Olesia Korobka —fundadora de Fajela, WhiteLobby y SEO Baza— publicó hace unos días en Search Engine Journal una guía muy completa sobre un problema que casi nadie está auditando todavía: qué dice la IA sobre tu marca cuando tú no estás mirando.
Y no hablo de gestión de reputación de toda la vida (reseñas, menciones, sentimiento). Hablo de algo más básico y más grave: si un usuario o un sistema de IA es capaz de identificar cuál es tu marca real, acceder a información correcta sobre ella y distinguirla de un impostor.
¿Qué puede salir mal exactamente?
Korobka identifica varios riesgos que van más allá del típico “alguien ha dicho algo malo de ti”:
- Confusión de identidad: la IA te mezcla con otra empresa de nombre parecido.
- Información desactualizada o directamente falsa: el modelo repite datos que ya no son ciertos (precios, fundadores, ubicación, política de devoluciones…) porque los aprendió así en algún momento.
- Suplantación: webs, apps o perfiles falsos que se hacen pasar por ti.
- Robo de demanda de marca: un competidor intercepta el tráfico de gente que busca tu marca, vía anuncios o resultados orgánicos.
- Fragmentación de contexto: terceros definen quién eres (directorios, foros, comparativas) sin que tu información oficial pese lo suficiente, y la IA construye su respuesta a partir de esa mezcla. Esos terceros suelen ser Wikipedia, podcasts y Reddit, fuentes que conviene trabajar junto con el equipo de comunicación.
El ejemplo que más me ha llamado la atención es el del “slopsquatting”: paquetes de software maliciosos registrados con nombres que las IA suelen “alucinar” al generar código. El problema ya no es solo una web falsa, es una vulnerabilidad real en la cadena de suministro de software.
Cómo auditar tu marca en buscadores de IA
La metodología que propone tiene más rigor del que esperaba de un artículo de blog, y creo que merece la pena resumirla:
- Documenta tu marca real primero. Nombre legal, dominios oficiales, redes sociales, apps, fundadores, productos, canales de soporte y las afirmaciones comerciales que haces. Con fuente y fecha de verificación de cada dato.
- Define el alcance por país e idioma. Auditorías separadas por cada combinación mercado-idioma, en sesión limpia (sin login), desde ubicaciones reales de ese mercado, en escritorio y móvil.
- Revisa los buscadores tradicionales primero. Google, Bing, Brave, DuckDuckGo y YouTube, incluyendo verticales (imágenes, noticias, mapas, compras) y plataformas como LinkedIn o las tiendas de apps. El endpoint de autocompletado de Google (por curl, con parámetros de idioma y país) es una forma rápida de detectar sugerencias problemáticas antes de llegar a la IA.
- Audita los motores de IA uno por uno: Google AI Overviews, Gemini, ChatGPT Search, Perplexity, Claude y Brave Ask. Con dos tipos de preguntas: directas (“¿qué es esta marca?”, “¿es legítima?”) y de decisión (“¿debería usarla?”, “compárala con su competencia”). Repite cada consulta varias veces en conversaciones nuevas —sin memoria— porque la respuesta puede variar, y diferencia entre versión gratuita y de pago, ya que a menudo consultan fuentes distintas.
- Clasifica cada respuesta: correcta, parcialmente correcta, desactualizada, sin fundamento, falsa, sobre otra entidad, o basada en una fuente falsa. Si usas una herramienta de seguimiento, ayuda etiquetar los prompts por la pregunta de negocio que responden (comparativas, recomendaciones, datos de producto) y repetir las mediciones durante una semana antes de sacar conclusiones, como cuenta Ahrefs en su flujo para salir de la parálisis de datos.
- Comprueba el acceso técnico. Usa los user-agents publicados por OpenAI, Anthropic o Perplexity para verificar si esos rastreadores pueden leer tu web igual que lo hace Googlebot. Y ten en cuenta que “poder leer” tu web no es lo mismo que “ver” tu web: según una filtración reciente, Claude ya no procesa tu página directamente, sino un resumen que filtra un modelo intermedio, así que tu información correcta puede quedarse fuera si ese filtro no la considera relevante para la pregunta.
Qué hacer cuando encuentras un problema
Aquí es donde el artículo aporta más valor práctico, con un enfoque escalonado:
- Corrige lo que controlas. Empieza por tu propia web y perfiles: información contradictoria entre páginas, datos obsoletos, canónicas mal puestas.
- Reclama e influye donde no tienes control directo. Envía correcciones a directorios y perfiles de terceros con evidencia primaria que la respalde.
- Denuncia las violaciones genuinas. Suplantación, phishing o apps falsas se reportan al hosting, al registrador del dominio o mediante las políticas de suplantación de cada plataforma.
- Compite con respuestas más claras cuando no puedas eliminar el problema. Si no consigues que retiren un contenido, publica tú la información oficial de forma más visible y accesible.
Como contención mientras se tramita una denuncia, recomienda algo muy simple y que casi nadie hace: publicar de forma pública y clara qué dominios, apps y cuentas son realmente tuyos, y avisar a tu equipo de soporte para que sepa identificar a los usuarios afectados por la confusión.
Herramientas concretas que menciona
- Google Ads Transparency Center: para ver qué anuncios está publicando un anunciante verificado (útil para detectar robo de demanda de marca).
- crt.sh: monitoriza certificados TLS vía Certificate Transparency para detectar dominios parecidos al tuyo.
- Lumen Database: para investigar denuncias de copyright que se hayan usado de forma fraudulenta contra ti.
- Las alertas de seguridad de Search Console y de tu registrador de dominios, como sistema de aviso temprano.
Por qué esto va a más: no es un problema de razonamiento, es de datos
El dato que más me ha convencido de que esto merece tiempo y presupuesto: un estudio de febrero de 2026 sobre seis chatbots analizando 2.100 preguntas de noticias encontró que más del 70 % de las inexactitudes venían de fallos de recuperación de información, no de que el modelo “razonara mal”. Es decir, el problema no es tanto la IA en sí, sino qué fuentes encuentra (o no encuentra) cuando te busca.
Esto conecta directamente con algo que ya he comentado en este blog sobre por qué la IA de Google todavía comete errores con datos desactualizados: si tu información oficial no es la más accesible, consistente y reciente que hay ahí fuera, la IA rellenará el hueco con lo que encuentre, sea correcto o no.
El sentimiento de marca también depende de tu huella digital completa
Garrett Sussman (iPullRank) lo explicaba en una conversación con Gianluca Fiorelli: ya no hay diez enlaces azules entre los que elegir, sino una síntesis de todo lo que existe sobre tu marca en internet. Dos consecuencias prácticas:
- Lo enterrado no desaparece. La gestión de reputación clásica consistía en empujar lo malo a la segunda página; un modelo con capacidad de descubrimiento puede volver a ponerlo en primer plano.
- Cambiar la narrativa es más lento. Si te reposicionas, cambias de producto o sales de una crisis, la IA arrastra “capas y capas” de contenido anterior. No basta con anunciar el cambio en tu web.
Por eso el sentimiento de marca toca a redes sociales, email, relaciones públicas y alianzas, no solo al equipo SEO, y conviene que lo hables con marketing. Y, si en la web dices una cosa y en TikTok o Instagram proyectas otra marca, los modelos tienen más difícil reconocerte y pueden recomendar a otro. Para el equipo SEO, es el momento de coordinarse con los demás departamentos.
Mi conclusión: mejor prevenir que perseguir
Korobka lo resume bien: la prevención mediante activos de marca sólidos rinde más que perseguir el abuso activo una vez ya ha pasado. Registrar tus dominios y usuarios en redes y espacios como npm antes de que lo haga otro, activar doble factor en tus registradores, y tener una página propia que liste todos tus canales oficiales verificados, evita que muchos de estos problemas lleguen siquiera a producirse.
Es la misma lógica que aplico cuando hablo de trabajar tu marca de cara al SEO y a la IA: cuanto más sólida y consistente sea tu presencia oficial, menos espacio le dejas a la IA para inventarse o confundir quién eres realmente.
Esta guía forma parte de El SEO en la era de la IA - Cómo optimizar para los modelos de lenguaje.