Por qué estar primero en Google ya no garantiza que la IA te cite

En un año, la parte de las citas generativas que procedía de las diez primeras posiciones de la búsqueda tradicional pasó de tres cuartas partes a algo más de un tercio. No dice que el buscador haya dejado de importar: dice que la coincidencia entre los dos sistemas se ha roto. Lo que hace un año era casi lo mismo, hoy son dos listas que se parecen a medias.

Conviene leerlo con su límite. Es una medición de un proveedor de herramientas del sector, así que es parte interesada, y describe un momento de un campo que se mueve rápido. Lo que sostiene no es un número exacto: es una dirección, y la dirección lleva dos años apuntando al mismo sitio.

Un buscador clásico responde con una lista de enlaces ordenada. Su trabajo es decidir qué páginas merecen estar y en qué orden.

Un motor generativo hace otra cosa: redacta una respuesta. Para redactarla tira de lo que ya sabe de la categoría, decide qué marcas nombra y después, muchas veces, busca con qué respaldarlo. La selección de páginas no es el principio del proceso, es casi el final.

Esa diferencia de orden explica el resto. Una página puede estar perfectamente posicionada y no entrar en la respuesta, simplemente porque el modelo no asocia esa marca con la categoría por la que le preguntan. Y al revés: una marca de la que se habla mucho en sitios que el modelo lee puede aparecer sin que su web esté especialmente bien posicionada.

Que desde fuera las dos cosas se parecen. Escribes una consulta, recibes algo, y en los dos casos hay marcas y hay enlaces. La reacción natural es tratarlo como un buscador más y aplicarle lo que ya funcionaba.

Ahí es donde se pierde presupuesto. La hipótesis más repetida es que basta con arreglar la parte técnica del sitio para aparecer. Hay una medición reciente que la pone a prueba: añadir marcado de datos estructurados a contenido que la IA ya citaba no movió la citación de forma apreciable, sobre 1.885 páginas y con grupo de control (Ahrefs, jun-2026). El estudio no dice que el marcado sobre —para contenido que la IA no ve es otra pregunta, y esa no la responde—; dice que no es la palanca que casi todo el mundo cree.

En buena medida, fuera de tu web. Entre el 76 % y el 99 % de lo que una IA responde sobre una categoría lo han escrito terceros, con una dispersión que depende del tema (Bain, 2026). El rango es amplio y por eso se da como rango: en algunos sectores casi todo lo que el modelo sabe de ti lo ha leído en otra parte.

De ahí salen las dos consecuencias prácticas. La primera es que una estrategia que solo trabaja el sitio propio está atacando la mitad pequeña del problema. La segunda es menos evidente: lo que se gana no es una posición, es una asociación. Que el modelo relacione tu marca con el problema que resuelves es un trabajo distinto de escalar puestos, y se sostiene con señales distintas.

Si el informe que te llega mide solo posiciones y tráfico orgánico, está midiendo un sistema y tú compites en dos. No hay que tirar el primero: hay que dejar de leerlo como si cubriera el segundo.

La pregunta útil para tu equipo o tu proveedor no es «¿estamos primeros?». Es «¿aparecemos en la respuesta cuando preguntan por nuestra categoría sin nombrarnos, y qué dice de nosotros?». Son dos comprobaciones distintas y ninguna se contesta desde el panel de analítica de siempre.

Cuánto de la correlación que queda es causa y cuánto coincidencia: las marcas que posicionan bien suelen ser también las que tienen más presencia en fuentes externas, y con los datos públicos disponibles no se puede separar limpiamente una cosa de la otra. Tampoco hay serie larga: son dos años de mediciones, hechas en su mayoría por empresas que venden en este mercado. Este artículo dice cuándo se escribió por ese motivo.