02
Criterio
Lo que sostenemos sobre el campo, con la procedencia de cada dato a la vista. Cada afirmación lleva su fuente y su fecha.
La visibilidad en IA es perecedera
Estar hoy en la respuesta de una IA no garantiza estar mañana. El estudio más completo que hay sobre durabilidad de citas mide un 33 % de retención a 28 días sobre cinco plataformas: dos tercios de las citas se reemplazan en cuatro semanas, y el reparto es muy desigual, Gemini retiene un 11 %, Perplexity un 44 %. Las fuentes que el motor elige rotan.
Fuente externa, emisor interesado, 2026Guillermo Vallejo
El 88 % usa IA. El 1 % cree que su estrategia es madura
La adopción de IA es casi universal; la madurez, casi nula. Solo el 23 % dice escalar agentes más allá del piloto.
Fuente externa, emisor interesado, nov-2025Guillermo Vallejo
La IA que el consejo cree controlar y la que está registrada
El 40 % de las empresas tiene supervisión de IA a nivel de consejo. El 2,7 % tiene un registro de los modelos que despliega. Ese es todo el problema de la gobernanza de IA en dos cifras: la capa visible está declarada; la capa operativa, vacía.
Fuente externa, verificada a primaria, 2026Guillermo Vallejo
No es la cita la que produce la mención
Entre el 40 % y el 62 % de las citas de IA no nombran la marca en la respuesta que el lector ve. El motor usa tu contenido y no te menciona. El rango es amplio porque depende del motor y del tipo de consulta, así que damos el rango y no un número.
Fuente externa, verificada a primaria, feb-2026Guillermo Vallejo
El mito del schema
El schema markup es lo primero que casi todo el mundo propone para «salir en la IA». Medido sobre unas 6.000 URLs, el efecto es de +2,4 % en ChatGPT, no significativo, y −4,6 % en AI Overviews. No es la palanca.
Fuente externa, verificada a primaria, may-2026Guillermo Vallejo
La supervisión que no supervisa
El human in the loop es la respuesta estándar cuando alguien pregunta quién controla a la IA. Medido: casi tres de cada cuatro personas aceptan la respuesta de la IA aunque sea errónea. Lo llaman rendición cognitiva, y aparece incluso cuando la tarea de la persona es precisamente revisar.
Fuente externa, verificada a primaria, ene-2026Guillermo Vallejo
El modelo es el mensaje: GEO no es SEO con otro nombre
«Esto ya lo hacemos con SEO» confunde el contenido con el medio. McLuhan lo dejó escrito en 1964: es el medio el que «shapes and controls the scale and form of human association and action», no lo que circula por él. En el buscador clásico la persona comparaba enlaces y decidía; en la búsqueda con IA un modelo lee por ella y le entrega un veredicto.
El contenido es lo que se ve; el cambio de medio es lo que de verdad reordena el tablero.
Implicación para dirección de marketing: si tu plan trata la IA como una pestaña más del cuadro de SEO, estás afinando el folleto mientras desmontan el escaparate. Pregúntate si tu equipo la planifica como un canal más o como un medio que cambia qué se encuentra y cómo.
Marshall McLuhan, Understanding Media: The Extensions of Man, 1964, cap. 1. Lectura de Guillermo Vallejo.
Lectura MIIA, jul-2026Guillermo Vallejo
El piloto funciona y el negocio no se mueve
Ford bajó el trabajo de montar un chasis del Model T de 12 horas y 28 minutos a 93 minutos entre 1913 y 1914, y el Runabout pasó de 825 dólares en 1909 a 260 en 1925. No lo hizo con un coche mejor: cambió el flujo. Con la IA pasa al revés: se mete una herramienta rápida en un proceso roto, el piloto funciona y el conjunto no se mueve.
Se midió el paso y se esperaba el resultado del conjunto.
Implicación para el comité de dirección: antes de aprobar un piloto, separad espera de ejecución y fijad la unidad de coste («por coche») que tiene que bajar. Y que lo firme quien puede cambiar la organización, no solo quien entiende la tecnología.
H. L. Arnold y F. L. Faurote, Ford Methods and the Ford Shops, 1915; H. Ford, My Life and Work, 1922. Tiempo de trabajo por chasis, sep-1913 → abr-1914. Precios: The Henry Ford; anuncio de 1925.
Lectura MIIA, ago-2026Guillermo Vallejo
De media, humano y máquina juntos rinden menos que el mejor de los dos
«Siempre habrá un humano en el bucle» es la respuesta estándar para tranquilizar al consejo. Un meta-análisis pre-registrado del MIT (106 experimentos, 370 tamaños de efecto) mide lo contrario: de media, la combinación persona + IA rinde peor que el mejor de los dos por separado (g = −0,23). La pérdida se concentra en las tareas de decisión y cuando la IA ya es mejor que la persona.
La sinergia no aparece por defecto: hay que diseñarla.
Implicación para dirección y comités de riesgo: antes de poner a alguien a firmar, preguntad en qué procesos vuestra gente es de verdad mejor que la máquina. Solo ahí la supervisión suma; en el resto, el control se diseña de otra forma.
Vaccaro, Almaatouq y Malone (MIT), Nature Human Behaviour, dic-2024. Meta-análisis pre-registrado: 106 experimentos, 370 tamaños de efecto, estudios publicados entre ene-2020 y jun-2023.
Fuente externa, verificada a primaria, dic-2024Guillermo Vallejo
Agentes que hacen trampa: el riesgo no es la malicia
En julio de 2026, agentes que corrían una evaluación de capacidad ofensiva entraron en la infraestructura de Hugging Face para robar las soluciones de su examen: unas 17.600 acciones reconstruidas en una campaña de cuatro días y medio, dos y medio de ellos dentro de Hugging Face. Dos semanas después, en una evaluación del instituto de seguridad de IA británico, hubo 19 acciones no autorizadas en 10 de 122 ejecuciones, 17 de ellas de un solo modelo; en una, el agente creó identidades falsas para engañar a un mantenedor real de software libre. En los dos casos, con las salvaguardas del proveedor desactivadas a propósito para la prueba. Y en ninguno se les pidió nada de eso.
El mecanismo no requiere malicia, requiere capacidad. Y la capacidad sube.
Implicación para comités de dirección que aprueban despliegues de agentes: la pregunta no es si su agente puede hacer daño, sino si podría demostrar qué hizo, con nombres y horas, en registros que una persona pueda leer.
Hugging Face, jul-2026 (~17.600 acciones reconstruidas); UK AI Security Institute, ago-2026 (informe técnico de 35 pp., 122 ejecuciones). Salvaguardas desactivadas a propósito en ambas evaluaciones.
Lectura MIIA, sep-2026Guillermo Vallejo
La búsqueda no se muere: se muda
Fractl y Search Engine Land analizaron 1.010.848 keywords de alto volumen con datos de Semrush. El 40,7 % está en declive, pero el 20,1 % crece, y entre las que suben y las que bajan el saldo es de +16,8 millones de búsquedas al mes. La demanda agregada no cae: se queda plana. Lo que cambia es qué se busca y dónde aparece la respuesta.
Gartner acertó por keyword y falló por total.
Implicación para dirección de marketing: Leer «la demanda sigue plana» y concluir que no hay nada que hacer es el error. El 90 % del volumen no lleva el nombre de ninguna marca, y ahí es la respuesta de la IA la que decide si te menciona o no.
Fractl y Search Engine Land (medio propiedad de Semrush), jul-2026. 1.010.848 keywords con datos de Semrush, variación interanual a abril de 2026.
Fuente externa, emisor interesado, jul-2026Guillermo Vallejo
El retorno va por detrás del gasto, y eso no es lo mismo que perder dinero
Casi el 90 % de las empresas encuestadas dice que el retorno de su IA va por detrás de lo que está gastando. Solo alrededor de una de cada diez, según la clasificación del propio estudio, captura impacto de forma consistente.
Fuente externa, emisor interesado, mar-2026Guillermo Vallejo