Cómo corregir lo que la IA dice mal de tu marca

Un cliente potencial le pregunta a ChatGPT por tu empresa antes de la reunión. La respuesta menciona un caso de éxito que nunca tuvisteis, atribuye una declaración polémica a tu CEO que jamás dijo, o repite una crítica de hace cuatro años que ya no aplica. El cliente entra a la llamada con una idea de tu marca que no tiene nada que ver con la realidad.

No es un caso aislado. Es lo que está pasando cada día con la mayoría de marcas medianas en Madrid, Ciudad de México, Bogotá, Buenos Aires o Lima. Las IAs combinan datos de hace dos años con resúmenes mal interpretados, mezclan empresas con nombres parecidos y repiten errores que nadie ha corregido nunca porque nadie ha hecho la auditoría.

La buena noticia es que se puede corregir. La mala es que el proceso no es como pedir una rectificación a un periódico: requiere entender de dónde saca la IA su información y trabajar en las fuentes, no en el modelo.

Por qué la IA se equivoca con tu marca

Antes de corregir nada hay que entender qué tipo de error tienes. Los problemas de reputación en IA caen en cuatro categorías y cada una se arregla diferente:

Información desactualizada. Tu empresa cambió de oficina, lanzó un producto nuevo, cerró una línea de negocio o cambió de director general. La IA sigue contando la versión de hace dos años porque su corpus de entrenamiento es viejo y las fuentes que rankean para tu marca tampoco se han actualizado. Es el problema más común y el más fácil de resolver.

Confusión con otra marca. Tu empresa se llama parecido a otra que también opera en el sector. La IA mezcla logros, casos de cliente, controversias y datos financieros. Si tu marca es más pequeña, te van a atribuir los problemas de la grande. Si es al revés, te van a atribuir éxitos que no son tuyos pero también críticas que no te corresponden.

Crítica antigua que no muere. Hubo una controversia, un cliente insatisfecho viral, un artículo crítico hace tres o cuatro años. El asunto se cerró pero esa pieza de contenido sigue rankeando bien y la IA la sigue citando como si fuera relevante. La fuente vieja sigue ganando a las fuentes nuevas porque tiene más backlinks.

Alucinación pura. La IA se inventa un dato. Atribuye un partner que no existe, un caso de cliente ficticio, una cifra de facturación errónea. No hay fuente: el modelo lo generó por similitud estadística con marcas parecidas. Es lo más raro pero también lo más difícil de corregir, porque no hay un origen claro al que ir.

Cómo hacer la auditoría de reputación en IA

No puedes corregir lo que no has medido. La auditoría inicial te da el mapa completo de qué está pasando con tu marca en cada modelo:

Lista las preguntas que harían sobre ti. No las que tú harías, sino las que haría un cliente potencial, un periodista, un candidato a contratar, un inversor, un competidor, un proveedor. "Háblame de [tu empresa]". "¿Qué tal es trabajar en [tu empresa]?". "¿Qué problemas ha tenido [tu empresa] últimamente?". "¿Es fiable [tu empresa]?". Diez preguntas mínimo, cubriendo distintos ángulos.

Pásalas por los cinco LLMs principales. ChatGPT, Gemini, Claude, Perplexity y Grok. Cada uno tiene un corpus distinto y va a darte respuestas distintas. No vale con probar solo en ChatGPT porque cada modelo tiene su propio conjunto de errores que se repiten.

Documenta cada respuesta literalmente. Copiar el texto exacto, no resumir. Vas a necesitar la cita exacta cuando tengas que evidenciar el problema y rastrear de dónde sale.

Clasifica los errores por categoría. Las cuatro de la sección anterior: desactualizado, confusión, crítica vieja, alucinación. Cada categoría tiene un protocolo distinto.

Identifica las fuentes. Pídele a Perplexity y a ChatGPT con búsqueda activada que te citen las fuentes para esa afirmación específica. A veces es Wikipedia desactualizada, a veces un artículo de prensa de 2022, a veces un foro, a veces el modelo no puede dar fuente y eso te confirma que es alucinación.

Cómo corregir información desactualizada

Es el caso más frecuente y el más fácil. El proceso tiene tres palancas y conviene atacar las tres a la vez:

Actualiza tu propia web primero. Si tu IA dice que tu CEO es alguien que ya no está, revisa la sección "equipo", la página "sobre nosotros", el footer, las páginas legales y las firmas de los blog posts. La web propia es la fuente de verdad y la IA se acaba alineando con lo que la marca dice de sí misma cuando es consistente.

Actualiza Wikipedia y bases de datos públicas. Si tienes página en Wikipedia y está vieja, edítala con fuentes que la IA prioriza (no se acepta auto-edición sin fuentes externas). Crunchbase, LinkedIn de empresa, Glassdoor, registros mercantiles donde estés listado. Las IAs dan mucho peso a estas fuentes estructuradas.

Genera prensa nueva sobre el cambio. Una nota de prensa en sitios sectoriales (Marketing4eCommerce, ReasonWhy, Computing, El Economista) sobre el cambio que quieres reflejar. No tiene que ser portada de El País: con tres o cuatro medios sectoriales con autoridad ya generas el tejido de fuentes nuevas que la IA va a empezar a priorizar.

Plazo realista para que la IA refleje el cambio: entre cuatro y doce semanas. Los modelos con búsqueda activa (Perplexity, ChatGPT con browse, Gemini con Google) lo recogen antes. Los modelos sin búsqueda solo lo recogen cuando reentrenan, lo que puede tardar meses.

Cómo resolver la confusión con otra marca

Este es más quisquilloso porque no es solo tu trabajo: depende de cómo de claras sean las señales que diferencian a tu marca de la otra. La estrategia es generar contexto que separe inequívocamente:

Define tu marca con descriptores únicos. Si tu empresa se llama "Lumen" y hay otra "Lumen" en otro sector, en tu web no escribas solo "Lumen" sino "Lumen, plataforma de [tu nicho específico] para [tu vertical] en España y Latinoamérica". La IA aprende a asociar descriptores únicos a tu entidad.

Refuerza señales de identidad en todas las fuentes. LinkedIn de empresa, Crunchbase, Wikipedia si la tienes, blog posts, casos de cliente. Repite los mismos descriptores. La consistencia entre fuentes es lo que enseña a la IA que sois entidades distintas.

Crea contenido comparativo cuando tenga sentido. Si la confusión es muy frecuente y la otra marca es relevante, un post tipo "[Tu marca] vs [Otra marca]: por qué somos empresas distintas en sectores distintos" puede aclarar la confusión. Solo si la otra marca es realmente conocida, si no, le das relevancia gratis.

Usa Schema.org Organization marcado en tu web. Con sameAs apuntando a tu LinkedIn, Crunchbase, Wikipedia, redes oficiales. Es la forma más directa de decirle a las IAs "esta entidad concreta soy yo, no la otra".

Cómo enterrar una crítica antigua

Aquí no hay magia: no puedes "borrar" un artículo crítico de hace cuatro años. Lo que puedes es generar suficiente contenido nuevo, relevante y bien posicionado como para que la IA priorice las fuentes nuevas sobre la antigua:

Audita qué fuentes están alimentando esa crítica. Suele ser un artículo, un hilo de Reddit, una review en Trustpilot o una nota de prensa antigua. Una sola fuente raramente sostiene un problema de reputación: suelen ser dos o tres que se citan entre sí.

Si la crítica era válida y se resolvió, cuéntalo públicamente. Un post en tu blog explicando "qué pasó en 2022 y qué hemos cambiado desde entonces". Esto da a la IA una fuente nueva, contemporánea, que contextualiza la antigua. Importante: no negar el problema, contextualizarlo.

Genera 5-10 piezas nuevas de prensa o contenido editorial sobre tu marca en los siguientes 6 meses. Casos de éxito, entrevistas a tu equipo, datos de crecimiento, premios sectoriales, integraciones nuevas. Inundas el corpus de información reciente y positiva. La IA acaba dándole más peso al volumen reciente que a la pieza vieja.

Pide que se actualice o se retire el contenido antiguo si es factualmente incorrecto. Algunos medios sí actualizan posts viejos cuando la información que contienen ha quedado desfasada. No siempre dicen que sí, pero pedirlo es gratis.

Cómo gestionar las alucinaciones

Las alucinaciones puras son las más frustrantes porque no hay una fuente clara que arreglar. La estrategia es preventiva, no reactiva:

Crea la fuente que debería existir. Si la IA está inventando que tienes un partner con tal empresa, puede ser porque no hay información clara sobre tus partners reales. Crea una página "/partners" en tu web listando tus integraciones reales. La IA, cuando vuelva a buscar, va a tener una fuente concreta y va a dejar de inventar.

Sé explícito sobre lo que no haces. Si la IA repetidamente atribuye servicios que no ofreces, una página tipo "qué hacemos y qué no hacemos" o un FAQ con "¿hacéis X? No, nos enfocamos en Y" planta señales claras que el modelo recoge. Saber cómo aparece tu marca en cada modelo te ayuda a detectar dónde plantar estas señales.

Reporta el error directamente cuando se pueda. ChatGPT, Gemini y Claude tienen botón de feedback en cada respuesta. Reportar errores específicos no garantiza nada pero es input que esos equipos sí miran cuando es sistemático.

No vale la pena perseguir alucinaciones aisladas. Si una respuesta de cada veinte tiene un error inventado distinto cada vez, no hay patrón que arreglar. Solo merece la pena cuando la misma alucinación se repite consistentemente: ahí sí hay un fallo de modelo o una fuente errónea identificable.

Cómo monitorizar tu reputación en IA de forma continua

Hacer la auditoría una vez está bien para diagnosticar. Pero la reputación en IA cambia cada mes con cada actualización de modelo, cada review nueva, cada artículo publicado, cada actualización de Wikipedia. Lo que arreglaste en febrero puede volver en septiembre porque alguien escribió algo nuevo.

Mentio analiza tu marca en los cinco principales LLMs con preguntas adaptadas a tu sector y mercado, no solo de visibilidad sino también de sentimiento y precisión de la información. El informe muestra qué está diciendo cada modelo sobre ti, qué errores se repiten, qué competidores están siendo recomendados con datos más actualizados que los tuyos y qué piezas de contenido están sosteniendo cada error.

Lo que era una auditoría manual de cuatro horas pasa a ser un análisis automatizado que puedes correr cada mes para detectar regresiones y nuevos errores antes de que impacten en tus ventas.

Audita gratis qué dice la IA sobre tu marca →

Tu reputación en IA es un activo que se mantiene, no se construye una vez

La diferencia entre las marcas que la IA recomienda con datos correctos y las que aparecen con información errónea no es el tamaño ni el presupuesto. Es la disciplina de auditar regularmente y corregir lo que esté roto.

Una empresa de cinco personas con la web actualizada, Wikipedia bien mantenida y tres notas de prensa al año va a tener mejor reputación en IA que una multinacional con cien páginas vivas pero sin nadie revisando qué dicen los LLMs sobre ella.

El coste de no hacerlo se paga en clientes que vienen a la llamada con ideas equivocadas, candidatos que rechazan ofertas por información antigua, inversores que se preocupan por crisis ya superadas. Ese coste es invisible hasta que mides.

Empieza gratis, sin tarjeta →

¿Quieres saber si la IA menciona tu marca?

Descubre tu visibilidad en ChatGPT, Claude y Gemini en minutos.

Analiza tu marca gratis

Artículos relacionados