Muchas organizaciones han sustituido el share of voice tradicional por su equivalente para IA: un porcentaje que supuestamente mide cuánto aparece tu marca en ChatGPT, Gemini, Perplexity o Claude. El problema es que ese número tiene un denominador que nadie te enseña.
A diferencia del share of voice clásico, donde la visibilidad se medía contra un conjunto de keywords definido y auditable, el universo de prompts posibles en un entorno conversacional es efectivamente infinito. Los vendors de herramientas seleccionan un subconjunto pequeño y arbitrario de preguntas, las lanzan contra los modelos en segundo plano, y agregan esos resultados en un porcentaje que parece preciso pero no puede verificarse desde fuera.
El resultado es una métrica que mide el share of voice dentro de un entorno artificial y cerrado, presentándolo como si fuera el ecosistema real.
El caso que dejó al descubierto el problema
En septiembre de 2025, OpenAI actualizó ChatGPT a su versión 5.0. Tras el lanzamiento, el volumen de citas y enlaces a fuentes externas que el modelo incluía en sus respuestas cayó de forma generalizada. Para los equipos de marketing que monitorizaban su visibilidad con dashboards de LLM tracking, el resultado fue una caída brusca en sus métricas reportadas.
Ninguna de esas marcas había perdido relevancia. Ninguna había cometido un error de estrategia. ChatGPT simplemente había cambiado la forma en que presentaba información a los usuarios. La métrica cayó porque dependía del comportamiento del modelo, no de la presencia real de la marca.
Como ya apuntábamos al analizar cómo medir la visibilidad en búsqueda con IA cuando la atribución falla, el problema no es solo técnico: es estructural.
Tres métricas que tienen más sentido
El artículo de Dan Taylor en Search Engine Land propone sustituir el AI share of voice por tres métricas que, aunque tampoco están exentas de dificultades de medición, al menos describen fenómenos reales y accionables.
Share of mentions. Con qué frecuencia aparece tu marca, tus productos o las personas de tu organización en respuestas de IA sin que nadie haya preguntado explícitamente por ellos. Si alguien pregunta sobre estrategia SEO y el modelo incluye una referencia a un artículo tuyo o a tu nombre, eso es un mention. Para influir en este indicador, lo que funciona es presencia en fuentes de alta confianza: publicaciones del sector, foros especializados, medios con autoridad donde los modelos se nutren de información.
Share of recommendations. Con qué frecuencia te propone el modelo cuando alguien pide consejo, comparativas o una lista de opciones para resolver un problema concreto. La diferencia con el anterior es el prompt: aquí el usuario tiene intención de encontrar un proveedor o solución, y el modelo te incluye activamente en su respuesta. Si tu posicionamiento es demasiado genérico, el modelo no sabe dónde encajarte y recomienda a quien tiene un caso de uso más específico y mejor documentado.
Share of narrative. No solo si apareces, sino cómo te describen. Una marca puede tener alta frecuencia de aparición en respuestas de IA y salir sistemáticamente descrita como «solución legacy» o «opción de bajo coste», lo que puede estar dañando el pipeline de ventas sin que nadie lo haya detectado. La narrativa importa tanto como la presencia.
El coste de medir esto: todavía fuera del alcance de la mayoría
El debate sobre qué métricas son más válidas es legítimo, pero tiene un problema práctico inmediato: las herramientas que permiten monitorizarlas son caras. Semrush cobra en torno a 99 euros por dominio para su funcionalidad de visibilidad en IA. Ahrefs Brand Radar, que incluye cobertura de Google AI Overview, AI Mode, ChatGPT, Perplexity, Gemini y Microsoft Copilot, supera los 650 euros al mes para tener todas las plataformas cubiertas. Si se quieren monitorizar solo tres plataformas con 80 prompts diarios, el coste se sitúa alrededor de 150 euros mensuales. Añadir Gemini lleva la cifra a unos 200 euros al mes.
PulseLLM ofrece una alternativa más accesible: 49 euros al mes con 50 prompts y posibilidad de elegir entre distintos modelos. Es una opción más viable para quienes quieren empezar a explorar este territorio sin comprometer un presupuesto elevado.
Pero incluso en el escenario más económico, hay que añadir el coste del trabajo real de visibilidad en IA. De poco sirve medir si no hay presupuesto ni capacidad para actuar sobre lo que se mide. Para una pyme que aún no tiene una estrategia de GEO activa, pagar por monitorización antes de tener nada que optimizar es un gasto sin retorno claro.
Mi opinión es que este territorio aún no es para pymes. No porque el concepto sea irrelevante, sino porque el momento no es el adecuado: las herramientas están en fase de maduración, los precios no reflejan todavía el valor real que pueden aportar a empresas con recursos limitados, y el mercado hispanohablante tiene muy poca oferta adaptada a su realidad. Quien vive de internet y quiere entender cómo está apareciendo en los sistemas de IA tiene razón en querer saberlo. Pero la ecuación coste-beneficio, hoy por hoy, solo cuadra para marcas medianas o grandes con presupuesto específico para visibilidad digital.
Lo que sí tiene sentido para cualquier tamaño de empresa es trabajar los fundamentos que alimentan estas métricas: contenido que merece ser citado, presencia en fuentes con autoridad, y un posicionamiento lo suficientemente específico como para que un modelo de IA sepa cuándo recomendarte. Eso no requiere una herramienta de 600 euros al mes. Requiere criterio.
