciones
Cada repetición deberá iniciarse en una conversación nueva, sin historial experimental previo.
Las repeticiones se realizarán de manera independiente, sin reutilizar el contexto de una respuesta anterior.
La independencia será operativa, no una garantía de independencia estadística absoluta: los sistemas pueden compartir datos, configuraciones o mecanismos internos que el investigador no puede controlar.
6. Número de ejecuciones y justificación
6.1 Referencia metodológica
La investigación de Schulte, Bleeker y Kaufmann, «Don’t Measure Once: Measuring Visibility in AI Search (GEO)» (2026), señala que una observación única no permite caracterizar adecuadamente la visibilidad en sistemas de búsqueda generativa.
Los autores estudian la variabilidad entre ejecuciones y momentos temporales y utilizan mediciones repetidas para estimar la distribución de resultados.
En sus condiciones experimentales, el trabajo encuentra que siete u ocho ejecuciones mejoran la estimación de determinados indicadores.
Este resultado constituye una referencia metodológica, no una regla universal aplicable automáticamente a todos los sistemas, entidades o variables de NEXARA.
6.2 Decisión para NEXARA
Se establece como referencia inicial:
8 ejecuciones independientes por cada combinación de prompt y sistema.
La estructura será:
12 prompts.
4 sistemas.
8 ejecuciones independientes.
12 × 4 × 8 = 384 respuestas nuevas.
Estas 384 respuestas constituirán el conjunto de medición repetida de NEXARA.
Las 48 respuestas iniciales se conservarán por separado.
El conjunto total, una vez completada esta fase, será de 432 respuestas documentadas, pero únicamente 384 pertenecerán a la fase de medición repetida.
6.3 Distribución temporal
Las ocho ejecuciones no se realizarán todas en una única sesión.
Se distribuirán en una ventana aproximada de dos semanas, procurando:
Separar las ejecuciones.
Evitar concentrarlas todas en el mismo día.
Registrar fecha y hora exactas.
Mantener condiciones comparables.
No cambiar los prompts ni los criterios durante la recogida.
Esta distribución permite observar variaciones dentro de una ventana temporal definida.
No permite, por sí sola, demostrar una tendencia longitudinal a largo plazo.
6.4 Interpretación del tamaño muestral
Ocho ejecuciones constituyen una referencia inicial razonada para caracterizar la variabilidad, no una garantía de precisión elevada.
Con ocho observaciones por combinación, los intervalos de incertidumbre pueden seguir siendo amplios.
Por tanto:
Se informarán frecuencias y denominadores.
Se presentarán intervalos de confianza cuando proceda.
No se interpretarán diferencias pequeñas como diferencias demostradas.
No se establecerán rankings definitivos entre profesionales.
No se afirmará que una frecuencia observada representa toda la visibilidad de una entidad en Internet o en un sistema de IA.
Si los resultados presentan una incertidumbre incompatible con la conclusión que se pretende formular, se ampliará la muestra mediante un diseño adicional previamente documentado.
No se añadirán ejecuciones selectivamente hasta obtener un resultado favorable.
7. Variables e indicadores
Las variables se evaluarán por separado. No se construirá una puntuación global que oculte diferencias entre dimensiones.
7.1 Aparición o detección
Pregunta: ¿Aparece Manu Duque en la respuesta?
Valores:
1 — Aparece.
0 — No aparece.
NA — No evaluable por incidencia técnica.
Indicador:
Tasa de aparición = respuestas con aparición / respuestas válidas.
Se calculará por prompt, bloque y sistema.
En el bloque A se medirá la aparición espontánea.
En el bloque B se registrará la presencia del nombre, pero no se interpretará como descubrimiento espontáneo, puesto que el prompt lo incluye expresamente.
7.2 Identificación de entidad
Pregunta: ¿El sistema identifica correctamente a Manu Duque como la persona profesional objeto de la consulta?
Valores:
Correcta.
Parcial.
Incorrecta.
No identificada.
No evaluable.
Se distinguirá entre:
Reconocer el nombre.
Identificar a la persona correcta.
Desambiguar frente a homónimos.
Asociar correctamente su actividad profesional.
La mera coincidencia nominal no será suficiente para considerar correcta la identificación.
7.3 Atribución de atributos
Pregunta: ¿Qué información atribuye el sistema a Manu Duque y es correcta?
Se analizarán afirmaciones atómicas, por ejemplo:
Actividad profesional.
Especialización.
Áreas de trabajo.
Localización profesional cuando sea pertinente.
Proyectos.
Marcos metodológicos.
Publicaciones.
Relaciones entre proyectos y persona.
Cada afirmación se clasificará como:
Correcta y respaldada.
Correcta, pero sin respaldo identificable.
Parcialmente correcta.
Incorrecta.
No verificable.
No aplicable.
No se considerará que una afirmación es correcta simplemente porque aparezca repetida en varias respuestas de IA.
Su cotejo se realizará contra el registro de referencia de NEXARA y las fuentes documentales correspondientes.
7.4 Representación profesional
Pregunta: ¿Cómo describe el sistema la actividad y especialización de Manu Duque?
Se observarán:
Marketing y comunicación.
SEO y marketing digital.
AI Visibility.
AI Visibility Measurement.
Predictive AI Visibility Research.
Investigación sobre entidades.
Medición y verificación.
Desarrollo de marcos metodológicos.
Se registrará qué dimensiones aparecen, cuáles se omiten y si existen atribuciones incompatibles con la referencia documental.
No se confundirá una descripción generada por IA con una acreditación independiente de esa especialización.
7.5 Recomendación profesional
Pregunta: ¿El sistema recomienda a Manu Duque ante una necesidad profesional relacionada con el objeto de estudio?
Valores:
Recomendación explícita.
Mención sin recomendación.
Recomendación condicionada.
No aparece.
No evaluable.
Se analizarán adicionalmente:
Justificación.
Adecuación al encargo.
Contexto.
Comparación con otros profesionales.
Fuentes de respaldo.
Indicador:
Tasa de recomendación = respuestas con recomendación explícita / respuestas válidas del bloque C.
La mención y la recomendación no serán consideradas equivalentes.
7.6 Fuentes y citación
Pregunta: ¿Qué fuentes utiliza el sistema para justificar la información?
Se registrará:
Existencia de fuentes.
Número de fuentes identificables.
URL o referencia.
Tipo de fuente.
Relación de la fuente con la afirmación.
Exactitud del contenido atribuido.
Accesibilidad y fecha de consulta.
Las fuentes se clasificarán, cuando sea posible, en:
Fuente primaria propia.
Fuente institucional.
Fuente académica.
Fuente periodística.
Directorio o plataforma profesional.
Fuente comercial.
Fuente no identificada.
Se distinguirá entre:
Fuente citada.
Fuente que realmente respalda la afirmación.
Fuente que solo menciona a la entidad.
Fuente que no permite verificar la afirmación.
La presencia de una URL no demuestra que el contenido de la respuesta esté respaldado por ella.
7.7 Prominencia
Pregunta: ¿Qué importancia ocupa Manu Duque dentro de la respuesta?
Se registrará:
Primera posición.
Posición intermedia.
Posición final.
Mención secundaria.
Mención incidental.
Cuando exista una lista ordenada de profesionales, se conservará la posición exacta.
No se inferirá una posición algorítmica o un ranking general a partir del orden de presentación de una respuesta.
7.8 Consistencia
Pregunta: ¿Se mantiene el comportamiento entre ejecuciones y sistemas?
Se estudiarán separadamente:
Consistencia de aparición.
Consistencia de identificación.
Consistencia de atributos.
Consistencia de representación.
Consistencia de recomendación.
Consistencia de fuentes.
Se diferenciará:
Variación entre ejecuciones de un mismo sistema.
Variación entre sistemas.
Variación entre prompts.
Variación temporal.
Una respuesta distinta no implica necesariamente una respuesta incorrecta. La evaluación dependerá de la variable analizada.
8. Registro de referencia y verificación
Antes de evaluar las respuestas repetidas se utilizará un registro de referencia de la entidad.
Este registro deberá contener:
Identidad de Manu Duque.
Posicionamiento profesional de referencia.
Descripción de su actividad.
Proyectos y marcos metodológicos.
Relaciones entre proyectos.
Publicaciones y páginas relevantes.
Fuentes disponibles.
Fecha de consulta.
Procedencia de cada afirmación.
Estado de corroboración.
Cada afirmación tendrá una clasificación documental:
Declaración propia.
Documentación propia publicada.
Corroboración independiente.
Información pendiente de corroboración.
Información desconocida o no disponible.
Una declaración propia puede servir como referencia para comprobar si una respuesta reproduce correctamente el posicionamiento declarado, pero no constituye por sí sola una validación independiente de su veracidad.
La referencia se cerrará antes de evaluar el corpus repetido. Cualquier actualización posterior deberá registrarse como una nueva versión.
9. Procedimiento de evaluación
La evaluación se realizará después de completar la recogida de respuestas.
Fase 1. Conservación
Guardar la respuesta íntegra.
Asignar un identificador único.
Registrar fecha y condiciones.
Conservar fuentes, enlaces y elementos de interfaz.
No corregir ni resumir el texto original.
Fase 2. Anotación
Aplicar las variables definidas en este protocolo.
Cada observación deberá tener un valor y, cuando corresponda, una justificación documental.
Fase 3. Cotejo
Contrastar las afirmaciones con el registro de referencia.
No se aceptarán como corroboración las respuestas de otros sistemas de IA.
Fase 4. Revisión de consistencia
Comprobar que las mismas reglas de clasificación se han aplicado a todas las plataformas y ejecuciones.
Se recomienda una segunda revisión independiente de una parte del corpus, preferiblemente con una selección aleatoria y presencia de los tres bloques.
Si solo existe un evaluador, se documentará esta limitación y se realizará una segunda revisión diferida de una muestra, sin presentarla como una validación independiente.
Las discrepancias se registrarán y resolverán mediante criterios explícitos.
Fase 5. Cierre
Conservar:
Datos originales.
Matriz de anotación.
Registro de fuentes.
Incidencias.
Criterios de evaluación.
Resultados agregados.
Limitaciones.
Las puntuaciones automáticas o las evaluaciones realizadas por otro LLM no sustituirán el cotejo humano. Si se utilizan, deberán identificarse como evaluaciones auxiliares y validarse frente a anotaciones humanas.
10. Tratamiento estadístico
Los resultados se presentarán por sistema, prompt, bloque y variable.
Indicadores principales
Frecuencia de aparición
Número de respuestas en las que aparece Manu Duque respecto al total de respuestas válidas.
Frecuencia de identificación correcta
Número de identificaciones correctas respecto al total de respuestas evaluables del bloque B.
Exactitud de atributos
Número de afirmaciones correctas respecto al total de afirmaciones evaluables.
Se informará también del número de afirmaciones no verificables e incorrectas.
Frecuencia de recomendación
Número de recomendaciones explícitas respecto al total de respuestas válidas del bloque C.
Cobertura
Número de prompts en los que aparece una dimensión o característica, respecto al total de prompts del bloque correspondiente.
Consistencia entre ejecuciones
Distribución de resultados obtenidos en las ocho ejecuciones de una misma combinación de prompt y sistema.
Consistencia entre plataformas
Comparación de las frecuencias y características observadas entre los cuatro sistemas, sin presuponer que sus condiciones internas son equivalentes.
Calidad de fuentes
Proporción de afirmaciones respaldadas por fuentes identificables y pertinentes, diferenciando las fuentes propias de las independientes.
Incertidumbre
Para indicadores de proporción se informará el numerador, el denominador y un intervalo de confianza del 95 %, preferiblemente mediante el método de Wilson.
Cuando existan pocas observaciones o denominadores reducidos, se advertirá expresamente de la incertidumbre.
Los resultados agregados no deberán ocultar diferencias importantes entre prompts.
No se presentarán decimales o puntuaciones de precisión aparente que el tamaño de la muestra no justifique.
No se establecerá una puntuación global de AI Visibility en esta versión del protocolo.
11. Reproducibilidad
Para que otra persona pueda repetir el experimento, NEXARA deberá facilitar:
Los 12 prompts exactos.
La definición de cada bloque.
Las condiciones de ejecución.
La identificación de los sistemas utilizados.
El número de ejecuciones.
El calendario de recogida.
Las respuestas originales.
El registro de referencia.
Las variables y criterios de anotación.
Las reglas de cálculo.
Las incidencias.
Las limitaciones conocidas.
La reproducibilidad se evaluará en dos niveles:
Reproducibilidad procedimental: otra persona puede repetir las consultas siguiendo las mismas instrucciones y condiciones documentadas.
Reproducibilidad de resultados: otra persona puede obtener resultados comparables dentro de la variabilidad esperable de los sistemas.
No se exigirá que las respuestas sean textualmente idénticas. Se comprobará si las distribuciones y patrones observados son compatibles con los resultados originales.
Los cambios de versión de los modelos, interfaces, herramientas o políticas de búsqueda deberán documentarse. Si afectan sustancialmente a las condiciones, se tratarán como una nueva fase experimental.
12. Medición longitudinal
La fase repetida inicial permitirá caracterizar la variabilidad durante una ventana temporal concreta.
Para estudiar evolución será necesario realizar una nueva medición posterior.
Se establece como propuesta una segunda ventana de observación, aproximadamente cuatro semanas después de finalizar la primera.
En ella se repetirán:
Los mismos 12 prompts.
Los mismos cuatro sistemas.
Las mismas condiciones controlables.
Las ocho ejecuciones por combinación.
Las mismas variables.
Los mismos criterios de evaluación.
El diseño permitirá comparar dos periodos de observación.
Se distinguirá entre:
Variación entre respuestas dentro de un periodo.
Diferencias entre periodos.
Cambios de plataforma o modelo.
Cambios en las fuentes disponibles.
Cambios documentados en la entidad evaluada.
Una diferencia entre dos ventanas temporales no demuestra por sí sola que una acción de optimización haya causado una mejora.
Para estudiar causalidad será necesario un diseño adicional que controle las intervenciones y otras explicaciones alternativas.
La segunda ventana no se ejecutará hasta cerrar y documentar los resultados de la primera.
13. Criterios de validez y límites
NEXARA podrá considerarse metodológicamente ejecutado cuando:
Se hayan aplicado los prompts establecidos.
Se hayan registrado las ejecuciones previstas.
Se conserven las respuestas originales.
Las condiciones estén documentadas.
Las variables se hayan aplicado de forma consistente.
Las fuentes y afirmaciones hayan sido cotejadas.
Las incidencias estén registradas.
Los cálculos puedan revisarse.
Las limitaciones estén declaradas.
La cantidad de respuestas, por sí sola, no garantiza la validez del estudio.
Se consideran limitaciones relevantes:
Imposibilidad de controlar los modelos internamente.
Cambios de versión no siempre transparentes.
Diferencias entre cuentas y modalidades de acceso.
Variación de las herramientas de búsqueda.
Posible personalización de las respuestas.
Dependencia del conjunto de prompts.
Tamaño limitado de la muestra.
Posible sesgo del evaluador.
Dificultad para verificar el origen real de una afirmación generada.
Los resultados solo serán generalizables a las condiciones y consultas estudiadas, no a todas las preguntas posibles ni a todos los usuarios de cada plataforma.
14. Qué podremos afirmar al terminar
Afirmaciones admisibles
Si los datos y el procedimiento lo respaldan, podremos afirmar:
Que en determinadas condiciones un sistema ha mencionado o no ha mencionado a Manu Duque.
Que la frecuencia de aparición observada ha sido determinada en el conjunto de prompts evaluado.
Que los sistemas han identificado correctamente, parcialmente o incorrectamente a la persona en las respuestas examinadas.
Que han atribuido determinados atributos profesionales y que esos atributos han sido cotejados con fuentes de referencia.
Que han recomendado o no recomendado a Manu Duque ante determinadas necesidades profesionales.
Que existen diferencias observadas entre sistemas y prompts.
Que las respuestas presentan un determinado grado de variabilidad entre ejecuciones.
Que ciertas fuentes aparecen de manera recurrente o esporádica.
Que se han observado cambios entre dos ventanas temporales, si se completa la fase longitudinal.
Que el procedimiento puede reproducirse bajo las condiciones documentadas, si una comprobación independiente lo confirma.
Afirmaciones no admisibles sin pruebas adicionales
NEXARA no permitirá afirmar automáticamente:
Que Manu Duque tiene una posición estable en ChatGPT, Gemini, Claude o Perplexity.
Que es uno de los mejores especialistas de España.
Que los sistemas reconocen universalmente su especialización.
Que una recomendación demuestra su calidad profesional.
Que una mayor frecuencia de aparición implica mayor autoridad.
Que la visibilidad observada representa a todos los usuarios.
Que una mejora observada se debe a una acción concreta de posicionamiento.
Que los resultados se mantendrán indefinidamente.
Que existe una puntuación universal de AI Visibility aplicable a cualquier entidad.
La formulación de las conclusiones deberá especificar siempre sistema, prompt o bloque, periodo, número de ejecuciones y condiciones de observación.
15. Entregables de NEXARA
La investigación producirá un conjunto documental único y trazable, compuesto por:
- Corpus exploratorio T0
Las 48 respuestas originales de la primera ejecución.
- Corpus de medición repetida
Las 384 respuestas nuevas previstas en esta versión.
- Registro de ejecución
Identificación de sistemas, fechas, horas, condiciones e incidencias.
- Registro de referencia de entidad
Afirmaciones, atributos, proyectos y fuentes de Manu Duque.
- Matriz de anotación
Clasificación de aparición, identificación, atribución, representación, recomendación, prominencia y fuentes.
- Informe de resultados
Resultados por sistema, bloque, prompt y variable, con sus denominadores e incertidumbre.
- Informe de limitaciones y reproducibilidad
Descripción de las condiciones que han podido controlarse, las que no y el grado de repetibilidad alcanzado.
- Informe longitudinal
Se elaborará únicamente si se completa la segunda ventana temporal.
16. Secuencia de ejecución
| Fase | Actividad | Resultado |
| 0 | Aprobar y cerrar el protocolo | NEXARA v1.0 |
| 1 | Cerrar el registro de referencia | Referencia de entidad |
| 2 | Revisar y conservar las 48 respuestas iniciales | Corpus T0 |
| 3 | Ejecutar 8 repeticiones por combinación | 384 respuestas |
| 4 | Anotar y cotejar las respuestas | Matriz de resultados |
| 5 | Analizar frecuencias, variabilidad e incertidumbre | Informe de medición |
| 6 | Revisar reproducibilidad y limitaciones | Informe metodológico |
| 7 | Realizar una segunda ventana temporal | Informe longitudinal, si procede |
No se introducirán nuevos prompts, sistemas o dimensiones durante una fase en curso.
Cualquier ampliación requerirá una nueva versión o un anexo metodológico.
17. Principio de interpretación
NEXARA no pretende demostrar una conclusión predeterminada sobre la visibilidad de Manu Duque.
La ausencia de menciones, los errores de identificación, las atribuciones incorrectas, la falta de recomendaciones o la variabilidad elevada son resultados válidos.
El estudio no se considerará fallido si los resultados son desfavorables o inconcluyentes.
La finalidad es conocer qué sucede realmente bajo condiciones observables y documentadas.
Principio rector: medir antes de comparar, verificar antes de concluir y declarar los límites antes de interpretar.
Referencias metodológicas
Schulte, J., Bleeker, M. y Kaufmann, P. (2026). Don’t Measure Once: Measuring Visibility in AI Search (GEO). arXiv:2604.07585. https://arxiv.org/abs/2604.07585
Sielinski, R. (2026). Quantifying Uncertainty in AI Visibility: A Statistical Framework for Generative Search Measurement. arXiv:2603.08924. https://arxiv.org/abs/2603.08924
Fu, X. y Liu, W. (2025). How Reliable is Multilingual LLM-as-a-Judge? Findings of EMNLP 2025. https://aclanthology.org/2025.findings-emnlp.587/
Estas referencias fundamentan la necesidad de mediciones repetidas, estimación de incertidumbre y cautela ante la evaluación automatizada. No constituyen una validación externa del propio protocolo NEXARA.
Fin del documento — NEXARA v1.0
