Las revoluciones no ocurren cuando la sociedad adopta nuevas tecnologías. Ocurren cuando adopta nuevos comportamientos. Clay Shirky
Un cliente ya no busca siempre como antes. Puede que no escriba tu marca en Google. Puede que abra ChatGPT, Gemini, Perplexity o una búsqueda con resumen de IA y pregunte otra cosa:
- “Qué solución existe para mi dolor de cabeza”.
- “Qué diferencias hay entre este glucómetro y este otro”.
- “Qué riesgos debería tener en cuenta al trabajar con esta empresa”.
- “Qué marcas son más fiables en en el área del café”.
- “Qué alternativa encaja mejor con mi situación”.
En sectores regulados, esta pregunta es todavía más delicada. En pharma, salud, banca, seguros o servicios profesionales, la marca no se juega solo la visibilidad. Se juega el contexto en el que aparece, los atributos que se le asignan, las fuentes que la respaldan y las comparaciones que la IA decide hacer.
El problema no es si la IA “habla de ti”. El problema es qué está aprendiendo a decir de ti cuando tú no estás en la conversación.
La búsqueda ya no empieza siempre en una lista de enlaces
Durante años, la pregunta principal era bastante clara: “¿salimos en Google?”. Luego venía la posición, el CTR, la página de destino, el contenido y la conversión.
Ese mapa sigue importando. Mucho. Pero ya no explica todo el recorrido.
La IA ha introducido una capa intermedia entre la pregunta del usuario y la web de la marca. El usuario puede recibir una respuesta ya sintetizada antes de hacer clic en ningún resultado. Esa respuesta puede incluir marcas, descartar opciones, agrupar competidores, explicar ventajas, señalar riesgos o sugerir fuentes.
En productos sencillos, esto puede afectar a la comparación de precios o funcionalidades. En sectores regulados, afecta a algo más sensible: confianza, seguridad, autoridad y adecuación al caso.
Un paciente, un cuidador, un profesional sanitario, un responsable de compras o un directivo no preguntan igual. Pero todos pueden encontrarse con una respuesta de IA que ordena el terreno antes de llegar a una fuente oficial.
Y ese orden previo condiciona la percepción.
En pharma, el reto no es promocionar más. Es aparecer con el contexto correcto
Pharma tiene una particularidad que muchas lecturas sobre GEO pasan por alto: no todo puede tratarse como captación comercial.
En España, la publicidad dirigida al público de medicamentos sujetos a prescripción está excluida. Esto obliga a distinguir muy bien entre información, educación, comunicación institucional, relación con profesionales sanitarios y promoción.
Por eso, aplicar sin filtro las recetas de “sal en más respuestas de IA” sería una mala decisión.
En pharma, la pregunta correcta no es: “¿cómo hago que la IA recomiende mi producto?”. La pregunta seria es otra:
“¿Qué fuentes está usando la IA para explicar mi área terapéutica, mi categoría, mi tipo de solución o los problemas que mi marca ayuda a abordar?”. Ahí cambia todo.
Una compañía puede no querer, no poder o no deber aparecer en determinadas respuestas comerciales. Pero sí necesita saber si la IA está explicando mal un concepto, si está citando fuentes pobres, si asocia su categoría a riesgos sin matiz, si ignora materiales autorizados o si deja el relato en manos de terceros con menos criterio.
En salud, la ausencia también comunica.
Aparecer no basta: importa con quién y cómo apareces
Una marca puede aparecer en una respuesta de IA y, aun así, salir mal posicionada.
Puede aparecer al final de una lista genérica. Puede aparecer junto a competidores que no considera equivalentes. Puede quedar asociada a un atributo heredado que ya no representa bien su propuesta. Puede ser mencionada sin explicación suficiente. Puede no estar citada, aunque haya publicado contenido más riguroso que otras fuentes.
La visibilidad generativa no se mide solo con presencia o ausencia.
Hay que mirar, como mínimo, cinco capas:
- Qué preguntas activan la aparición de la marca.
- Qué modelos la mencionan y cuáles no.
- Qué atributos usa la IA para describirla.
- Qué competidores aparecen a su lado.
- Qué fuentes parecen sostener la respuesta.
Esto es especialmente relevante en marcas de alta confianza. Porque el daño no siempre llega por una afirmación falsa. A veces llega por una simplificación.
La IA tiende a ordenar. Agrupa. Resume. Compara. Y al hacerlo puede borrar matices que en sectores regulados son críticos.
Tu web importa, pero no decide sola
Uno de los errores más frecuentes es pensar que basta con revisar la web corporativa.
La web propia sigue siendo un activo central. Debe estar bien estructurada, ser clara, estar actualizada y facilitar que una persona o un sistema entienda quién eres, qué haces, en qué contexto operas y qué fuentes respaldan lo que afirmas.
Pero los modelos de IA no construyen respuestas solo desde tu web. Pueden apoyarse en medios, organismos públicos, documentos regulatorios, publicaciones científicas, asociaciones de pacientes, Wikipedia, YouTube, comparadores, foros, bases de datos, guías clínicas, reseñas, entrevistas o contenidos de terceros.
En pharma y salud esto abre una cuestión incómoda: parte del relato puede estar formándose fuera de los canales que la compañía controla.
Eso no significa intentar controlarlo todo. Sería imposible y poco sano.
Significa entender qué fuentes pesan de verdad, cuáles son fiables, cuáles están desactualizadas y dónde conviene reforzar claridad. A veces la respuesta no está en producir más contenido, sino en ordenar mejor lo ya publicado, actualizar una página olvidada, crear una explicación más comprensible o facilitar que una fuente autorizada pueda ser citada.
Menos herramientas, mejores decisiones.
Antes de hablar de GEO, conviene hacer preguntas más incómodas
GEO, AEO, AI Search, LLM visibility. El mercado ya ha empezado a llenar el tema de siglas.
Algunas aportan. Muchas distraen.
Antes de convertir la visibilidad en IA en otro proyecto nuevo, una marca debería responder a preguntas bastante concretas:
- ¿Sobre qué temas importa realmente aparecer?
- ¿En qué preguntas sería un riesgo aparecer demasiado?
- ¿Qué diferencia hay entre búsquedas informativas, comparativas y comerciales en nuestro caso?
- ¿La IA entiende bien nuestra categoría o la simplifica?
- ¿Qué fuentes usa cuando habla de nuestro sector?
- ¿Aparecemos por autoridad real o por inercia de marca?
- ¿El contenido propio está escrito para personas o para defender internamente cada coma?
- ¿Hay contenidos útiles para pacientes, profesionales o decisores que los modelos no están encontrando?
- ¿Las respuestas de IA empujan hacia la web oficial o dejan al usuario en fuentes externas?
- La visibilidad generativa exige criterio porque no todas las apariciones tienen el mismo valor.
En una marca de consumo, aparecer en una lista de recomendaciones puede ser una oportunidad comercial inmediata. En pharma, una aparición mal ubicada puede crear riesgo reputacional, regulatorio o médico. Y en servicios profesionales, una respuesta pobre puede asociar una marca experta a un territorio genérico donde compite por precio.
Cómo revisar qué dice la IA sin montar otro proyecto infinito
La forma sensata de empezar no es comprar una herramienta ni lanzar un plan de contenidos masivo. El primer paso puede ser mucho más simple: construir una pequeña matriz de preguntas reales. No cien. No mil. Las suficientes para detectar patrones. Por ejemplo:
- Preguntas de categoría: “qué es”, “cómo funciona”, “qué opciones existen”.
- Preguntas de comparación: “diferencia entre”, “alternativas a”, “mejor opción para”.
- Preguntas de confianza: “es fiable”, “qué riesgos tiene”, “qué dicen los expertos”.
- Preguntas por perfil: paciente, profesional sanitario, comprador, comité, dirección.
- Preguntas de marca: “qué hace”, “en qué destaca”, “frente a quién compite”.
Después conviene probar esas preguntas en varios entornos: ChatGPT, Gemini, Perplexity, Copilot o Google con resultados generativos cuando estén disponibles. Lo importante no es quedarse con una captura aislada. Lo importante es detectar repetición:
- Si una respuesta rara aparece una vez, puede ser desorden
- Si el mismo atributo se repite en varios modelos, ya hay una señal.
- Si la IA cita siempre fuentes externas y nunca la fuente oficial, hay una decisión pendiente.
- Si el modelo agrupa tu marca con competidores que no esperabas, conviene mirar qué contenido está provocando esa asociación.
Si la IA responde bien a preguntas genéricas, pero falla en las preguntas que haría un decisor real, la marca quizá está optimizada para visibilidad y no para decisión.
El contenido que ayuda a la IA también ayuda al directivo
La parte interesante de todo esto es que no exige escribir para máquinas. Exige escribir mejor para humanos.
Una buena página explicativa, un documento de preguntas frecuentes bien trabajado, una pieza educativa clara, una guía con límites bien definidos o una página de evidencia bien estructurada pueden ayudar a una IA a interpretar una marca. Pero primero ayudan a una persona. Esto encaja especialmente bien con sectores regulados.
La claridad reduce fricción. La trazabilidad reduce riesgo. Las fuentes bien citadas aumentan confianza. El lenguaje comprensible evita que el usuario acabe buscando explicaciones en espacios menos fiables.
En GaeaPeople, llamo a esto IA con criterio: no perseguir cada novedad técnica, sino decidir qué papel debe jugar la IA en la forma en que una marca es encontrada, interpretada y comparada.
Porque la pregunta de fondo no es “cómo salgo más en la IA”.
La pregunta útil es: “qué tiene que entender mejor el mercado sobre mi marca, y qué fuentes están enseñando eso hoy”.
Cuando la música me encaja sobre lo que estoy contando
Esta canción me encaja cuando escribía este post, me doy cuenta que estamos en ese momento raro en el que una marca se da cuenta de que el entorno ha cambiado sin pedir permiso. El usuario ya no entra necesariamente por la puerta de siempre. Pregunta en otro sitio, recibe una síntesis, compara desde otro marco y quizá llega a tu web después, o quizá no.
Tiene ese punto de extrañeza lúcida que va muy bien con el tema de Talking Heads / Once in a Lifetime: mirar una realidad conocida y preguntarse cómo hemos llegado aquí.
FAQs
GEO es la optimización de una marca, contenido o fuente para aparecer de forma adecuada en respuestas generadas por IA. No sustituye al SEO tradicional. Lo amplía. Ya no se trata solo de aparecer en una lista de enlaces, sino de entender cómo la IA sintetiza, compara y cita información sobre una marca o categoría.
No conviene plantearlo como sustitución total. Lo que está ocurriendo es una combinación de canales. Muchos usuarios usan IA para entender, comparar o filtrar opciones, y luego validan en Google, webs oficiales, medios, reseñas o fuentes especializadas. La decisión se vuelve menos lineal.
Porque salud es un territorio de alto impacto. Una explicación imprecisa puede afectar decisiones sensibles. En pharma también hay límites regulatorios claros sobre qué puede comunicarse al público y cómo. Por eso la visibilidad en IA debe revisarse con criterio, no como una campaña más de captación.
No como regla general. En medicamentos sujetos a prescripción, el enfoque no puede ser promocional hacia el público. La prioridad debería ser otra: que la IA use fuentes rigurosas, entienda bien el área terapéutica, no simplifique riesgos y dirija al usuario hacia información autorizada cuando corresponda.
Depende del modelo, del país, de la pregunta y del sector. Puede usar la web corporativa, medios, publicaciones científicas, organismos públicos, Wikipedia, vídeos, foros, comparadores, bases de datos o contenido de terceros. Por eso revisar solo la web propia suele dar una imagen incompleta.
Por una matriz pequeña de preguntas reales. Primero hay que saber qué preguntan los usuarios, qué modelos responden, qué fuentes aparecen y qué atributos se repiten. Sin ese diagnóstico inicial, cualquier acción de contenido, SEO o reputación corre el riesgo de responder a un problema mal formulado.
Sí, pero no contenido escrito para robots. Tiene sentido crear contenido claro, verificable, bien estructurado y útil para personas. Los motores generativos tienden a trabajar mejor con información comprensible, específica, trazable y respaldada por fuentes. Esa misma información ayuda también al directivo, al profesional y al usuario final.
El error más frecuente es convertirlo en otra moda técnica. La pregunta no debería ser “qué herramienta usamos para medirlo”, sino qué decisiones necesita tomar la marca: dónde quiere aparecer, dónde no, con qué atributos, frente a qué competidores y apoyada en qué fuentes.
Enlaces y recursos
Cómo las herramientas de IA influyen en el proceso de compra moderno: una encuesta a más de 1000 consumidores estadounidenses. Semrush aporta datos recientes sobre uso combinado de IA y búsqueda tradicional, descubrimiento de marcas y compra tras investigación con IA.
Nueva puerta de entrada a internet: Triunfar en la era de la búsqueda con IA. McKinsey refuerza la idea de que la búsqueda con IA ya condiciona decisiones de compra y que las marcas no pueden depender solo de su web.
Los estadounidenses recurren a la IA para complementar las visitas médicas. Gallup permite sostener el ángulo salud: el 25% de adultos en EE. UU. ha usado IA para información o consejo sanitario, con usos frecuentes antes o después de visitas médicas y confianza todavía limitada.
AEMPS recoge que la publicidad al público de medicamentos no sujetos a prescripción exige requisitos concretos, y el Real Decreto 1416/1994 excluye de la publicidad destinada al público los medicamentos que solo pueden dispensarse por prescripción facultativa.
Google clasifica salud dentro de los temas YMYL, donde la calidad y fiabilidad de la información tienen estándares más altos por el riesgo de daño.
EFPIA aporta base para defender la necesidad de materiales claros, comprensibles y centrados en el paciente en comunicación farmacéutica.
