Néstor Romero: «El GEO mide mucho, pero todavía valida poco»

La publicación científica Latitude: Multidisciplinary Research Journal, dirigida por Quality Leadership University (QLU) en Ciudad de Panamá, dio a conocer en su volumen 2, número 24 (2026), el estudio titulado «Medición de la presencia de marca en la optimización para motores generativos: una revisión de alcance sobre métricas y validez», el cual cuenta con las firmas de Néstor Romero-Ramos, Yulianna Lobach, David Abreu-Abreu, Isaac Castillo-Hernández, Juan Carlos García-Cordero y Daniel García-Cordero. Dicha investigación, accesible libremente en la web, constituye el pionero de los frutos difundidos dentro de la línea de estudio centrada en Generative Engine Optimization (GEO) que Centria Group impulsa de la mano de diversas entidades universitarias y académicas de cuatro naciones.

El artículo responde a una pregunta que el marketing digital todavía no sabe contestar con rigor: cuando un asistente de inteligencia artificial recomienda un banco, un seguro o un hotel, ¿cómo se mide si una marca está presente en esa respuesta, con qué prominencia y con qué fiabilidad? Para responderla, el equipo realizó una revisión de alcance (scoping review) siguiendo la metodología del Joanna Briggs Institute (JBI) y reportada conforme a la extensión PRISMA-ScR, que mapea de forma sistemática cómo la literatura emergente mide la presencia, la visibilidad y la citación de fuentes y marcas en los motores generativos.

«Durante casi dos décadas, la visibilidad digital se midió por una capacidad muy concreta: aparecer (y ser pulsado) en una lista de resultados. Hoy el usuario ya no recibe diez enlaces azules: recibe una respuesta sintetizada que integra y reformula varias fuentes, y que las cita de forma parcial o desigual. La pregunta relevante ha dejado de ser si mi enlace aparece y se pulsa, y ha pasado a ser si mi contenido está presente dentro de la respuesta que el usuario realmente lee», explica Néstor Romero, autor corresponsal del estudio y COO de Centria Group.

Del clic a la respuesta: por qué las métricas del SEO dejan de servir

El texto arranca a partir de una realidad que la propia muestra analizada corrobora mediante datos empíricos: los enlaces seleccionados por una herramienta generativa coinciden escasamente con los resultados del posicionamiento orgánico clásico, al tiempo que los criterios de elección difieren entre plataformas. En otras palabras, aparecer en los primeros puestos de Google no garantiza la presencia en un chat inteligente, lo cual invalida la extrapolación automática de métricas y exige replantificar los métodos y objetos de medición. Adicionalmente, este escenario se ve potenciado por la tendencia de «cero clics», impulsada por las respuestas sintéticas incrustadas en los propios buscadores: un porcentaje elevado de las búsquedas actuales se satisface plenamente sin que el internauta llegue a navegar por ninguna página.

«La proporción de citas se considera una métrica clave en el ámbito profesional, mientras que en la investigación científica aparece sistematizada en una única investigación. Dicho desfase entre el sector y la academia constituye un descubrimiento por derecho propio», afirmó Néstor Romero.

 Las cinco preguntas de investigación y sus respuestas

Metodología: cuatro vías de búsqueda junto con una política clara de preprints

La pesquisa integró cuatro vías complementarias, concebidas para subsanar las deficiencias de cada método: un motor de búsqueda guiado por inteligencia artificial, búsquedas multilingües y replicables en OpenAlex, seguimiento de referencias a partir de nodos clave y validación en un repertorio indexado (Web of Science; Scopus no estuvo disponible). Una vez eliminados los duplicados mediante el DOI —presindiendo del título debido a la frecuente coincidencia de denominaciones genéricas en esta disciplina—, dos evaluadores examinaron los resúmenes de manera autónoma, resolviendo los desacuerdos mediante acuerdo mutuo. Se analizaron 36 documentos íntegros y se seleccionaron 23 investigaciones originales, además de dos revisiones catalogadas de manera independiente a modo de marco teórico.

«Buena parte del conocimiento generado en español sobre esta materia no llega a los circuitos internacionales. Recuperarlo no es una cuestión de exhaustividad: revela un sesgo lingüístico latente en el campo», recalcó Néstor Romero.

Siete grupos de indicadores y ningún modelo que los unifique

En el mapeo se distinguen siete grupos de métricas con ciertos solapamientos —aparición/citación, prominencia/posición, absorción/influencia, ranking en listas, estabilidad, sentimiento/encuadre y cuota de citación— que operan careciendo de un esquema unificador común. Asimismo, la investigación subraya que el límite conceptual más productivo dentro de esta disciplina radica en separar la citación (el hecho de que se elija una fuente) de la absorción (la asimilación real de su contenido en el texto resultante), dividiendo de este modo en dos planos lo que anteriormente se evaluaba como una simple dicotomía.

La unidad de análisis cambia de enfoque: pasa de la URL a la marca y a la trayectoria de los actores

No existe consenso sobre qué se mide exactamente. El corpus revela un desplazamiento progresivo desde la fuente o la URL (herencia directa del SEO) hacia la marca o entidad, el documento, el producto y, en los trabajos más recientes, hacia unidades de orden superior como la trayectoria de navegación de los agentes. Ese desplazamiento refleja la migración de la pregunta del campo, pero tiene un coste: los estudios con unidades distintas no son directamente comparables, lo que refuerza la imposibilidad de realizar un metaanálisis.

Tipología de la evidencia disponible

Fuente: Romero-Ramos et al. (2026), Tabla 3 del manuscrito original. Versión propia.

La IA no responde siempre lo mismo, y casi nadie lo mide

Debido a su naturaleza estocástica, los motores generativos son capaces de arrojar contestaciones diferentes frente a una idéntica consulta. Una evaluación certera demanda, por consecuencia, reiterar las mediciones o representar de forma explícita la incertidumbre; no obstante, una minoría escasa de las investigaciones adopta este enfoque de manera metódica. Dentro del grupo que efectivamente lo implementa sobresalen proyectos que realizan cinco ejecuciones por cada pregunta, completan doscientos exámenes junto con permutaciones de orden, aplican análisis de sensibilidad para idiomáticas y paráfrasis, o bien conciben la visibilidad bajo la forma de una distribución y no de un dato aislado. El resto de los estudios, en su gran mayoría, confía en una sola ejecución.

«En este ámbito, evaluar un único intento resulta epistemológicamente frágil. Todo instrumento sólido debe integrar la repetición y el cálculo de la incertidumbre desde el principio, y no como un simple añadido opcional», apunta Romero.

El hallazgo central: un campo que mide mucho y valida poco

El hallazgo fundamental de la investigación revela que ningún análisis del conjunto somete su herramienta de medición a un proceso de validación psicométrica riguroso. En su lugar, se implementan supervisiones periféricas y fragmentadas (como índices de estabilidad, certeza en la asignación, contrastación metodológica o solidez ante secuencias), mientras que la concordancia entre evaluadores —un estándar elemental para cualquier dispositivo— rara vez se documenta. Por su parte, la validez, al momento de defenderse, se sustenta en la armonía interna de referencias diseñadas específicamente para la ocasión en lugar de apoyarse en atributos métricos. De este modo se desprende la premisa principal del análisis: aún no se cuenta con un mecanismo consolidado y verificado para cuantificar el impacto generativo de marca.

Requisitos para participar

Fuente: Romero-Ramos et al. (2026), Tabla 1 del artículo original. Traducción propia.

«Hallamos un sector donde abunda la medición y escasea la validación. Las propuestas de evaluación no escasean —de hecho, sobran—; lo que realmente escasea es la fiabilidad documentada y la validez de constructo. Y es preciso señalarlo con rigor, pues equiparar un simple benchmark con un instrumento debidamente validado eleva artificialmente la supuesta madurez metodológica de la disciplina. Precisamente ese hueco constituye la gran ocasión científica», sostiene Néstor Romero.

Una brecha entre la práctica profesional y la academia

El texto expone una discrepancia notable entre aquello que el sector valora como prioritario y lo que la investigación académica ha consolidado. La participación en citas (citation share) —un indicador al que la actividad laboral otorga un carácter determinante y ve como un candidato ideal para lograr validez convergente— se sustenta fundamentalmente en una única investigación. Del mismo modo, el conjunto vinculado al sentimiento y al encuadre cuenta con un respaldo igual de limitado, a pesar de que la investigación más amplia del conjunto, la cual examina más de un centenar de marcas, la señala como el indicador más volátil de todos.

«La visibilidad en Google no predice la visibilidad en un asistente generativo. Eso invalida la transferencia directa de indicadores y obliga a repensar qué medimos y cómo».

«La visibilidad generativa se puede manipular, lo cual impone a la medición una exigencia que por regla general no se le pide: la solidez ante la manipulación en calidad de atributo del instrumento.»

La ciencia en español, invisible: una lección metodológica

Asimismo, este análisis arroja una aportación metodológica de notable interés para el ámbito hispanohablante. Hay un corpus de estudios en castellano, difundido en publicaciones de Biblioteconomía y Documentación, que examina la visibilidad frente a la inteligencia artificial generativa desde perspectivas diversas —tales como la inestabilidad de las marcas en las sugerencias de viajes elaboradas por IA, o el ajuste de archivos académicos para facilitar su indexación por parte de motores generativos—, aspectos que los textos en inglés suelen omitir. Dicha literatura únicamente pudo recuperarse a través de consultas en múltiples idiomas, lo que pone de manifiesto un sesgo idiomático implícito en esta disciplina.

A esto se añade otra enseñanza derivada del procedimiento: la búsqueda en un repositorio indexado arrojó 360 resultados preliminares, de los cuales se analizaron los 136 disponibles en abierto —en su mayor parte interferencias temáticas debido a coincidencias terminológicas—, sin que se sumara ninguna nueva investigación evaluable. En pocas palabras, el ámbito se caracteriza por priorizar los preprints y sufrir una cobertura deficiente en los índices convencionales; el 64 % del conjunto inicial se publica mediante arXiv o SSRN, mientras que el 98 % carece de un cuartil catalogado.

«Este resultado lo reportamos como hallazgo metodológico y no como una limitación escondida. En un campo born-digital, la revista no funciona como indicador de calidad, y las herramientas de descubrimiento asistidas por IA tienden a infracubrir precisamente la evidencia revisada por pares y los benchmarks más relevantes. Hay que complementarlas con rastreo de citas y fuentes reproducibles», explica el investigador.

Proceso de elección de los estudios (PRISMA-ScR, dos vías)

Fuente: elaboración propia a partir de la Figura 1 y del apartado «Selection process» de Romero-Ramos et al. (2026). Las cifras de identificación y cribado son firmes; las de evaluación a texto completo e inclusión, provisionales, según declaran los autores.

Se puede manipular la visibilidad generativa

Un conjunto de los análisis examinados evidencia que la visibilidad dentro de los motores generativos resulta alterable de manera adversarial, ya sea recurriendo a procedimientos de manipulación de posiciones en buscadores conversacionales o a través de una optimización encubierta de prompts. Dicha investigación traslada semejantes datos al ámbito de la medición, concluyendo que la solidez ante cualquier intento de alteración tendría que integrarse entre las características indispensables de toda herramienta de visibilidad.

«Una prueba de rendimiento comprueba si una estrategia resulta eficaz o si un elemento varía de posición, pero no determina si un indicador mide adecuadamente un constructo. Mezclar ambos planos magnifica el grado de desarrollo ficticio de la disciplina».

«Evaluar una única ejecución resulta, en este ámbito, epistemológicamente frágil, ya que los motores generativos son capaces de ofrecer respuestas diferentes ante una misma consulta».

Qué viene ahora: del diagnóstico al instrumento

Los investigadores concluyen que la carencia hallada —en lo referente a la validez de constructo y a la fiabilidad constatada— representa el resquicio que legitima la creación y validación oficial de un índice particular de presencia generativa, planteando dicha labor como la prolongación lógica del estudio difundido, más no como una tesis ya probada. Se trata justamente del camino en el cual el grupo se encuentra laborando en el paso venidero.

«El propósito que perseguimos consiste en transitar desde el diagnóstico hasta la herramienta práctica: diseñar y contrastar un indicador accesible para cualquier tipo de empresa, sin importar su dimensión, permitiéndole medir con rigor científico el impacto de su marca en las respuestas generadas por la inteligencia artificial», señala Néstor Romero.

Limitaciones expresadas por los creadores

El artículo explicita sus propios límites: la inestabilidad de la base de evidencia en un campo tan reciente y dominado por preprints, que hace provisionales sus conclusiones; la no reproducibilidad de la ruta de descubrimiento inicial —mitigada, aunque no eliminada, por OpenAlex, el rastreo de citas y la verificación indexada—; el alcance lingüístico restringido a español e inglés y la imposibilidad de verificar en Scopus por falta de acceso institucional; la codificación parcialmente realizada a nivel de resumen, con cifras de inclusión provisionales; una amenaza de circularidad, dado que numerosos estudios emplean modelos de lenguaje como jueces de su propia medición; y la validez temporal limitada de cualquier fotografía de un campo que opera sobre sistemas propietarios en evolución constante.

Resulta indispensable considerar estas restricciones con el fin de evaluar correctamente los hallazgos y dimensionar el alcance de las pruebas existentes. Si deseas profundizar en la metodología, las cifras examinadas y las conclusiones del estudio, descarga el informe completo «La banca panameña ante la inteligencia artificial».