Cuando la IA elige tu marca (o no)

El invitado que nadie invitó a la conversación

Hace poco estaba revisando con un cliente de TOTEM su posicionamiento de marca cuando me hice una pregunta que no me había planteado antes con esa claridad: ¿para quién estamos construyendo realmente esta marca? La respuesta obvia era "para las personas que la van a comprar". Pero cuanto más lo pienso, más claro tengo que esa respuesta ya está incompleta. Cada vez es más frecuente que, antes de que una persona llegue por sí misma a comparar dos marcas, un sistema de inteligencia artificial interactúe primero con quien tiene la duda y le entregue una conclusión definitiva en lugar de una lista con varias opciones. Esto tiene una doble implicación: ya no basta con ser una buena marca que simplemente no está bien posicionada, porque eso ahora significa quedar fuera de la conversación sin que nadie lo note; además, la decisión de compra deja de estar solo en manos de la persona y empieza a estar también influida por lo que un modelo de lenguaje decide mostrarle.

Esto es algo que ya está ocurriendo, a una escala que sorprende incluso a quienes trabajamos en esto día a día. Amazon ha declarado que su asistente de compra con inteligencia artificial, Rufus, fue usado por más de 300 millones de clientes en 2025 y ayudó a generar cerca de 12.000 millones de dólares en ventas adicionales para la compañía, según los propios datos que Amazon compartió en sus resultados (Modern Retail; Yahoo Finance). Los clientes que interactúan con Rufus durante su compra tienen un 60% más de probabilidad de completarla que los que no lo usan. Esto ya forma parte del customer journey de millones de personas en el marketplace más grande del mundo, y se ha colado en el proceso de compra casi de forma natural, sin pedir permiso. Los más beneficiados son tanto los usuarios como el propio Amazon: unos ahorran tiempo y sienten que la búsqueda se ajusta mejor a lo que necesitan, el otro vende más. Los perjudicados son las marcas medianas y pequeñas, que corren el riesgo de pasar de ser vistas a volverse invisibles dentro de ese mismo marketplace.

Ese participante que nadie invitó explícitamente a la conversación entre una marca y la persona que podría comprarla es el tema de este artículo. Es por eso que los líderes, especialmente los de marca, pero en realidad todos los que forman parte de una organización, tienen que empezar a revisar tanto su estrategia como su proyección de crecimiento. Mientras tanto, muchas empresas probablemente lo estén ignorando, como si nada de esto estuviera pasando, dejándose arrastrar por una ola que puede impulsarlas, pero que lo más probable es que termine hundiéndolas.

La estrategia de marca se diseñó pensando solo en personas

Todo lo que sabemos sobre construir marcas (posicionamiento, identidad, notoriedad, confianza, preferencia) se pensó para un mercado en el que la única entidad capaz de decidir era un ser humano. Los modelos clásicos de valor de marca miden:

• Cuánto te recuerda la gente.
• Qué significa tu marca para ellos.
• Cuánto están dispuestos a preferirte frente a la competencia.

Y llevan décadas demostrando que eso es exactamente lo que hay que optimizar para ganar en este mercado.

Nada de eso deja de ser cierto. Las personas van a seguir prefiriendo marcas por razones emocionales, culturales e identitarias, y ese sigue siendo el corazón de cualquier estrategia de marca seria. El problema es que, por primera vez, la preferencia humana ya no es la única variable que decide si una marca no solo entra en consideración, sino que además aparece como una opción real para la persona que termina pagando por el producto o servicio.

Cambios a considerar cuando la IA se convierte en intermediaria

Cuando un asistente de IA responde, ya comparó marcas y entrega una conclusión basada en los datos que el modelo tiene como base de conocimiento, casi siempre reducida a muy pocas opciones, a no ser que la persona pida explícitamente que se le den más. Esto implica que pasamos de una fase en la que cualquier marca podía aparecer a otra en la que el embudo se cierra mucho más, y solo unas pocas marcas, probablemente pagando por esa visibilidad o siendo muy fieles a su propuesta de valor y diferenciación, van a ser mencionadas.

La pregunta que los equipos de marca tienen que empezar a responder hoy es distinta y bastante más incómoda: ya no es cómo aparecemos en los resultados, sino ¿por qué nos recomendaría un sistema de IA? El filtro se movió río arriba, y las marcas que no estén preparadas para ese filtro simplemente no llegan a tener la oportunidad de convencer a la persona con su propia narrativa de marca.

Esto además está muy alineado con lo que se ve en las clases de negocio y, cada vez más, en la práctica: pasamos de analizar competidores directos, como Coca-Cola y Pepsi, a analizar de verdad las necesidades del cliente. Un sistema de IA no compara simplemente por industria o por tipo de producto o servicio, sino por la opción que mejor resuelve lo que la persona necesita en ese momento. Es exactamente por eso que el branding gana valor en vez de perderlo: responder directamente a esas necesidades puede terminar siendo lo que decide si tu marca es la elegida. El mercado deja de ser el mercado de las bebidas carbonatadas para convertirse en el mercado de los encuentros, el mercado de refrescarte, el mercado de pasar un buen rato. Y es justo ahí, en ese momento, cuando las marcas dejan el terreno de la publicidad y entran en el terreno de la realidad: donde se ve si su propuesta de valor y su promesa de marca se cumplen de verdad o no. Ser coherente nunca fue tan valioso como ahora.

Lo que ya está pasando, con datos que lo demuestran

Prefiero no quedarme en la teoría, así que vamos directamente a datos de marcas conocidas.

El primero es el intento de OpenAI y Stripe de resolver la compra dentro de la propia conversación. En septiembre de 2025 lanzaron el Protocolo de Comercio Agéntico (ACP), un estándar abierto que permite comprar sin salir de ChatGPT, con más de un millón de comercios de Shopify como primeros socios, y con Target, Sephora y Nordstrom sumándose después para aparecer al menos en el descubrimiento (OpenAI; Stripe). Walmart fue de los primeros en probarlo a fondo, con 200.000 productos disponibles para comprar directamente dentro del chat. El resultado fue revelador, aunque conviene traducirlo bien: las compras que la gente hacía dentro de ChatGPT convertían a un tercio de la tasa de las compras que primero pasaban por walmart.com, es decir, quien llegaba a través de ChatGPT terminaba comprando mucho menos que quien entraba directamente a la web de Walmart. Daniel Danker, vicepresidente de producto de Walmart, calificó públicamente esa experiencia de "insatisfactoria" (MarTech). Fue, en el fondo, un experimento que no terminó de funcionar del todo, y que llevó a OpenAI a reposicionar ChatGPT como una capa de descubrimiento en vez de un canal de compra completo, dejando que cada comercio controle su propio checkout. La lección es que la fase madura de todo esto separa dos cosas que al principio parecían una sola: dónde te descubren y dónde te compran. Ser visto ya es tan importante como tener un buen producto para que finalmente te compren.

El segundo episodio es Google. Cuando aparece un AI Overview (el resumen que Google genera con IA encima de los resultados de búsqueda), el clic hacia los resultados orgánicos cae de forma drástica: de un 1,62% a un 0,61%, es decir, se reduce a poco más de un tercio de lo habitual, según un estudio de Seer Interactive sobre 53 marcas y 5,47 millones de búsquedas (Search Engine Land). Un experimento de campo independiente, además, encontró una caída del 38% en los clics orgánicos en las búsquedas donde aparece uno de estos resúmenes (Search Engine Journal). Dicho en corto: cuando Google responde por ti, mucha menos gente termina haciendo clic en una web, la tuya incluida.

Ese mismo estudio de Search Engine Land encuentra señales de recuperación entre diciembre de 2025 y febrero de 2026, lo que sugiere que el mercado se está reajustando, y no que el clic orgánico vaya a desaparecer del todo.

Y aquí conviene también un poco de humildad con las predicciones: en 2024, Gartner anticipó que el volumen de búsqueda tradicional caería un 25% para 2026 por el avance de los asistentes conversacionales (Gartner). A mitad de 2026, la evaluación más extendida es que esa caída no se produjo con esa magnitud: la búsqueda está evolucionando, no colapsando. Cito este dato no para restarle importancia al fenómeno, sino porque merece la pena distinguir lo que ya se puede medir de lo que todavía es una proyección, sobre todo en un tema donde es fácil dejarse llevar por el titular más alarmista, sensacionalista o directamente de hype.

El Modelo de Ventaja de Marca en la Era de la IA

De estos episodios sale un patrón que se puede resumir en un marco, y que es el argumento central de este artículo:

Ventaja de marca = Preferencia humana × Legibilidad para máquinas × Confianza en la entrega

El signo de multiplicar no es decorativo. Es la parte más importante del modelo, porque implica que ninguna de las tres dimensiones compensa del todo a las otras dos.

• Preferencia humana: si la gente conoce, confía y quiere la marca. Es la marca querida por las personas.
• Legibilidad para máquinas: si los sistemas de IA pueden entender con precisión qué es la marca, qué ofrece y en qué es realmente diferente. Es la marca entendida por los sistemas.
• Confianza en la entrega: si la empresa cumple, de forma consistente, con el precio, la disponibilidad, la calidad y el servicio que la IA puede usar para decidir si la recomienda o no. Es la marca validada por la realidad.

Si una de las tres dimensiones es débil, la ventaja total de la marca cae de forma significativa.

Una marca muy querida por las personas, pero invisible o mal representada para los sistemas de inteligencia artificial, pierde una parte creciente del mercado sin entender del todo la causa, de la misma manera en que Walmart descubrió que estar presente dentro de ChatGPT no bastaba si la experiencia de compra ahí dentro no estaba a la altura.

Una marca muy visible para la IA, pero sin conexión emocional real, no genera preferencia duradera: solo transacciones frías y fácilmente sustituibles.

Y una marca con una identidad atractiva que no entrega lo que promete queda expuesta más que nunca, porque comparar ya no cuesta ni tiempo ni casi esfuerzo.

Por qué la estrategia de marca actual puede no alcanzar

La debilidad más común que veo, dentro y fuera de TOTEM, es el lenguaje genérico. "Innovadores", "centrados en el cliente", "sostenibles", "de confianza" son palabras que ya eran débiles para las personas, porque cualquier competidor puede apropiárselas sin que nadie note la diferencia. Para un sistema de IA que necesita señales distinguibles y verificables para justificar una recomendación, ese lenguaje es todavía más inútil.

A eso se suma la información fragmentada: datos de producto en un sitio, reseñas dispersas en otro, comunicación de marca que no siempre refleja la realidad operativa del día a día. Y el problema de fondo, el que más me preocupa: la distancia entre lo que la marca promete y lo que la empresa efectivamente entrega. Esa distancia siempre existió, pero antes era cara de detectar, porque comparar de verdad exigía tiempo y esfuerzo de la persona. Ahora, con un sistema de IA de por medio, comparar es instantáneo y gratuito, así que esa distancia se hace visible mucho antes y con muchas más consecuencias.

Hay un riesgo adicional que conviene nombrar con claridad: la dependencia de plataforma. Cuantas más decisiones de compra se apoyen en asistentes, buscadores conversacionales o motores de recomendación, más empresas van a descubrir que tienen menos control sobre cómo se las representa del que creían. Una marca puede tener una notoriedad excelente y, aun así, muy poca influencia real sobre la información que un sistema de IA usa para describirla o compararla con otras. Saber de dónde viene esa información, quién controla el punto de contacto con el cliente y qué fuentes considera autoritativas el sistema ya es, en sí mismo, una decisión estratégica.

Una autoevaluación honesta para el equipo directivo

Antes de pasar a la agenda de acción, vale la pena hacerse algunas preguntas incómodas, porque la mayoría de las empresas nunca se las ha planteado con esta claridad:

• Si le preguntamos directamente a ChatGPT, Gemini o Claude sobre nuestra empresa, ¿la describen con precisión? ¿Coincide con cómo queremos que se nos describa?
• Cuando alguien le pide a un sistema de IA una recomendación en nuestra categoría, ¿aparecemos? ¿Y si aparecemos, en qué posición y con qué matices?
• ¿Qué parte de lo que decimos sobre nuestra marca está respaldada por evidencia verificable, y qué parte es solo lenguaje de marketing?
• ¿En qué medida dependemos de plataformas externas para llegar al cliente, y qué pasaría con nuestra visibilidad si esa plataforma cambiara sus reglas mañana?
• ¿Hay algún fallo operativo real (entregas, servicio, disponibilidad) que esté silenciosamente contradiciendo nuestra promesa de marca?

Ninguna de estas preguntas tiene una respuesta cómoda a la primera. Esa es precisamente la señal de que vale la pena hacérselas. Convertí estas preguntas en un checklist puntuable con veredicto: ¿Está tu marca lista para la IA?

Qué deberían hacer los líderes empresariales ahora

No hace falta esperar a tener todas las respuestas para empezar a moverse. Una agenda concreta:

1. Auditar cómo describen y recomiendan los sistemas de IA a la marca hoy, comparando esa descripción con la que la empresa querría proyectar.
2. Clarificar los atributos distintivos y verificables de la marca, dejando de lado los adjetivos genéricos que cualquier competidor podría usar igual.
3. Mejorar la estructura, consistencia y accesibilidad de la información de marca en todos los canales donde un sistema de IA pueda encontrarla.
4. Identificar qué señales operativas sostienen la promesa de marca y cuáles la contradicen en silencio.
5. Reforzar referencias de terceros con autoridad real: prensa, comparativas serias, certificaciones, casos verificables, no solo testimonios propios.
6. Sentar en la misma conversación estratégica a marca, SEO, ecommerce, datos, tecnología y experiencia de cliente, algo que en la mayoría de las empresas hoy son conversaciones separadas que casi no se hablan entre sí.
7. Decidir, con intención y no por inercia, qué partes de la marca deben seguir siendo profundamente humanas y cuáles necesitan volverse legibles para las máquinas.

Lo que nunca debería automatizarse

Cierro con lo que para mí es el punto más relevante de todo este artículo. Precisamente porque comparar en base a prestaciones y funcionalidad se vuelve instantáneo y directo, lo que hace que una marca sea elegida, recordada y, sobre todo, amada, va mucho más allá de su precio o su especificación técnica.

La conexión emocional real, la cultura, la identidad que transmite una marca y el significado que representa no compiten con la IA, siempre que sean visibles. Son, precisamente, lo que a la IA le cuesta replicar, por más sofisticado, complejo o potente que se vuelva el sistema. Si tratamos a las marcas únicamente como un problema de visibilidad algorítmica, y olvidamos por qué existen o por qué las personas las prefieren por encima de las demás, estaremos renunciando a la esencia de lo que realmente marca la diferencia: lo más difícil de copiar, y a la vez lo más valioso.

La marca que gane en los próximos años será la que consiga las tres cosas al mismo tiempo: la que sea entendida por los sistemas de IA, la que sea validada por la realidad de lo que promete y termina entregando, y sobre todo, la que se gane el amor de las personas hacia la marca en sí.