Método
Visibilidad en IA: mide la diferencia entre lectura y resumen
La visibilidad en IA se mide comparando lo que un motor lee de una página con lo que luego resume. Te contamos cómo clasificar esa diferencia para que sea útil.
¿Cómo se mide la visibilidad en IA de un sitio cuando los motores leen y resumen las páginas de formas distintas? La respuesta es comparar lo que un motor lee de una página con lo que después resume en su respuesta. En la página de profundización de RankAI se explica este paso: la visibilidad en IA no se obtiene de una sola cifra, sino de la diferencia entre lectura y resumen, página a página y motor a motor.
Para que el contraste se entienda, imagina un caso ilustrativo y no observado: una página con tres secciones distintas en la que un motor lee el texto completo y otro resume solo el título. Es un ejemplo hipotético, útil únicamente para mostrar por qué la medición debe partir de la comparación y no de un valor agregado.
La diferencia como criterio de trabajo
Las páginas públicas de RankAI nombran ChatGPT, Perplexity, Gemini, Grok y Google AI. Claude y Grok solo se miden después de conectarlos. Gemini y Google AI Overviews no son la misma observación: conviene mantenerlos separados en la comparación, porque lo que un motor lee y lo que resume depende de la observación concreta. Una respuesta de API no es la pantalla de una persona: el resumen debe leerse en el contexto en el que se produjo.
Clasifica los tipos de diferencia
La propuesta operativa de RankAI no se queda en registrar la diferencia, sino que le asigna una tipología. Tres categorías hacen que la clasificación sirva para actuar:
- Omisión: el motor lee un contenido pero no lo resume. Criterio verificable: el pasaje está en la lectura y falta en el resumen.
- Síntesis: el motor resume el contenido de forma reducida. Criterio verificable: el resumen conserva el sentido pero recorta detalles o pasajes presentes en la lectura.
- Sustitución: el motor resume un contenido distinto del que leyó. Criterio verificable: el resumen atribuye a la página una información que no está en la lectura.
Pasos para medir la visibilidad en IA
- Fija la página y el motor. Criterio verificable: cada comparación se refiere a una sola página y a una sola observación, sin mezclar motores distintos.
- Registra la lectura. Criterio verificable: anota lo que el motor ha leído realmente de la página, sección por sección.
- Registra el resumen. Criterio verificable: anota lo que el motor resume en su respuesta, distinguiendo entre respuesta de API y pantalla de una persona.
- Clasifica la diferencia. Criterio verificable: cada diferencia recibe una de las tipologías (omisión, síntesis, sustitución) y no queda como algo genérico.
- Compara a lo largo del tiempo. Criterio verificable: repite la misma comparación sobre la misma página y el mismo motor, para que la diferencia se lea como variación y no como impresión.
Lo que aporta este artículo es la distinción entre registrar y clasificar. Registrar la diferencia entre lectura y resumen es el primer paso, pero por sí solo genera una lista de diferencias difícil de usar.
Clasificar la diferencia por tipología —omisión, síntesis, sustitución— convierte esa lista en algo sobre lo que se puede intervenir: una omisión que se repite en una sección indica que esa parte no se recoge; una síntesis indica que el contenido se recoge pero comprimido; una sustitución indica que el resumen se aleja de la lectura.
Esta clasificación es una propuesta operativa de RankAI, no un estándar universal. Su valor está en hacer comparables observaciones distintas sin reducirlas a un número único. Dado que Gemini y Google AI Overviews no son la misma observación, y que una respuesta de API no es la pantalla de una persona, la tipología debe aplicarse dentro de la observación concreta, no por encima de ella. Así, la comparación entre lo que un motor lee y lo que resume sigue siendo un criterio verificable y repetible sobre la misma página y el mismo motor.
Límite verificable: este método mide la diferencia entre lectura y resumen para una página y una observación cada vez; no produce un valor agregado ni cubre observaciones que no estén incluidas en las páginas públicas de RankAI. Para el marco completo del método, consulta la página de profundización.