Respuesta directa y límites de lo que se sabe
Ningún motor de respuestas con IA, ni la búsqueda de ChatGPT, ni Perplexity, ni las funciones de IA de Google, ni Microsoft Copilot, ha publicado una explicación completa de cómo selecciona o jerarquiza las fuentes de una respuesta generada. Lo que cada uno ha revelado son mecanismos concretos y parciales: el comportamiento de sus crawlers y las reglas de acceso, conceptos generales de recuperación y algunas prácticas de citación y de grounding. Esta guía contrasta esas declaraciones entre sí, indica con claridad dónde terminan las pruebas y empieza la inferencia, y trata «no revelado públicamente» como una respuesta legítima y correcta, no como un hueco que haya que rellenar con especulación.
Cada afirmación de esta guía se clasifica en una de cuatro clases de evidencia: documentada (un proveedor lo ha declarado directamente en su documentación oficial vigente), observable (verificable de forma independiente y repetible mediante pruebas directas, como revisar las cabeceras de respuesta o los registros de crawlers), inferida (una interpretación profesional razonable que el proveedor no ha confirmado directamente) o desconocida (ni revelada ni observable de forma fiable). Esta guía cubre las experiencias públicas de respuesta para consumidores basadas en la web; los conectores empresariales privados y las implementaciones de recuperación a medida son un contexto sustancialmente distinto y no se tratan aquí, salvo donde se separan de forma explícita. Esta guía no revela ni especula sobre aspectos internos de los modelos propietarios, sus pesos o los detalles de sus datos de entrenamiento: quedan fuera de su alcance y, en la mayoría de los casos, no se pueden conocer desde fuera del proveedor.
El modelo común de la recuperación a la respuesta
Aunque el nivel de detalle revelado varía, los grandes motores de respuestas describen a alto nivel un proceso bastante parecido, si bien los mecanismos concretos de cada fase cambian según el producto y no se revelan de manera uniforme. Una persona envía una consulta, que el sistema interpreta y, en algunos casos documentados, puede descomponer en varias subconsultas relacionadas, una técnica que Google denomina query fan-out en sus funciones AI Overviews y AI Mode (Google Search Central, AI features and your website, consultada el 14-09-2026; documentado). A continuación, el sistema recupera un conjunto de fuentes candidatas mediante alguna combinación de un índice de búsqueda construido de antemano y, en algunos casos, descargas en tiempo real. Entre esas candidatas, un proceso de selección o de posicionamiento determina qué fuentes alimentan la respuesta generada, un proceso que ningún gran proveedor ha revelado por completo (desconocido, en las cuatro plataformas que trata esta guía). Después se extrae el contenido relevante de las fuentes seleccionadas y se sintetiza en una respuesta generada, que puede incluir citas o enlaces a algunas o a todas las fuentes utilizadas, según el producto y la respuesta concreta.
Esta estructura común es un modelo mental útil, pero no demuestra que dos plataformas implementen estas fases de la misma manera ni que la lógica interna de selección de una se parezca a la de otra.
Búsqueda de ChatGPT
OpenAI documenta una separación de finalidades que afecta directamente a la selección de fuentes: OAI-SearchBot se usa para el descubrimiento y la recuperación en búsqueda que pueden alimentar las respuestas de tipo búsqueda de ChatGPT, y es distinto de GPTBot, que se usa para el entrenamiento de modelos, y de ChatGPT-User, que se usa para las descargas en tiempo real que desencadena una petición concreta de un usuario (preguntas frecuentes de OpenAI para editores y desarrolladores, consultadas el 14-09-2026; documentado). OpenAI afirma de forma directa que permitir el acceso a OAI-SearchBot es necesario para poder aparecer en la búsqueda y, eventualmente, ser citado, pero que no garantiza un lugar en ninguna respuesta concreta, y que los resultados citados pueden seguir siendo incompletos o inexactos (OpenAI, searching the web with ChatGPT, consultada el 14-09-2026; documentado). ChatGPT admite el etiquetado de referencia en los enlaces salientes, lo que permite a las organizaciones medir el tráfico que llega mediante un clic (documentado). Más allá de estos puntos revelados, no se ha hecho pública la lógica concreta que determina qué fuentes elegibles se seleccionan y se citan para una consulta dada (desconocido).
Perplexity
Perplexity documenta comportamientos de crawler separados: un crawler de indexación que construye su índice de búsqueda de antemano y, por otro lado, descargas en tiempo real desencadenadas por el usuario para la recuperación en directo, cada uno con cadenas de user-agent publicadas y rangos de IP documentados que las organizaciones pueden usar para la verificación (documentación de crawlers de Perplexity, consultada el 14-09-2026; documentado). Esta separación de finalidades, de estructura parecida a la de OpenAI, está documentada en sí misma; los criterios concretos con los que Perplexity selecciona y jerarquiza las fuentes entre las que tiene a su alcance no se han revelado públicamente (desconocido).
Google AI Overviews y las experiencias de búsqueda basadas en Gemini
Google afirma que sus funciones de IA se apoyan en los mismos sistemas de rastreo, indexación y posicionamiento que la búsqueda tradicional, que el contenido debe cumplir los mismos requisitos de indexabilidad y de elegibilidad para fragmentos para poder optar a las funciones de IA, y que estas funciones pueden usar query fan-out para reunir un conjunto más amplio de información de apoyo antes de generar una respuesta (Google Search Central, AI features and your website, consultada el 14-09-2026; documentado). Google también ha rechazado de forma explícita y directa varias afirmaciones habituales: no se necesita ningún formato de contenido, marcado ni archivo especial, tampoco un hipotético llms.txt, para ser elegible, y Google recomienda contenido realmente útil y original en lugar de contenido diseñado para la extracción (Google Search Central, optimizing for generative AI features, consultada el 14-09-2026; documentado). Más allá de estas declaraciones, no se ha revelado públicamente la ponderación o la lógica de selección concretas que determinan qué fuentes elegibles y rastreables se eligen para un AI Overview o una respuesta de AI Mode concretos (desconocido).
Microsoft Copilot
Microsoft describe Copilot como un sistema que usa grounding web con citas enlazadas para respaldar sus respuestas (Microsoft, nota de transparencia de Copilot, consultada el 14-09-2026; documentado), mientras que la documentación de soporte más general de la propia Microsoft advierte, por separado, que las respuestas generadas pueden seguir siendo inexactas, lo que significa que la presencia de grounding y de citas no garantiza por sí misma que la respuesta sea correcta (documentado). Los informes de AI Performance de Bing, presentados en vista previa pública en Webmaster Tools, ofrecen a los propietarios de sitios el número de citas, las páginas citadas y una muestra de consultas de grounding, y la propia documentación de Microsoft señala límites importantes para interpretar esos datos de muestra, ya que no representan un censo completo de todas las consultas en las que un sitio podría haberse tenido en cuenta (Bing Webmaster Tools, Introducing AI Performance, consultada el 14-09-2026; documentado). La lógica concreta que determina qué fuentes de grounding se seleccionan para citarse en una respuesta dada de Copilot no se ha revelado públicamente (desconocido).
Matriz de evidencias entre plataformas
La tabla siguiente reúne las afirmaciones anteriores en un único registro de evidencias comparable. Cada fila indica de forma explícita su clase de evidencia y su fuente principal; varias filas indican, con razón, «no revelado públicamente» en lugar de ofrecer una respuesta especulativa.
| Proveedor/producto | Afirmación | Clase de evidencia | Fuente principal | Fecha de observación/consulta | Implicación segura |
|---|---|---|---|---|---|
| OpenAI / búsqueda de ChatGPT | El acceso de OAI-SearchBot es necesario para ser elegible en la búsqueda, pero no garantiza la citación |
Documentada | Documentación de OpenAI «searching the web with ChatGPT» | 14-09-2026 | Permita el crawler de forma deliberada si la visibilidad en búsqueda es un objetivo; no espere que esto por sí solo genere citas |
| OpenAI / búsqueda de ChatGPT | El entrenamiento (GPTBot), el descubrimiento en búsqueda (OAI-SearchBot) y las descargas a petición del usuario (ChatGPT-User) se controlan por separado |
Documentada | Preguntas frecuentes de OpenAI para editores y desarrolladores | 14-09-2026 | Defina cada política de acceso de forma deliberada; no las trate como un único interruptor |
| OpenAI / búsqueda de ChatGPT | Lógica concreta de selección y citación de fuentes entre las fuentes elegibles | Desconocida | No revelada | 14-09-2026 | No presente como confirmada ninguna afirmación concreta sobre el posicionamiento en ChatGPT |
| Perplexity | La indexación y la descarga en tiempo real a petición del usuario son comportamientos de crawler documentados por separado | Documentada | Documentación de crawlers de Perplexity | 14-09-2026 | Verifique la identidad del crawler con los rangos de IP publicados antes de decidir sobre listas de permitidos |
| Perplexity | Lógica concreta de selección de fuentes entre las fuentes accesibles | Desconocida | No revelada | 14-09-2026 | No presente como confirmada ninguna afirmación concreta sobre el posicionamiento en Perplexity |
| Funciones de IA de Google | Las funciones de IA se apoyan en la misma base de rastreo, indexación y posicionamiento que la búsqueda; no se requiere ningún marcado, archivo ni formato especial para IA | Documentada | Guías de Google Search Central sobre funciones de IA y optimización | 14-09-2026 | Dé prioridad a un SEO técnico sólido y a contenido realmente útil frente a tácticas especulativas específicas para IA |
| Funciones de IA de Google | Se puede usar query fan-out para reunir información de apoyo más amplia | Documentada | Google Search Central, AI features and your website | 14-09-2026 | Una única posición en el ranking describe la elegibilidad para las funciones de IA de forma menos completa que en los resultados tradicionales |
| Funciones de IA de Google | Lógica concreta de selección y ponderación entre fuentes elegibles y rastreables | Desconocida | No revelada | 14-09-2026 | No presente como confirmada ninguna lista concreta de factores de posicionamiento para AI Overviews |
| Microsoft Copilot | Usa grounding web con citas enlazadas; las respuestas generadas pueden seguir siendo inexactas | Documentada | Nota de transparencia de Microsoft Copilot y documentación de soporte | 14-09-2026 | El grounding y las citas no garantizan la exactitud; verifique de forma independiente las afirmaciones importantes |
| Microsoft Copilot / Bing | Los informes de AI Performance ofrecen el número de citas y muestras de consultas de grounding, con límites de interpretación declarados | Documentada | Bing Webmaster Tools, Introducing AI Performance | 14-09-2026 | Trate estos informes como una muestra útil, no como un censo completo |
| Microsoft Copilot | Lógica concreta de selección de fuentes entre las fuentes de grounding | Desconocida | No revelada | 14-09-2026 | No presente como confirmada ninguna afirmación concreta sobre el posicionamiento en Copilot |
Implicaciones seguras para la optimización
A partir de lo que está realmente documentado en estas cuatro plataformas, se pueden formular con una confianza razonable unas pocas implicaciones, cada una extraída directamente de las filas documentadas de la matriz de evidencias anterior y no de la lógica de selección no revelada. Gestione de forma deliberada el acceso de los crawlers para cada una de las finalidades que cada proveedor documenta por separado, ya que el acceso es siempre un requisito documentado, aunque nunca sea una garantía documentada. Dé prioridad al contenido realmente útil y original frente al contenido diseñado estrictamente para la extracción, ya que Google ha rechazado de forma explícita este último como requisito y lo ha desaconsejado implícitamente como estrategia. Desconfíe de cualquier lista concreta y numerada de «factores de posicionamiento en IA» que proceda de un proveedor o de una consultoría, ya que ninguna de las plataformas tratadas aquí ha revelado una; esta guía ha marcado ese mecanismo con cuidado como desconocido en todas las plataformas revisadas. Utilice los informes propios disponibles, como la vista AI Performance de Bing, como una muestra útil pero incompleta y no como una imagen definitiva de la visibilidad total de un sitio en IA, en coherencia con los límites que declara cada proveedor.
Pruebas y limitaciones
Cuando esta guía menciona la observación reproducible como clase de evidencia, se refiere a una prueba que el lector puede repetir de forma independiente, como revisar los registros del propio servidor en busca de peticiones de crawlers verificadas o consultar la herramienta de informes propia de una plataforma, y no a un experimento puntual de terceros que nadie ha replicado. Cualquier experimento de terceros que se cite en otras partes de este pilar se trata como una observación acotada, que describe lo que ocurrió en esa prueba concreta y en ese momento concreto, sin generalizarlo como regla universal.
La limitación central de toda esta guía es su dependencia del momento. Cada afirmación documentada anterior lleva la fecha de consulta del 14-09-2026 y conviene volver a comprobarla con la documentación vigente de los proveedores antes de apoyarse en ella para una decisión importante, ya que el comportamiento de las plataformas y las políticas que revelan pueden cambiar sin previo aviso, como ya ha ocurrido en todas las plataformas tratadas aquí.
Preguntas frecuentes
¿Ha publicado alguna plataforma un algoritmo completo de posicionamiento para las respuestas de IA?
No. La matriz de evidencias de esta guía marca como desconocida la lógica concreta de selección y posicionamiento de cada plataforma, ya que ninguna la ha revelado a la fecha de esta revisión.
¿Por qué a veces no aparecen citas aunque una fuente se haya usado claramente?
Es un patrón documentado: proveedores como OpenAI y Microsoft reconocen en su propia documentación que las respuestas generadas pueden ser incompletas o que la citación no está garantizada, aunque ninguno revela el motivo concreto en cada caso individual.
¿Usan ChatGPT, Perplexity, las funciones de IA de Google y Copilot los mismos mecanismos de fondo?
Comparten a alto nivel un proceso bastante parecido (recuperación, selección, síntesis, citación), como describe el modelo común anterior, pero cada uno tiene su propio comportamiento de crawler documentado por separado y sus propias prácticas reveladas; tratarlos como intercambiables supone el riesgo de aplicar por error a una plataforma el comportamiento documentado de otra.
¿Debemos fiarnos de un estudio de terceros que afirma haber descifrado mediante ingeniería inversa los factores de posicionamiento en IA?
Evalúelo como una observación acotada: qué se probó exactamente, cuántos intentos se hicieron, en qué condiciones y si el propio proveedor ha confirmado alguna parte. Esta guía no considera ningún estudio de este tipo equivalente a una declaración documentada del propio proveedor.
¿Tener una página en Wikipedia o una alta autoridad de dominio garantiza la citación en IA?
No según la documentación de los proveedores revisada para esta guía; esta guía marca como desconocida la lógica de selección de fuentes en todas las plataformas y no presenta la autoridad de dominio ni ningún factor aislado como un determinante confirmado.
¿Qué deberíamos hacer, entonces, si tanto es desconocido?
Concentre los recursos en los requisitos documentados y aplicables: un acceso de crawlers gestionado de forma deliberada, contenido realmente útil y original, una representación precisa de sus entidades y una accesibilidad técnica sólida, en lugar de perseguir una lógica de selección no revelada, y mida los resultados con honestidad con la metodología basada en muestras que se explica en Medir la visibilidad en la búsqueda con IA y hacer seguimiento de las citas.
Vías de solución según su contexto
Sustituya las conjeturas por un programa de Search Intelligence documentado y comprobable, construido como parte de un proyecto completo de AI Marketing Operating System.