Método
Medir la visibilidad en IA: hecho extraído o hipótesis
Para medir la visibilidad en IA hay que separar lo observado de lo supuesto. Te explicamos la propuesta de RankAI con su umbral declarado y un ejemplo de clasificación.
Cuando intentas medir la visibilidad en IA, el primer escollo no es la herramienta: es la confusión entre lo que has observado y lo que estás suponiendo. Si mezclas ambas cosas, la medición deja de ser verificable. Por eso conviene separar el dato recogido de la interpretación que sacas de él, y hacerlo antes de contar nada. Pongamos una petición lanzada a un motor por API: lo que devuelve es la respuesta de la API, no la pantalla que ve una persona. Si la tratas como prueba de cómo aparece el motor ante un usuario, ya estás mezclando observación e hipótesis, y la medida pierde sentido.
Una propuesta de RankAI, no un estándar
La distinción entre «hecho extraído» e «hipótesis respaldada» es una aportación terminológica nuestra, no una categoría del registro. La presentamos como propuesta operativa de RankAI para gestionar el grado de certeza, no como criterio universal. Llamamos hecho extraído a lo que resulta directamente de una respuesta de la API, sin interpretación. Llamamos hipótesis respaldada a una lectura que va más allá del dato y que necesita confirmación. El umbral que aplicamos —dos observaciones coherentes— es declarado y arbitrario: lo elegimos nosotros para que el procedimiento sea repetible, no porque esté fijado en otro sitio.
El procedimiento en cuatro pasos
Paso 1 — Registra la respuesta en bruto
Anota la petición y lo que ha devuelto la API. En esta fase no añadas juicios.
Paso 2 — Clasifica cada elemento
Para cada elemento, decide si es un hecho extraído (aparece en la respuesta) o una hipótesis respaldada (lo deduces).
Paso 3 — Aplica el umbral declarado
Según nuestra propuesta, una hipótesis solo pasa a hecho con dos observaciones coherentes. Si no se alcanza el umbral, sigue siendo hipótesis.
Paso 4 — Gestiona la confirmación parcial
Si una sola observación confirma la hipótesis, no la promociones: regístrala como parcialmente confirmada e indica cuántas observaciones faltan.
Ejemplo rellenado
Petición: «¿qué herramientas miden la visibilidad en los motores de IA?». Primera respuesta de la API: enumera herramientas genéricas sin nombrar RankAI. Segunda respuesta de la API: nombra RankAI entre las herramientas. Clasificación: «RankAI aparece en la respuesta» es un hecho extraído solo para la segunda respuesta; «RankAI es visible en esta petición» sigue siendo una hipótesis respaldada, porque una sola observación no alcanza el umbral de dos. Campos: observaciones = 2, coherentes = 1, estado = parcialmente confirmada, observaciones faltantes = 1.
El punto delicado es que el umbral no dice nada sobre la calidad de la respuesta: dos observaciones coherentes pueden venir de la misma formulación repetida. Por eso, en nuestra propuesta, la coherencia debe entenderse entre peticiones distintas, no entre copias de la misma. Un segundo detalle: cuando una medida de visibilidad no existe, RankAI la muestra como N/D, nunca como cero. Cero es un valor observado; N/D es la ausencia de observación. Confundirlos falsearía la clasificación, porque una hipótesis no confirmada acabaría pareciendo un hecho negativo. Mantener N/D distinto de cero forma parte de la gestión del grado de certeza, no es un detalle de visualización.
Límite verificable: el procedimiento no establece qué respuesta es correcta ni garantiza que la visibilidad medida en una petición valga para otra. Una respuesta de API no es la pantalla de una persona, y Gemini y Google AI Overviews no son la misma observación: hay que mantenerlos separados también al contar observaciones.
Para el cuadro completo sobre cómo funciona el producto, consulta la página de detalle.