El fin de la búsqueda tradicional: los retos para las marcas con la IA generativa

Este cambio en la forma de buscar plantea retos y oportunidades para las marcas. Así lo señala el estudio El impacto de la visibilidad en IA en el negocio, de LLYC. Uno de los fenómenos asociados es el llamado “cero clics”: los motores generativos ofrecen respuestas directas y priorizan entre una y tres marcas. En este escenario, la visibilidad depende de que la inteligencia artificial reconozca a una marca como fuente relevante.

La fuga de demanda invisible

Uno de los principales retos identificados es la denominada “fuga de demanda invisible”. Cuando un usuario realiza una consulta, los sistemas de inteligencia artificial pueden generar múltiples subconsultas internas para evaluar opciones, sin dejar rastro en las herramientas tradicionales de analítica.

A esto se suma la dificultad para rastrear el origen del tráfico. parte de las visitas que se registran como directas podrían estar influenciadas por recomendaciones previas de inteligencia artificial.

“Cuando miramos en nuestro sistema de analítica, vamos a ver tráfico marcado como directo, pero muchas veces es porque la ia ha generado una recomendación”, explica Jesús Moradillo, líder de estrategia de inteligencia artificial para Europa en LLYC. “Un usuario que viene recomendado por una IA tiene una probabilidad de conversión hasta tres veces mayor”.

Para esto LLYC plantea la necesidad de incorporar modelos de medición avanzados basados en inferencia, que permitan identificar patrones de comportamiento y estimar el impacto de estas interacciones no visibles.

Pero el desafío no es únicamente aparecer. Es cómo apareces. Porque estos sistemas no solo citan marcas: también interpretan percepciones. Cruzan lo que la marca dice con lo que otros dicen de ella, y construyen respuestas con matices. En ese cruce, la reputación deja de ser un activo paralelo y se convierte en un insumo directo de recomendación.

A lo largo del informe, se plantea una idea clave: estamos pasando de medir el share of voice a entender el share of model. Es decir, cuánto espacio ocupa una marca dentro de las respuestas que construyen los modelos de lenguaje. Una métrica que obliga a repensar no solo la comunicación, sino la forma en que se estructura la información para ser leída —y priorizada— por la IA.

“El share of model mide el porcentaje de conversaciones en las que aparece una marca”, explica Moradillo. “Si en conversaciones sobre zapatillas mi marca aparece en el 20%, tengo un share of model, una cuota de participación en esa conversación del 20%”.

Esta métrica integra variables como visibilidad, frecuencia de mención, sentimiento y posición dentro de la respuesta, y busca complementar indicadores tradicionales como el share of voice.

El informe destaca la evolución del SEO al GEO (Generative Engine Optimization): estructurar contenidos para que la IA los interprete mediante organización semántica y matrices de prompts.

Moradillo advierte: "Los algoritmos no leen como los humanos; si no encuentran la información rápido, buscan otra fuente". Dado que el 70-80% de los datos de la IA proviene de terceros (medios y reseñas), las relaciones públicas cobran un peso estratégico. El SEO y la IA son rutas paralelas; la clave es saber qué tráfico será sustituido por la tecnología.

Lo que propone LLYC no es una simple adaptación táctica, sino un cambio de enfoque: pensar en una comunicación dual, capaz de conectar con personas, pero también de ser procesada eficazmente por modelos de inteligencia artificial. Entender qué preguntas se hacen los usuarios en cada etapa y cómo las máquinas construyen sus respuestas.

Marketing y comunicación dual

El embudo de conversión cambia con la IA porque depende del momento de la relación entre la marca y el cliente y del tipo de pregunta que este haga. Según explica Jesús Moradillo, en fases iniciales como awareness, cuando el usuario no menciona una marca, la inteligencia artificial hace un ejercicio de volumen y prioriza aquellas más asociadas a un atributo; en etapas más avanzadas, como la consideración o la decisión, compara alternativas cruzando características con opiniones de otros usuarios. En ese proceso, no basta con aparecer: la recomendación final también depende del “sentimiento” y de la coherencia entre lo que dice la marca y lo que dicen terceros, ya que la IA puede introducir matices en sus respuestas si detecta inconsistencias. Por eso, señala, las marcas deben entender qué preguntas se hacen en cada fase del recorrido y cómo los modelos construyen sus respuestas en cada una de ellas.

Este no es solo un informe sobre IA. Es, en el fondo, una invitación a replantear cómo se construye la relevancia en un entorno donde ya no hablamos directamente con el consumidor, sino a través de un nuevo filtro.

También le puede interesar: Estos son los ganadores de Young Lions Colombia 2026: el consumidor en el centro de la estrategia