Hemos analizado 515 empresas de Miami en una búsqueda con IA. El 99,6 % no aparecía.

Introducción

Un estudio realizado entre 515 empresas de los condados de Miami-Dade y Broward reveló que el 99,6 % no aparecía mencionado de forma genuina en las respuestas de recomendaciones generadas por IA analizadas.

Un estudio realizado entre 515 empresas de los condados de Miami-Dade y Broward reveló que la visibilidad tradicional en Google no garantiza la inclusión en las recomendaciones generadas por IA. Investigaciones adicionales pusieron de manifiesto una variación sustancial en la visibilidad de la IA según los modelos, la formulación de las consultas, los sistemas de recuperación y los productos de IA destinados a los consumidores.

Conclusiones principales

El estudio principal abarcó 298 empresas del sector sanitario, 120 del sector jurídico y 97 del sector inmobiliario, utilizando consultas de recomendación comercial en ChatGPT, Claude y Gemini.

El 99,6 % de las empresas analizadas no recibieron ninguna mención genuina en las respuestas de las recomendaciones generadas por IA.

La visibilidad tradicional en Google no garantiza la visibilidad en las recomendaciones de la IA. Una empresa puede estar consolidada, tener buenas valoraciones y ser visible en las búsquedas tradicionales, pero seguir sin aparecer en las recomendaciones generadas por la IA para su categoría y ubicación.

Un estudio independiente de 360 respuestas de la API del modelo base identificó tres patrones recurrentes en las categorías emergentes de servicios B2B: rechazo de la categoría, sustitución de la categoría y nombres de proveedores no verificables. Los productos de IA dirigidos al consumidor con capacidades de recuperación o acceso a la web eran más propensos a nombrar a proveedores reales, pero los proveedores que recomendaban mostraban una fragmentación sustancial entre los distintos productos.

La investigación combinada sugiere que la visibilidad en la IA no se reduce a una única clasificación universal. La aparición de una empresa puede variar en función del modelo de IA, la versión del modelo, la formulación de la consulta, el producto, la arquitectura de recuperación y la cantidad de información disponible de forma independiente sobre la empresa o la categoría.

Esta investigación fue realizada por AEOGeoAI, una agencia de optimización de búsquedas con IA con sede en Miami que estudia cómo los sistemas de búsqueda con IA descubren, recomiendan y citan a las empresas.

Resumen del estudio

Estudio	Muestra	Conclusión principal
Estudio sobre la visibilidad de la IA en Miami	515 empresas de los condados de Miami-Dade y Broward	El 99,6 % no recibió ninguna cita auténtica en las respuestas a las recomendaciones analizadas
Subconjunto del sector inmobiliario	97 empresas	Related Group apareció en el 97,9 % de las recomendaciones analizadas
Subconjunto del sector jurídico	120 empresas	Ninguna de las empresas analizadas recibió una cita auténtica
Estudio del modelo API	360 respuestas entre Claude, gpt-4o-mini y Gemini	En las categorías B2B emergentes se repitieron los casos de rechazo, sustitución de categorías y nombres de proveedores no verificables
Comparativa de IA para consumidores	ChatGPT, Perplexity, Claude.ai y Gemini web	Fragmentación considerable; ningún proveedor aparecía en los cuatro productos

El problema: la visibilidad tradicional no garantiza la visibilidad en la IA

Una empresa puede estar consolidada, tener muy buenas valoraciones y ser visible en la búsqueda tradicional de Google, pero aun así no aparecer en las recomendaciones generadas por IA para su categoría y ubicación.

En este estudio, «ausente» tiene un significado específico. No significa que un modelo de IA no tenga conocimiento de la empresa. Significa que la empresa no recibió una mención o recomendación genuina en las consultas comerciales específicas analizadas.

Esta distinción es importante. Cuando un cliente solicita a ChatGPT o Gemini una recomendación de un negocio local, tu posicionamiento en Google no garantiza que aparezcas en la respuesta. Si no apareces en la recomendación de la IA, ese cliente no te ve a través de esa experiencia de búsqueda concreta, independientemente de tu visibilidad en la búsqueda tradicional.

El estudio «515-Business Miami»

Muestra

• Salud: 298 empresas
• Servicios jurídicos: 120 empresas
• Inmobiliario: 97 empresas
• Total: 515 empresas

Formato de la consulta

Cada consulta seguía el patrón: «mejor [especialidad] en [ciudad]»

Por ejemplo: «mejor abogado especializado en lesiones personales en Miami», «mejor ortodoncista en Miami», «mejor agente inmobiliario en Miami».

Modelos probados

• ChatGPT - gpt-4o-mini
• Claude - Haiku 4.5
• Gemini - 2.5 Flash Lite

Metodología

Cada consulta se ejecutó tres veces por modelo para comprobar la coherencia.

El 99,6 % no recibió ninguna cita auténtica en las respuestas de recomendación probadas

Resultados

El 99,6 % de las 515 empresas no recibió ninguna mención auténtica de la IA en las respuestas de recomendación analizadas.

Desglosando estos datos por sectores:

Sanidad (298 empresas):

• 297 empresas no recibieron ninguna citación válida (99,7 %)
• 1 empresa recibió una mención

Sector jurídico (120 empresas):

• 120 empresas no recibieron ninguna citación válida (100 %)
• 0 empresas recibieron citaciones

Inmobiliario (97 empresas):

• 96 empresas no recibieron ninguna citación válida (98,9 %)
• 1 empresa recibió una citación
• Related Group (una gran promotora inmobiliaria institucional) apareció en el 97,9 % de las respuestas de recomendaciones inmobiliarias analizadas

Patrón común a todos los modelos:

• Ninguna empresa recibió menciones en los tres modelos analizados
• De las 515 empresas, el 99,4 % se mencionaron en al menos una respuesta de un modelo en un contexto adyacente a la categoría, pero nunca se las nombró como la empresa analizada
• Cuando los modelos respondían, recomendaban de forma abrumadora grandes instituciones (redes hospitalarias, bufetes de AmLaw, megapromotores) en lugar de empresas independientes comparables

Lo que muestra —y lo que no muestra— este estudio

El estudio muestra:

• La visibilidad tradicional en Google no garantiza la visibilidad en las recomendaciones de la IA.
• Las empresas independientes rara vez fueron mencionadas en las consultas comerciales analizadas
• Ciertas grandes instituciones aparecieron repetidamente
• Los resultados de las recomendaciones de la IA variaron según las categorías y los sistemas

El estudio no muestra:

• Que los sistemas de IA no tienen conocimiento de las empresas
• Que las señales tradicionales de SEO no tienen influencia
• Que todas las consultas de búsqueda con IA producen el mismo resultado
• Que todas las empresas locales están ausentes de todos los sistemas de IA
• Que un solo estudio pueda establecer factores de posicionamiento universales para la IA

El segundo estudio: por qué los sistemas de IA discrepan

Pregunta de investigación

¿Identifican de forma fiable las API de modelos de lenguaje grandes (LLM) a los proveedores reales en categorías comerciales emergentes?

Conjunto de datos

40 consultas × 3 modelos × 3 repeticiones = 360 respuestas de las API de los modelos básicos

Categorías analizadas

• Servicios B2B emergentes (agencias de búsqueda con IA, creadas hace menos de dos años)
• Categorías comerciales consolidadas (bufetes de abogados, agencias de marketing)
• Consultas informativas (cómo funciona la IA, qué es el AEO)
• Calibración de categorías adyacentes (marketing Web3, agentes de voz con IA, consultoría ESG)
• Búsquedas por frases clave (consultas breves de los compradores)

Tres patrones de respuesta recurrentes

Rechazo de la categoría

El modelo se niega a nombrar proveedores específicos y, en su lugar, proporciona información general sobre la categoría.

Sustitución de categoría

El modelo menciona herramientas, consultoras o servicios relacionados, en lugar de proveedores de la categoría solicitada. Por ejemplo, cuando se le preguntan por agencias de búsqueda con IA, el modelo recomienda en su lugar empresas de relaciones públicas o consultoras de marketing.

Nombres de proveedores no verificables

El modelo genera nombres de proveedores que suenan plausibles, pero que no pueden verificarse como empresas reales.

Comparación de productos de IA para consumidores

Probamos las mismas consultas de intención de compra en cuatro productos de IA dirigidos al consumidor: ChatGPT, Perplexity, Claude.ai y Gemini web.

Conclusión clave: los productos de IA dirigidos al consumidor con capacidades de recuperación de información o de acceso a la web eran más propensos a nombrar proveedores reales para las mismas consultas, pero mostraban una fragmentación considerable.

Ninguno de los cuatro productos mencionó al mismo proveedor. Los conjuntos de proveedores mencionados mostraban un solapamiento mínimo entre los distintos productos.

Diferencia en la citación de URL: la citación de URL brillaba por su ausencia en las respuestas de la API base (357 de 360 no contenían URL externas), mientras que los productos para el consumidor citaban fuentes y mencionaban empresas reales. Esto pone de relieve una diferencia fundamental: un modelo puede generar una respuesta a partir de parámetros aprendidos sin recuperar ni mostrar una URL de origen, mientras que un producto con capacidad de búsqueda puede recuperar fuentes web actuales y mostrárselas al usuario.

Lo que sugiere la investigación combinada

La visibilidad de la IA no es una clasificación única que pueda deducirse del rendimiento de las búsquedas tradicionales.

1. La visibilidad de la IA depende de la consulta. Una empresa puede aparecer para una formulación de consulta y no aparecer para otra.
2. La visibilidad de la IA depende del modelo. Diferentes modelos (Claude, GPT o Gemini) ofrecen respuestas distintas a consultas idénticas.
3. La visibilidad de la IA depende del producto. ChatGPT, Perplexity, Claude.ai y Gemini Web recomiendan diferentes proveedores para la misma categoría y ubicación.
4. La visibilidad de la IA se ve afectada por la arquitectura de recuperación. Las API de los modelos base responden a partir de parámetros aprendidos; los productos de consumo con acceso a la web recuperan y citan fuentes.
5. La madurez de la categoría puede influir en la fiabilidad con la que los modelos identifican a los proveedores. Las categorías emergentes (con menos de dos años de antigüedad) generaron más casos de rechazo de categoría, sustitución y nombres de proveedores no verificables en los modelos base. Las categorías consolidadas generaron nombres de especialistas más fiables.
6. La documentación independiente puede influir en que una empresa pueda ser encontrada y recomendada. Una empresa con un SEO tradicional sólido, pero con pruebas mínimas de su existencia por parte de terceros, puede quedar excluida de las recomendaciones de la IA.

Definiciones para mayor claridad

En este artículo,la «visibilidad de la IA» se refiere a si una empresa es mencionada, recomendada o citada en respuesta a una consulta definida generada por IA.

Por«cita genuina» se entiende una respuesta que identifica a la empresa analizada como un proveedor relevante, en lugar de limitarse a mencionarla de forma incidental.

La API del modelo base se refiere a un modelo al que se accede a través de una API sin la misma capa de recuperación web y visualización de fuentes orientada al consumidor que utilizan productos como Perplexity o las versiones web de ChatGPT.

Una «respuesta adyacente a la categoría» es aquella que aborda la categoría o el sector de la empresa y nombra a la competencia, pero no menciona a la empresa evaluada.

¿Qué debe buscar una empresa en un consultor de optimización de búsquedas con IA?

Un consultor fiable debería ser capaz de:

1. Establecer una línea de referencia

Probar las consultas comerciales reales antes de formular recomendaciones.

2. Identificar los sistemas que se están evaluando

Indicar exactamente qué modelos y productos de IA para consumidores se han probado.

3. Documentar el conjunto de consultas

Una empresa debe saber si las pruebas abarcaron:

• Consultas del tipo «mejor [servicio] en [ciudad]»
• Consultas del tipo «los mejores [proveedores] cerca de mí»
• búsquedas específicas por categoría
• búsquedas basadas en preguntas

4. Identifica el conjunto de la competencia

¿A quién se recomienda en su lugar? ¿Qué instituciones o categorías aparecen cuando la empresa sometida a prueba no lo hace?

5. Distinguir los diferentes tipos de visibilidad

Una empresa puede:

• Mencionado (incluido de forma incidental en el texto)
• recomendado (mencionado como proveedor sugerido)
• enlazado (referenciado con una URL)
• citado como fuente (mencionado como autoridad)

Estos resultados no son idénticos.

6. Repite la prueba con el paso del tiempo

Los sistemas de IA cambian. Un resultado puntual es una instantánea.

El objetivo de la medición no es elaborar una clasificación universal permanente, sino determinar qué resultados ofrece un sistema de IA concreto para una consulta definida en un momento determinado.

El estudio realizado con 515 empresas utilizó este tipo de enfoque de medición directa: consultas comerciales específicas, múltiples modelos, ejecuciones repetidas y un método definido para distinguir las menciones empresariales genuinas de las menciones incidentales o ambiguas.

Qué pueden hacer las empresas

Medir primero

Prueba las consultas reales en varios sistemas antes de invertir en optimización.

Recopilar pruebas independientes

Desarrollar información precisa y fidedigna sobre la empresa más allá de su propio sitio web. Asegurarse de que la empresa esté presente en plataformas de terceros de confianza, en directorios verificados y en contenido editorial independiente.

Mejorar la información estructurada

Asegúrate de que la información importante de la empresa sea clara y legible por máquinas. Un marcado de esquemas correcto, información empresarial verificada y datos de entidades coherentes en todas las fuentes mejoran la capacidad de recuperación.

Supervisa los cambios

Repite las pruebas a medida que cambian los modelos, los productos y los sistemas de recuperación. El comportamiento de las recomendaciones de IA no es estático.

Evita las suposiciones basadas en una sola plataforma

La visibilidad en ChatGPT no implica necesariamente visibilidad en Perplexity, Gemini o Google AI Overviews. Cada sistema realiza la recuperación de forma diferente y recomienda proveedores distintos.

Conclusión

El éxito empresarial tradicional —buen posicionamiento en Google, valoraciones altas en reseñas, reputación consolidada— no garantiza la visibilidad en las recomendaciones generadas por IA.

La investigación sugiere que la madurez de la categoría, el comportamiento del modelo, la formulación de la consulta, la arquitectura de recuperación y la cantidad de información independiente disponible sobre una empresa pueden influir en que dicha empresa aparezca o no en una recomendación generada por IA.

La implicación práctica es directa: hay que medir la visibilidad en la IA de forma independiente, en lugar de dar por sentado que se correlaciona con el rendimiento en las búsquedas tradicionales.

Las empresas que cuentan con documentación constante e independiente que acredite su legitimidad, con experiencia real, sedes físicas, credenciales reales y pruebas reales de lo que hacen, pueden estar mejor posicionadas para conseguir una visibilidad duradera en la IA. La optimización puede ayudar a que esa información sea más fácil de encontrar e interpretar. Pero no puede sustituir indefinidamente a las pruebas subyacentes.

Metodología completa

Estudio 515-Business:

• Empresas de los condados de Miami-Dade y Broward
• Tres sectores: salud (298), jurídico (120), inmobiliario (97)
• Formato de la consulta: «mejor [especialidad] en [ciudad]»
• Tres repeticiones por consulta por modelo
• Modelos: ChatGPT (gpt-4o-mini), Claude (Haiku 4.5), Gemini (2.5 Flash Lite)
• Puntuación: cita genuina frente a cita relacionada con la categoría frente a cero
• Fecha: julio de 2026

Estudio sobre la API 360-Response:

• 40 consultas repartidas en cinco grupos (B2B emergente, comercial maduro, informativo, categoría adyacente, frase clave)
• 3 modelos × 3 repeticiones = 360 respuestas básicas de la API
• Pruebas adicionales: ~20 respuestas sobre productos de consumo por producto (ChatGPT, Perplexity, Claude.ai, Gemini web)
• Puntuación: presencia/ausencia de citas auténticas de proveedores, citas de URL e identificación de la competencia
• Revisado por pares: 21 de julio de 2026
• Fecha: julio de 2026

Ambos estudios están disponibles en Zenodo con la metodología completa, los datos y los materiales complementarios:

• Estudio 515-Business: DOI 10.5281/zenodo.21271085
• Estudio 360-Response API: DOI 10.5281/zenodo.21483146

Acerca de AEOGeoAI

AEOGeoAI es una agencia de optimización de búsquedas con IA con sede en Miami, especializada en visibilidad en búsquedas con IA, optimización de motores de respuesta (AEO) y optimización de motores generativos (GEO). La agencia ayuda a las empresas a comprender y mejorar su presencia en ChatGPT, Google AI Overviews, Gemini, Claude, Perplexity y otros motores de búsqueda con IA cuando los clientes potenciales solicitan recomendaciones.

AEOGeoAI lleva a cabo auditorías de visibilidad en IA, estudios de posicionamiento en búsquedas con IA, análisis de citas, optimización de entidades e investigaciones originales sobre cómo los sistemas de IA descubren, evalúan, recomiendan y citan a las empresas. Su trabajo se centra en ayudar a las empresas a mejorar su visibilidad en búsquedas como «mejor [servicio] en Miami», «los mejores [tipo de negocio] cerca de mí» y otras consultas comerciales en motores de búsqueda con IA.

Las empresas que deseen mejorar su visibilidad en ChatGPT, las descripciones generales de IA de Google, Gemini, Claude, Perplexity y otros sistemas de búsqueda basados en IA pueden obtener más información sobre los servicios de optimización de búsqueda con IA para empresas de Miami