El descubrimiento de marcas con IA ya es una realidad. Los consumidores comparan productos y eligen marcas dentro de las respuestas de ChatGPT, Gemini o Claude, no solo en listas de enlaces.
La IA aún no reemplaza a Google ni a los sitios de las marcas. Sin embargo, los estudios recientes muestran que ya influye en la compra. También cambia el significado de «estar posicionado»: ahora la marca compite por ser mencionada, bien descrita y recomendada dentro de una respuesta.
Qué significa pasar de buscar a preguntar
En la búsqueda tradicional, la persona escribe unas pocas palabras clave. Recibe una lista de enlaces que debe revisar por su cuenta.
En la consulta conversacional, en cambio, describe una necesidad completa, como el mejor celular para fotografía con un presupuesto definido. Recibe una respuesta ya sintetizada, con comparaciones y recomendaciones concretas de marcas.
Tres conceptos ayudan a entender este cambio. Un motor de búsqueda generativa es un sistema que redacta una respuesta a partir de varias fuentes, en lugar de solo listarlas.
La optimización para motores generativos (GEO) reúne las prácticas que facilitan que estos sistemas comprendan, seleccionen y citen un contenido. La optimización para motores de respuesta (AEO) busca que la marca aparezca como respuesta directa a una pregunta concreta. Ninguna reemplaza al SEO tradicional: se complementan.
Qué dicen los datos sobre el descubrimiento de marcas con IA
La consultora BCG publicó a inicios de 2026 un estudio basado en encuestas de más de 9.000 personas por oleada. Participaron nueve países, entre ellos Brasil y México.
Según el estudio, el uso de IA generativa para compras creció 35 % entre febrero y noviembre de 2025. Además, buscar recomendaciones de marcas, productos y servicios es el tercer uso más popular entre los evaluados. Por último, 66 % de los usuarios emplea estas herramientas al menos una vez por semana.
Otros estudios más recientes confirman la tendencia, aunque con cifras distintas. FTI Consulting encuestó en marzo de 2026 a 967 consumidores en Estados Unidos. Halló que entre 40 % y 50 % usa IA para investigar productos. Además, los consumidores de 18 a 34 años la usan casi el doble que los mayores de 55.
Asimismo, Snipp reportó en septiembre de 2026 que 41,6 % incluye un asistente de IA entre sus puntos de partida para buscar productos. Un estudio de Bambuser de junio de 2026, con 1.000 consumidores de Estados Unidos y Reino Unido, muestra una cifra menor. Allí, 19 % de los estadounidenses usa ChatGPT o buscadores con IA para descubrir productos nuevos. Es una proporción cercana al 21 % que recurre a sitios web de marcas.
La diferencia entre 41,6 % y 19 % no es una contradicción. Depende de quién responde y de cómo se formula la pregunta. El estudio de Snipp se centró en adultos que ya usan IA con regularidad. El de Bambuser consultó a consumidores en general.
Además, Snipp y Bambuser ofrecen soluciones relacionadas con IA y comercio. Por eso, sus cifras deben leerse como indicios de tendencia y no como mediciones definitivas del mercado.
Por qué la IA influye más de lo que su alcance sugiere
Según BCG, el alcance de la IA generativa es menor que el de otros puntos de contacto, pero su influencia es alta. Más de 60 % de los consumidores encuestados expresa mucha confianza en sus resultados. Otra investigación de la firma ubica a los asistentes de IA como el segundo punto de contacto más influyente para quienes los usan. Entre los usuarios diarios, pasan al primer lugar.
Los consumidores entrevistados por BCG explican esa influencia con razones concretas. La IA entrega respuestas directas, sin el ruido de anuncios y reseñas. Además, se percibe más objetiva que la publicidad o el contenido patrocinado. Permite hacer preguntas de seguimiento, personaliza la respuesta y, sobre todo, genera confianza al decidir.
Vale aclarar que la objetividad es una percepción de los consumidores. No garantiza que las recomendaciones sean neutrales ni siempre exactas.
El efecto en el clic: menos visitas, más importancia de ser citado
El cambio también se nota en los buscadores tradicionales. El Pew Research Center analizó 68.879 búsquedas de 900 adultos en Estados Unidos, con datos de marzo de 2025.
Cuando Google mostró un resumen generado por IA, los usuarios hicieron clic en un resultado tradicional en 8 % de las visitas. Sin resumen, lo hicieron en 15 %. Además, solo en 1 % de las visitas con resumen hubo clic en una fuente citada dentro del propio resumen.
Estos datos tienen límites. Corresponden a Google, a usuarios de Estados Unidos y a marzo de 2025. Aun así, señalan una dirección clara. Si el usuario obtiene la respuesta sin salir de la página, la visibilidad ya no se mide solo en visitas. Se mide también por la presencia de la marca dentro de la respuesta.
Pew también observó que Wikipedia, YouTube y Reddit figuran entre las fuentes más citadas. Esto sugiere que la reputación de una marca fuera de su sitio web pesa en lo que la IA dice sobre ella.
Cómo cambia el posicionamiento de las marcas
El primer cambio es el criterio de éxito. En una lista de resultados, una marca puede aparecer en la primera página. En una respuesta de IA hay menos espacio y la selección es más estrecha. Por eso, una marca ausente puede quedar fuera de la consideración inicial, incluso antes de que el consumidor visite su sitio.
El segundo cambio es que la posición en Google no se traduce automáticamente en visibilidad en la IA. FTI Consulting plantea que una marca dominante en la primera página de Google puede ser poco visible en Claude, ChatGPT o Gemini.
Propone el concepto de «cuota de estantería en LLM» para describir cómo los modelos representan a una marca frente a sus competidores. Es una hipótesis útil, que cada marca debería verificar en sus propias categorías.
El tercer cambio es la fuente de la información. BCG indica que los modelos de lenguaje toman datos del sitio de la marca, de sus redes sociales y de publicaciones de terceros. Por eso recomienda cuidar tres aspectos.
El primero es la consistencia de los datos en todos los puntos de contacto. El segundo es un contenido completo, que permita validar lo que la IA recomienda. El tercero es la continuidad de la historia de marca entre canales.
Finalmente, hay un posible efecto sobre la lealtad. Snipp sugiere que la fidelidad podría volverse más fluida si los consumidores piden a la IA alternativas que cumplan necesidades específicas. Es una interpretación razonable, pero aún no está demostrada con datos de largo plazo.
Qué pueden hacer las marcas
Las siguientes acciones son recomendaciones analíticas derivadas de las fuentes citadas. No son resultados garantizados.
- Responder las preguntas reales del consumidor. Crear contenido que explique, compare y ayude a elegir, con datos verificables, y no solo textos promocionales.
- Mantener la información consistente. Precios, características, políticas y descripciones deben coincidir en el sitio, las redes y los medios.
- Fortalecer la presencia fuera del propio sitio. Reseñas, notas en medios especializados y menciones en fuentes confiables alimentan lo que los sistemas generativos leen sobre la marca.
- Medir la presencia en respuestas de IA. BCG recomienda monitorear con qué frecuencia y exactitud aparece la marca en respuestas a preguntas prioritarias, y no depender solo de clics.
- Integrar la IA a la planeación de medios. Considerarla junto con búsqueda, redes y medios tradicionales, porque los consumidores combinan todos esos canales.
Lo que todavía no sabemos
La mayoría de las cifras disponibles proviene de Estados Unidos o de muestras globales. En las fuentes revisadas no encontramos mediciones específicas para Colombia. Por eso, el comportamiento local debe validarse con datos propios.
Además, varios estudios son de empresas con intereses comerciales en el tema. Las herramientas para medir la visibilidad de una marca en respuestas de IA también están madurando. Por ello, este artículo describe tendencias y no efectos causales garantizados.
Conclusión: del posicionamiento a la recomendación
Pasar de buscar a preguntar no elimina el SEO ni la publicidad. Sí amplía el campo de juego. Además de ser encontrada, la marca debe ser entendida y recomendada por sistemas que sintetizan información de muchas fuentes. Eso exige contenido útil, datos coherentes y una reputación sólida en todos los canales.
En ese contexto, la planeación de medios basada en datos cobra más valor. CNM es el aliado que las marcas necesitan para implementar estrategias de medios basadas en datos.
Trabajamos para entender cómo se comportan las audiencias en cada canal y traducir esa información en decisiones de inversión y de contenido. Así, las marcas pueden prepararse para una etapa en la que la pregunta del consumidor es el nuevo punto de partida.
