Category-Conditioned Web Exposure Tracks Brand Presence in ChatGPT Fanout Queries

Cuando se le pide a una inteligencia artificial moderna y conectada a internet cuáles son las mejores cámaras o las mejores herramientas de gestión de proyectos, la máquina no se limita a escanear la web y elegir los primeros resultados que encuentra. Antes de siquiera mirar una sola página web, la IA redacta su propia consulta de búsqueda. Este primer borrador, creado en una fracción de segundo, a menudo incluye nombres de marcas específicos como Canon o Sony. Esto sucede antes de que un humano o una computadora haya visto los resultados de búsqueda reales. La máquina está, esencialmente, decidiendo de antemano sobre qué empresas está dispuesta a hablar. Esta decisión temprana es crucial porque el motor de búsqueda buscará entonces páginas sobre esas marcas específicas, lo que hace que sea mucho más probable que aparezcan en la respuesta final. Si una marca se queda fuera de ese primer borrador, es casi invisible, incluso si la máquina sabe que la marca existe.

Esto plantea una pregunta desconcertante para cualquiera que intente comprender cómo funcionan estos sistemas: si la IA conoce una marca, ¿por qué a veces la deja fuera de ese primer borrador? ¿Se está olvidando la máquina de la marca o está tomando una decisión deliberada? Un nuevo estudio del investigador independiente Antony Deroshan investiga este momento exacto de decisión. La investigación se centra en un tipo específico de inteligencia artificial que puede buscar en la web, analizando cómo elige qué nombres de empresas incluir en su solicitud de búsqueda inicial. El estudio plantea si la máquina simplemente desconoce ciertas marcas o si las está filtrando activamente basándose en alguna regla oculta. Los hallazgos sugieren que la máquina conoce las marcas perfectamente bien, pero se ve obligada a dejarlas fuera porque tiene un límite estricto de cuántos nombres puede enumerar a la vez.

Para entender la mecánica de esto, el investigador primero necesitó separar lo que la máquina sabe de lo que elige decir. Le preguntó a la IA, con su acceso a internet desactivado, que enumerara las marcas líderes en categorías como marketing por correo electrónico, software de atención al cliente y cámaras. La máquina fue capaz de nombrar muchas marcas, incluyendo algunas que rara vez menciona cuando busca realmente en la web. Por ejemplo, cuando se le preguntó qué marcas le venían a la mente para el marketing por correo electrónico, la máquina nombró a "Campaign Monitor" en 49 de 50 intentos. Sin embargo, cuando a la misma máquina se le pidió realizar una búsqueda en vivo de las mejores herramientas de marketing por correo electrónico, incluyó a "Campaign Monitor" en la consulta de búsqueda inicial solo una vez de 50. La máquina claramente conocía la marca, pero la omitía consistentemente de la solicitud de búsqueda. Esta brecha entre el conocimiento y la acción demostró que la omisión no fue un fallo de memoria.

El investigador construyó entonces una simulación para averiguar por qué sucedía esto. Creó una versión de la IA que podía redactar consultas de búsqueda pero que no tenía permitido buscar sitios web reales. Probó este simulador pidiéndole que enumerara marcas bajo diferentes restricciones. Cuando le dijo al simulador que escribiera una consulta muy corta, este descartaba las mismas marcas que la máquina real descartaba. Pero cuando le dijo al simulador que enumerara tantas marcas como fuera posible, este incluía todas ellas, incluidas las que normalmente se dejaban fuera. Esto reveló que la máquina no excluye las marcas porque no le gusten o no las conozca; las excluye porque tiene un presupuesto ajustado de cuántos nombres puede incluir en una sola frase. La máquina es, esencialmente, un bibliotecario con una lista muy corta para escribir. Si la lista solo puede contener tres nombres, elegirá los tres mejores, y la cuarta mejor marca, por muy famosa que sea, se quedará fuera de la lista por completo.

El estudio también analizó qué determina que esas marcas entren en esa lista corta. El investigador encontró una fuerte conexión entre la frecuencia con la que una marca aparece en internet en relación con su categoría específica y su posición en la lista interna de la máquina. Por ejemplo, si una marca de cámaras se menciona con frecuencia en sitios web que también hablan de cámaras, es más probable que se incluya en la consulta de búsqueda. Sin embargo, esto solo funciona si el recuento es específico de la categoría. Una empresa que fabrica muchos productos diferentes, como una gigante tecnológica que vende cámaras, teléfonos y computadoras, puede aparecer en millones de sitios web. Si se cuenta cada mención, esa empresa podría parecer la marca de cámaras más popular. Pero si solo se cuentan los sitios web que mencionan específicamente cámaras, una marca diferente podría ser en realidad más prominente. El estudio mostró que la máquina presta atención a esta popularidad específica de la categoría. Clasifica las marcas según su visibilidad dentro de su campo específico, no solo según lo famosa que sea la empresa en general.

Para probar si este patrón se mantenía para nuevas categorías, el investigador aplicó el mismo método al software de firma electrónica, un grupo de marcas que no había estudiado antes. Midió la frecuencia con la que cada marca aparecía en sitios web relacionados con la firma de documentos y la comparó con la frecuencia con la que la máquina las incluía en sus listas de búsqueda simuladas. Los resultados coincidieron casi perfectamente. Las marcas que aparecían con más frecuencia en sitios web relevantes eran las que la máquina elegía incluir en su lista corta. Esto sugiere que la clasificación interna de la máquina está profundamente ligada a cómo las marcas están representadas en la web, específicamente en el contexto de la pregunta que se está realizando. La máquina no está inventando estas preferencias; está reflejando la estructura de la información que ha aprendido de internet.

La investigación también descartó otras explicaciones posibles. Probó si la máquina simplemente prefería ciertas marcas sobre otras al leer textos, independientemente de la consulta de búsqueda. En una prueba, se le mostró a la máquina tres descripciones idénticas de una empresa ficticia, cambiando únicamente el nombre de la marca. Consistentemente eligió una marca sobre las otras, mostrando una ligera preferencia. Sin embargo, esta preferencia no coincidía con las marcas que elegía para sus consultas de búsqueda. La máquina puede gustarle una marca al leer una descripción, pero elige marcas diferentes al decidir qué buscar. Esto demuestra que la decisión de incluir una marca en una consulta de búsqueda es un proceso separado de la simple preferencia por un nombre de marca. El estudio también comprobó si eliminar sitios web de baja calidad o duplicados cambiaría los resultados. No lo hizo. La conexión entre la visibilidad en la web y las elecciones de la máquina se mantuvo fuerte incluso después de limpiar los datos.

Al final, el estudio dibuja un panorama claro de cómo operan estas máquinas con capacidad de búsqueda. No son generadores de texto aleatorios, ni son simples motores de búsqueda que enumeran todo lo que encuentran. Son sistemas que toman una serie de decisiones restringidas. Conocen una vasta cantidad de información, pero cuando necesitan hacer una pregunta a internet, deben comprimir ese conocimiento en una lista muy corta. Las marcas que logran entrar son aquellas que no solo son conocidas, sino que también son altamente visibles en el contexto específico de la pregunta. Para que una marca sea vista por estos sistemas, no basta con que exista; debe ser prominente en las conversaciones adecuadas. El primer borrador de la máquina es un guardián, y la clave para atravesar esa puerta no es solo ser famoso, sino ser la opción más relevante para el tema específico en cuestión. Esta idea cambia la forma en que debemos pensar sobre la visibilidad en la era de la inteligencia artificial, desplazando el enfoque de la simple presencia en línea hacia el ser claramente y específicamente asociado con las preguntas que la gente está haciendo.