Los motores de IA como ChatGPT, Perplexity y Claude muestran un sesgo sistemático hacia dominios establecidos y fuentes con alta visibilidad previa. Las marcas presentes en 4 o más plataformas tienen 2,8 veces más probabilidades de ser citadas por ChatGPT que las marcas con presencia en una sola plataforma. Sin embargo, la investigación también muestra que el 37% de los dominios citados por motores de IA no aparecen en los resultados de búsqueda tradicional, lo que indica que existe una ventana real para los nuevos entrantes. Este artículo analiza cómo funciona el sesgo, por qué no es determinante, y qué pueden hacer las empresas pequeñas y medianas para competir.

¿Favorecen los motores de IA a los dominios establecidos?

Sí. La investigación es clara al respecto.

Un análisis de más de 5 millones de dominios citados por LLMs reveló que la edad media de los dominios citados por ChatGPT es de 17 años. Esto significa que los sitios web creados antes de 2009 tienen una ventaja estructural significativa sobre cualquier empresa fundada en la última década.

La investigación académica confirma un patrón similar: los LLMs reflejan los patrones de citación humanos pero con un sesgo más pronunciado hacia fuentes altamente citadas, un fenómeno conocido como efecto Mateo. El que ya tiene, recibe más.

Las marcas presentes en 4 o más plataformas tienen 2,8 veces más probabilidades de aparecer en las respuestas de ChatGPT que las marcas con presencia en una sola plataforma. Esto significa que no basta con tener un buen sitio web. La omnipresencia digital multiplica la citabilidad.

¿Por qué los LLMs favorecen a las fuentes establecidas?

El sesgo no es arbitrario. Tiene causas técnicas específicas.

Los LLMs se entrenan con datos históricos de internet. Los sitios que han existido durante más tiempo aparecen con más frecuencia en esos datos de entrenamiento. Cuando un modelo ha visto millones de veces que Wikipedia, Forbes o HubSpot son fuentes citadas por otros, internaliza esa señal como indicador de autoridad.

Es el mismo mecanismo que los backlinks en SEO tradicional, pero amplificado. En SEO, un dominio acumula autoridad enlace a enlace durante años. En el entrenamiento de un LLM, esa acumulación se comprime en un solo proceso que refuerza las jerarquías existentes.

Además, cuando los motores de IA buscan en tiempo real (Perplexity, ChatGPT con browsing, Google AI Overviews), los resultados que encuentran ya están filtrados por los algoritmos de los buscadores tradicionales, que a su vez favorecen a los dominios establecidos. El sesgo se hereda y se multiplica.

¿Es esto diferente al sesgo que ya existía en Google?

Sí, y en un aspecto importante es peor.

En Google, un sitio nuevo con buen contenido y una estrategia de backlinks agresiva podía escalar posiciones en meses. El algoritmo evaluaba cada página de forma individual: si tu artículo era mejor que el de Forbes para una query específica, podías superarlo en el ranking. Era difícil, pero posible.

En los LLMs, el sesgo opera a nivel de identidad de fuente, no solo de contenido individual. El modelo no solo evalúa si tu artículo es bueno. Evalúa si tu marca es una fuente que ha visto antes, que ha sido citada por otros, y que aparece en múltiples contextos. Si la respuesta es no, tu contenido parte con desventaja aunque sea técnicamente superior.

Dicho de otra forma: en Google competías página contra página; en los LLMs, compites marca contra marca.

¿Pueden las empresas nuevas competir en visibilidad ante motores de IA?

Sí. Y aquí es donde la historia se vuelve interesante.

A pesar del sesgo, la investigación sobre cobertura de fuentes en motores de búsqueda basados en LLMs muestra que el 37% de los dominios citados por motores de IA son exclusivos de estos — no aparecen en los resultados de los buscadores tradicionales.

Esto es significativo. Significa que los LLMs están descubriendo y citando fuentes que Google ignora. Para los nuevos entrantes, esto abre una ventana que no existía en el SEO tradicional: si tu contenido está optimizado para cómo los LLMs procesan información, puedes ser citado sin necesidad de tener el perfil de backlinks que Google exige.

La clave está en entender qué señales usan los LLMs cuando eligen fuentes en tiempo real, que son diferentes a las señales de los buscadores tradicionales.

¿Qué señales usan los LLMs para elegir qué citar cuando buscan en tiempo real?

Cuando un LLM como Perplexity o ChatGPT con browsing busca información para responder una pregunta, evalúa las fuentes que encuentra en función de criterios que se solapan parcialmente con los de Google, pero que tienen diferencias cruciales.

¿Cómo influye la estructura del contenido en la citabilidad?

Los LLMs necesitan extraer afirmaciones concretas para construir sus respuestas. Un contenido con datos verificables, fuentes citadas y afirmaciones bien delimitadas es más fácil de procesar y citar que un texto narrativo sin estructura clara. Esto no depende de la antigüedad del dominio. Depende de cómo escribes.

¿Importa más la autoridad temática o la autoridad de dominio?

En SEO tradicional, la autoridad de dominio (Domain Authority) es una métrica global: un dominio fuerte posiciona bien para casi cualquier tema. En GEO, la autoridad temática es más relevante. Un sitio pequeño que cubre un nicho con profundidad y coherencia puede ser citado por un LLM como fuente de autoridad en ese tema específico, incluso si su autoridad de dominio global es baja.

El conocimiento no es democrático en los LLMs, pero sí es meritocrático en el sentido de que la profundidad temática puede compensar la falta de antigüedad.

¿Cómo afecta la presencia multiplataforma a la citabilidad en IA?

Las marcas presentes en múltiples plataformas tienen una ventaja medible. Si un LLM encuentra tu marca mencionada en tu sitio web, en Medium, en GitHub, en LinkedIn y en podcasts transcritos, construye una representación más robusta de tu autoridad. No es solo que aparezcas en más sitios — es que el LLM puede triangular tu identidad desde múltiples fuentes independientes.

Esta es una estrategia de citabilidad accesible para empresas nuevas: no necesitas 17 años de dominio. Necesitas presencia coherente en múltiples plataformas que refuercen tu autoridad temática. El primer paso es medir cómo te ven los diferentes modelos de IA hoy.

¿Qué pueden hacer las empresas pequeñas para competir en citabilidad?

La estrategia para competir contra el sesgo de los LLMs se basa en tres principios que no requieren ni presupuesto masivo ni años de historia.

Primero: profundidad temática sobre amplitud. En lugar de publicar sobre muchos temas de forma superficial, cubre un nicho con una profundidad que ningún dominio generalista puede igualar. Los LLMs reconocen la coherencia del knowledge graph como señal de autoridad.

Segundo: presencia multiplataforma coherente. Publica tu contenido central en tu dominio, pero distribuye versiones complementarias en Medium, LinkedIn, repositorios públicos y podcasts. Cada aparición refuerza la identidad de marca que el LLM construye sobre ti.

Tercero: estructura para extracción. Cada pieza de contenido debe contener afirmaciones concretas, datos verificables y secciones bien delimitadas que un LLM pueda extraer y citar. La citabilidad no es un accidente — es una decisión de diseño.

¿Es injusto que los motores de IA favorezcan a los dominios establecidos?

El sesgo existe y es medible. Pero llamarlo injusto requiere matices.

Los LLMs no están diseñados para ser justos. Están diseñados para dar respuestas útiles. Citar fuentes establecidas que han sido verificadas por millones de usuarios durante años es, desde la perspectiva del modelo, una heurística razonable para maximizar la fiabilidad de sus respuestas.

El problema no es que la heurística exista. El problema es que penaliza desproporcionadamente a las voces nuevas que pueden tener información más actualizada, más específica o más relevante que los incumbentes. Un artículo de 2024 en un blog especializado puede ser objetivamente mejor que un artículo de 2019 en Forbes, pero el LLM citará a Forbes por defecto.

Lo que hace este sistema diferente de Google es que la ventana para los nuevos entrantes, aunque estrecha, existe y es explotable. El 37% de dominios exclusivos de los LLMs lo demuestra. GEO no elimina el sesgo, pero ofrece herramientas para compensarlo.

La pregunta real no es si el sistema es justo. La pregunta es si estás haciendo algo para que el sistema te encuentre.