ChatGPT : un análisis de patrones

Resumen del informe

Este informe recoge seis patrones de sesgo detectados en ChatGPT 20 días de datos empíricos de visibilidad, que abarcan 8 marcas de SaaS B2B, 8 categorías de productos y 4 motores de IA principales: ChatGPT, Perplexity, Google AI Overviews y Google AI Mode. El objetivo es identificar en qué aspectos las recomendaciones ChatGPT se alejan de la realidad del mercado y comprender los mecanismos que subyacen a esas divergencias.

Lo que muestran los datos es un sistema que se ve determinado, más que por las condiciones actuales del mercado, por la estructura de su corpus de entrenamiento: una dependencia desproporcionada de Wikipedia, un conjunto de citas concentrado en un pequeño número de dominios de gran autoridad, una sobrerrepresentación constante de productos relacionados con Microsoft y OpenAI, y una dependencia casi total de contenidos de reseñas de terceros frente a los activos de marca propios.

Las seis tendencias se mantienen constantes en todas las categorías, marcas y periodos.

Datos empíricos (useomnia.com)

Metodología del estudio

• Periodo de seguimiento: del 22 al 31 de marzo de 2026 (20 días)
• Motores analizados: OpenAI (ChatGPT), Perplexity, AI Overviews de Google AI Overviews, Google AI Mode
• Total de consultas por prompt: 80 (4 motores × 20 días)
• prompts activos prompts marca: 10 (sin marca + con marca)
• Total de prompt : 6400
• Marcas analizadas: Attio.com, Claude.ai, Cursor.com, Linear.app, Notion.com, Stripe.com, Vercel.com, Supabase.com
• Categorías incluidas: CRM, asistente de IA, IDE/programación, gestión de proyectos, espacio de trabajo, pagos, front-end/implementación, back-end/bases de datos.

Patrones detectados en ChatGPT

Patrón 1: Autopromoción selectiva

ChatGPT se promociona ChatGPT cuando se le pregunta por los asistentes de IA, pero no aparece entre las fuentes más destacadas en ninguna otra categoría. La autopromoción es selectiva, no generalizada.

Pruebas:

• OpenAI aparece en las respuestas sobre Claude con un 14,69 % de cuota de voz, el competidor más mencionado en esa categoría
• OpenAI cuenta con un 71,64 % de cuota de mercado en la categoría de asistentes de IA, por delante de Claude (43,52 %)
• OpenAI es la mención más frecuente entre la competencia, con un 2,09 % en total. Claude representa un 0 %.

Implicaciones para la marca: Claude tiene una desventaja estructural, ya que el motor que lo evalúa es su principal competidor. Para realizar un análisis competitivo en la categoría de asistentes de IA, ChatGPT deben interpretarse teniendo en cuenta esta distorsión.

Patrón 2: Sobrerrepresentación del ecosistema de Microsoft/GitHub en las herramientas de programación

En la categoría de herramientas para desarrolladores, ChatGPT y recomienda el ecosistema de Microsoft/GitHub 2,1 veces más a menudo que Cursor, el líder de la categoría según su propio SOV.

Pruebas:

• Porcentaje de uso del cursor en ChatGPT: 12,00 % (puesto n.º 2 en su categoría), frente a Github, que registra un 15,47 %(puesto n.º 1).
• GitHub y Microsoft juntos: 23,56 % de cuota de mercado, el doble que Cursor
• Codex (OpenAI) representa un 9,17 % del SOV. Junto con GitHub y Microsoft, estas tres empresas suman aproximadamente el 31,25 % del total.

Mecanismo: Microsoft invirtió 10 000 millones de dólares en OpenAI y todo el acceso a la API sin estado de OpenAI se canaliza, por contrato, a través de Azure. Esta relación genera una asimetría en los datos de entrenamiento y, posiblemente, en los criterios de relevancia del modelo.

Implicaciones para las marcas: la cuota de voz (SOV) de Cursor en ChatGPT su posición real en el mercado. Para las marcas de categorías en las que OpenAI tiene socios inversores, Google AI Mode Perplexity referencias más neutrales.

Patrón 3: Neutralidad en categorías sin conflicto de intereses

En 5 de las 8 categorías analizadas, ChatGPT un comportamiento imparcial: las marcas aparecen en proporción a su influencia real en el mercado, sin que haya una representación excesiva de los socios comerciales o inversores de OpenAI.

Pruebas:

• CRM: HubSpot, Salesforce, Zoho y Pipedrive dominan por su autoridad de marca real. Attio aparece en proporción a su notoriedad
• Pagos: Stripe (19,50 % de cuota de mercado), PayPal, Paddle y Lemon Squeezy aparecen de forma equilibrada
• Gestión de proyectos: Jira (Atlassian) domina (13,54 % de cuota de mercado), Linear aparece como cuarta alternativa, después de Asana y ClickUp
• Espacio de trabajo: Notion lidera (16,33 % de cuota de mercado). Obsidian, Evernote y Microsoft aparecen proporcionalmente
• Frontend/Implementación: Vercel lidera (10,50 % de cuota de mercado). Netlify, AWS Amplify y GitHub aparecen sin distorsiones.

Implicaciones para las marcas: en el caso de las marcas de categorías neutras, la cuota de voz (SOV) en ChatGPT un indicador fiable de su posicionamiento real.

Patrón 4: Wikipedia como amplificador del sesgo de autoridad

ChatGPT Wikipedia como fuente principal de forma desproporcionada. Las marcas que cuentan con artículos de Wikipedia más extensos y recientes reciben más citas ChatGPT, independientemente de su relevancia actual en el mercado.

Pruebas:

• Wikipedia suma 642 citas las ocho marcas analizadas en ChatGPT, lo que representa el 7,09 % del total decitas ChatGPT , lo que la convierte en el dominio más citado en todas las categorías analizadas.
• La diferencia entre los motores es considerable. AI Overviews de Google solo AI Overviews Wikipedia en 6 ocasiones en total entre las 8 marcas; Perplexity , solo Perplexity 3 ocasiones. ChatGPT, por el contrario, la citó 762 veces, más de cien veces más que los otros dos motores juntos.
• El caso más extremo es el de Supabase: Wikipedia representa el 12,93 % de todascitas ChatGPT citas la marca, con 173 citas, lo que supone el porcentaje más alto del estudio. Supabase (fundada en 2020, con aproximadamente cuatro años de presencia en la web) compite directamente con Firebase (adquirida por Google en 2014, con más de 13 años de presencia acumulada en la web). Los patrones de citas ChatGPT reflejan ese corpus histórico, no el estado actual del mercado del código abierto.

Mecanismo: El mecanismo subyacente es de carácter arquitectónico. ChatGPT entrenó con datos extraídos de Wikipedia, una fuente de conocimiento estructurada y de alta calidad, y esa ponderación del periodo de entrenamiento persiste en el comportamiento de las citas durante la fase de inferencia. Wikipedia actúa como una señal de autoridad sustitutiva, independientemente de si un artículo concreto refleja con precisión el panorama competitivo actual.

Implicaciones para la marca: ChatGPT los datos de este estudio, la presencia en Wikipedia es actualmente la herramienta con mayor retorno de la inversión (ROI) para mejorar la visibilidad en ChatGPT . En el caso de las marcas jóvenes y las startups, la calidad del producto por sí sola no basta para salvar la brecha de autoridad histórica a corto plazo, ya que el modelo ya tiene un sesgo previo establecido y este no se revisará a partir de contenidos recientes de terceros al mismo ritmo que lo haría un artículo de Wikipedia bien mantenido.

Patrón 5: Concentración de fuentes. OpenAI cita menos dominios, pero con mayor frecuencia

OpenAI utiliza un conjunto de fuentes considerablemente más reducido que otros motores, pero cita cada fuente con mayor frecuencia. Esto crea una barrera de entrada elevada: lo que determina la visibilidad es formar parte de los dominios de referencia, y no la amplitud de la presencia en la web.

Pruebas:

• ChatGPT en un conjunto de fuentes muy reducido (aproximadamente entre 50 y 70 dominios únicos por categoría) y cita cada uno de ellos una media de entre 3,5 y 4 veces. El patrón de citas es muy repetitivo y se concentra en un conjunto fijo de fuentes.
• Perplexity con una concentración media, con unas 129 fuentes únicas por marca y un índice de repetición de aproximadamente 2,5. Su capacidad de recuperación es más amplia que ChatGPT, pero sigue mostrando una reutilización significativa de las fuentes.
• AI Overviews Google AI Overviews Google AI Mode la menor densidad, con entre 344 y 492 dominios únicos por marca y citando cada fuente aproximadamente una vez. La distribución de citas notablemente más uniforme que en los otros dos motores.

Mecanismo: ChatGPT la recuperación en tiempo real (RAG) de la misma manera que Perplexity Google AI Mode. Sus respuestas se generan en gran medida a partir de patrones aprendidos durante el entrenamiento, lo que hace que las referencias se concentren en un conjunto de fuentes que el modelo «recuerda» con mayor frecuencia.

Implicaciones para la marca: para aparecer en ChatGPT más eficaz tener presencia en entre 5 y 10 dominios de gran autoridad que aparecer mencionado de forma dispersa en cientos de sitios web. La estrategia de contenido debe dar prioridad a la calidad de las fuentes frente al volumen de menciones.

Patrón 6: El conjunto de citas ChatGPT está compuesto en aproximadamente un 89 % por contenido de terceros

En las ocho marcas, el desglose por tipo de fuente en ChatGPT prácticamente idéntico en todos los casos: aproximadamente un 89 % de fuentes externas, un 9 % de redes sociales (Wikipedia, Reddit, LinkedIn) y menos del 2 % de fuentes propias. Esta proporción se mantiene constante independientemente de la categoría, el tamaño de la marca o la posición en el SOV.

En el contenido de terceros, hay un único modelo que predomina en todas las categorías: los artículos comparativos y las reseñas de «ventajas y desventajas». Las URL más citadas por marca proceden casi exclusivamente de este modelo:

• Attio: «Reseñas, precios y características de Salesforce 2026» (49 citas), «HubSpot CRM: ventajas y desventajas» (36 citas)
• Cursor: "Copilot CursorCopilot Codeium: ¿qué asistente de programación con IA ganará realmente en 2026?» (46 citas), «Copilot y desventajas de GitHub Copilot » (43 citas)
• Vercel: «Reseñas de Fly.io 2026» (36 cit.), «Fly.io frente a Railway 2026» (32 citas)
• Stripe: «Reseña de la pala 2026: ventajas, desventajas y precios» (67 citas), «Reseña de Paddle: características, precios, pros y contras» (52 citas)

Pruebas:

Ten en cuenta que, en varios casos, los artículos de terceros más citados tratan principalmente sobre un competidor, mientras que la marca estudiada aparece como referencia secundaria. La cita más destacada de Stripe es una reseña de Paddle. La cita más destacada de Vercel es una reseña de Fly.io . Esto significa que las marcas pueden acumular exposición negativa en las menciones, al ser mencionadas como la opción inferior en una reseña de un competidor sin tener ningún control sobre el contexto.

Mecanismo: ChatGPT búsquedas en tiempo real. Su comportamiento a la hora de citar fuentes refleja lo que se indexó y ponderó durante el entrenamiento. El contenido de reseñas y comparativas está fuertemente interconectado por comunidades de desarrolladores, agregadores y resúmenes de boletines informativos, lo que le confiere un peso desproporcionado en un corpus entrenado con señales de autoridad de grafos de enlaces. La consistencia de la proporción del 89 % en las 8 marcas sugiere que se trata de una característica estructural del comportamiento de citación ChatGPT, y no de un artefacto específico de una categoría.

Implicaciones para la marca: Para ChatGPT , la inversión estratégica en contenido consiste en conseguir presencia en artículos de comparación y reseñas de terceros, no en publicar contenido de marca. El arquetipo objetivo específico son los artículos del tipo «Las mejores herramientas de [categoría]» y «[Marca] frente a [competidor]» en publicaciones tecnológicas consolidadas. No aparecer en esos artículos o aparecer solo como opción secundaria limita directamente la cuota ChatGPT . Los datos también sugieren que supervisar el contenido de las reseñas de la competencia es tan importante como supervisar el propio: si un artículo de reseña de la competencia presenta sistemáticamente a tu marca como la opción más débil, es probable que ese enfoque se propague a ChatGPT .

Conclusión

Los seis patrones de sesgo documentados en este informe tienen una causa común: los resultados ChatGPT reflejan sus datos de entrenamiento, y no solo una lectura en tiempo real del mercado.

Algunos de estos sesgos son de carácter arquitectónico, como la dependencia de Wikipedia o la concentración de citas un conjunto fijo de fuentes. Otros son de carácter relacional y se derivan de los vínculos comerciales de OpenAI con Microsoft y GitHub. Otros, por su parte, son características estructurales relacionadas con la forma en que se ponderó el contenido web durante el entrenamiento. En todos los casos, el resultado es el mismo: las clasificaciones ChatGPT no constituyen una medida 100 % neutral de la autoridad actual de las marcas.

Esto tiene una implicación metodológica directa. En aquellas categorías en las que ChatGPT un conflicto de intereses, como los asistentes de IA o las herramientas para desarrolladores relacionadas con el ecosistema de Microsoft, Perplexity Google AI Mode resultados comparativos menos sesgados. Utilizar ChatGPT principal referencia de visibilidad en esas categorías supone interpretar los resultados a través de un prisma que los propios datos ponen en duda.