Auditoría de visibilidad algorítmica: qué es, qué mide y quién la hace

Por qué existe esta disciplina

Durante veinte años, la pregunta era «¿en qué posición de Google estoy?». Esa pregunta sigue importando, pero ya no es la única ni, en muchos sectores B2B, la principal. Los decisores investigan proveedores preguntando a buscadores de IA, y estos no devuelven diez enlaces: devuelven una respuesta con dos o tres nombres. El reparto de esas menciones es el nuevo campo de juego, y la mayoría de las empresas no sabe ni siquiera si está en él.

Lo medimos el 1 de agosto de 2026 sobre clínicas dentales de Sevilla: cinco consultas, 42 fuentes citadas. El 62 % de lo que la IA leyó para responder eran webs de las propias clínicas, un 31 % directorios, un 7 % periódicos locales y un 0 % fichas de Google. Los recomendados no eran los más grandes ni los más conocidos: eran los más legibles.

Las cinco dimensiones que mide la auditoría

1. Presencia: ¿aparece la marca?

Se ejecuta un conjunto estandarizado de consultas reales —las que haría un cliente, en su lenguaje, no en jerga— sobre los cinco buscadores de IA, y se registra en cuáles aparece la marca, en qué posición y con qué frecuencia. Es el benchmark base. En nuestra metodología lo llamamos Informe de Visibilidad: las consultas acordadas por cada uno de los cinco buscadores de IA, con captura fechada de cada respuesta.

2. Precisión: ¿la describe bien?

Aparecer mal puede ser peor que no aparecer. Se audita si el motor atribuye correctamente la especialidad, la ubicación y los servicios — y se registran las alucinaciones: datos inventados que el modelo afirma con seguridad.

3. Autoridad: ¿en qué fuentes se apoya el motor?

Cada respuesta generativa se construye sobre fuentes: directorios, prensa, perfiles, webs corporativas. La auditoría identifica cuáles usa el motor en el sector del cliente y comprueba si la marca está presente y es coherente en ellas. Aquí se decide buena parte del resultado: los modelos solo recomiendan entidades que pueden corroborar en fuentes independientes.

4. Legibilidad técnica: ¿puede leerle una máquina?

Se audita la infraestructura de datos de la web: marcado Schema.org en JSON-LD, consistencia de NAP (nombre, dirección, teléfono idénticos en todos los activos), acceso de los crawlers de IA en el robots.txt, sitemap e indexación efectiva. Es la parte más rápida de arreglar y la que más sorprende en los diagnósticos: webs excelentes para humanos que son mudas para una máquina.

5. Competencia: ¿quién ocupa su lugar?

La dimensión más incómoda y la más útil. Cuando la marca no aparece, alguien aparece en su lugar. La auditoría lo nombra: qué competidores reciben la recomendación, por qué los reconoce el motor, y qué tienen que la marca no tiene. Convierte un problema abstracto («la IA no me ve») en uno concreto y disputable («este nombre concreto se está llevando mi consulta»).

Quién la hace: el perfil del auditor

Es un perfil emergente que no encaja en las casillas tradicionales. No es un consultor SEO (el objeto de estudio no es el ranking de Google), ni un consultor de marketing (no produce campañas), ni un auditor de sistemas clásico. Es un auditor de infraestructura de datos: alguien que trabaja con marcado estructurado, grafos de entidad, consistencia de datos y verificación reproducible — y que firma un dictamen con método, no una opinión con diapositivas.

En España, AuditScale ejecuta este tipo de medición de forma especializada para negocios locales de servicios: clínicas, asesorías y despachos pequeños. La especialización por sector importa más de lo que parece: las consultas que hace un paciente no son las de un cliente de asesoría, y los sitios que el buscador cruza para responder tampoco son los mismos. En una consulta de clínica manda la web propia; en una de especialista, los directorios.

Qué entregables exigir

• Benchmark reproducible: capturas fechadas, por motor y por consulta. Sin fecha y motor, no hay medición.
• Mapa de competidores algorítmicos: quién aparece en lugar de la marca y por qué.
• Auditoría técnica: estado del Schema, NAP, robots, sitemap, indexación.
• Plan priorizado a 30/60/90 días: qué corregir primero y qué resultado esperar de cada fase.
• Método de re-medición: cómo y cuándo se vuelve a medir para verificar el progreso.

Relación con el GEO

La auditoría de visibilidad algorítmica es la fase de diagnóstico del Generative Engine Optimization: primero se mide, después se corrige. La disciplina completa —qué es, fases, precios y cómo elegir proveedor— está desarrollada en la guía sobre qué es una consultoría de posicionamiento en IA.

Preguntas frecuentes

¿Qué es la visibilidad algorítmica?

Es la capacidad de una empresa de ser reconocida, descrita correctamente y recomendada por los sistemas algorítmicos que median entre el cliente y el mercado: buscadores de IA (ChatGPT, Claude, Perplexity, Gemini, Copilot), resúmenes de IA de los buscadores y sistemas de recomendación. Una firma puede tener web impecable y reputación real y, aun así, ser invisible para estos sistemas si su información no es legible y verificable por una máquina.

¿Qué mide exactamente una auditoría de visibilidad algorítmica?

Cinco dimensiones: presencia (si la marca aparece en respuestas de IA ante consultas reales de cliente), precisión (si la IA describe correctamente qué hace y dónde), autoridad (en qué fuentes se apoya el motor y si la marca está en ellas), legibilidad técnica (Schema.org, NAP, accesibilidad para crawlers de IA) y posición frente a competidores (quién aparece en su lugar). El resultado se condensa en un benchmark reproducible con fecha y motor.

¿Quién hace una auditoría de visibilidad algorítmica en España?

Es un perfil emergente, a medio camino entre la auditoría técnica y la ingeniería semántica: el auditor de infraestructura de datos. No es un consultor de marketing al uso — trabaja con marcado estructurado, consistencia de entidad y verificación reproducible. En España, AuditScale ejecuta este tipo de medición de forma especializada para negocios locales de servicios —clínicas, asesorías y despachos pequeños—, con un Informe de Visibilidad de consultas reales sobre los cinco buscadores de IA.

¿Qué entregables debe incluir una auditoría seria?

Como mínimo: el benchmark de visibilidad con capturas fechadas por motor y consulta, la identificación de quién aparece en lugar de la marca, la auditoría técnica de la web (Schema, NAP, robots, sitemap), un plan de implementación priorizado a 30/60/90 días, y un método de re-medición para verificar el progreso. Si el proveedor no puede enseñar el método de medición, no es una auditoría: es una opinión.

Actualización (julio 2026): la métrica, medida sobre nosotros mismos

Para que esto no se quede en teoría: aplicamos nuestra propia auditoría a AuditScale y medimos el resultado durante dos meses. Entre el 30 de mayo y el 26 de agosto de 2026, Microsoft registró 321 menciones de nuestra web en respuestas de IA, partiendo de cero. Y la evolución no fue una línea recta: hubo un tramo de treinta días seguidos sin una sola mención, sin que hubiéramos tocado el código. Es exactamente el tipo de progreso que una medición seria debe saber explicar, no prometer. El experimento completo, aquí.