«¿Por qué la IA siempre me saca las mismas marcas de fuera?»
Cada vez pasa más. Quieres comprarte algo un poco mejor y, antes de abrir el buscador, se lo preguntas a ChatGPT.
Zapatillas, crema, un pequeño electrodoméstico. «¿Qué me recomiendas por este presupuesto?», y a ver qué sale.
A Hex-ko también le pasa. Y cuando lees la respuesta con calma, los nombres suenan siempre igual: los grandes de siempre, los internacionales.
La marca nacional que tenías en la cabeza no aparece.
La explicación cómoda es que la IA sabe mucho y elige por calidad. Pero resulta que no va exactamente así.
Y hay un estudio que se metió justo en esta pregunta, con cuatro modelos distintos.
Cuatro modelos, la misma pregunta, muchos países
El trabajo es de Kamruzzaman, Nguyen y Kim, presentado en EMNLP 2024, el congreso internacional de procesamiento del lenguaje natural (estudio).
Pidieron recomendaciones de marca a cuatro LLM (los large language models, los modelos de lenguaje que hay detrás de ChatGPT y compañía): GPT-4o, Llama-3, Gemma y Mistral. Y luego miraron cómo cambiaban esas recomendaciones.
El montaje era de lo más normal. Categorías cotidianas como el calzado, la ropa, las bebidas o la electrónica.
Y la misma petición repetida, cambiando solo el país de la pregunta: «¿qué marcas le recomendarías a alguien de este país?».
Se fijaron sobre todo en tres cosas:
- si la recomendación cambiaba entre países ricos, de renta alta, y países de renta baja
- si el modelo tiraba de marcas de lujo o de marcas de uso diario
- si nombraba marcas famosas a nivel mundial o las marcas locales de ese sitio
Y esto es lo que salió
El desnivel no es sutil.
Todos los modelos asociaban la idea de «bueno» a las marcas globales de forma desproporcionada.
Los números:
- A la gente de países de renta alta se le recomendaban marcas de lujo entre el 88% y el 100% de las veces
- A la de países de renta baja se le recomendaban marcas no premium entre el 84% y el 98% de las veces
- Gemma fue el caso extremo: para países de renta alta, ofreció marcas de lujo el 100% de las veces en casi todas las categorías
O sea, que la misma frase, «recomiéndame algo», sacaba una categoría distinta de marca según si el país de la pregunta era rico o pobre. No cambiaba la calidad del producto. Cambiaba el nivel de renta de quien preguntaba.
¿Y por qué la IA cree que lo de fuera es mejor?
Aquí no hay mala intención. La realidad es que los datos con los que aprende asoman tal cual.
La IA se hace lista leyendo textos de medio mundo. Y en esos textos las grandes marcas globales se mencionan muchísimo más, y encima mejor. De hecho, de la marca local recién nacida apenas se habla.
Así que el modelo podría estar tragándose ese desequilibrio como si fuera «lo que todo el mundo sabe» para devolvértelo en forma de recomendación. Un poco como el que se ha aprendido de memoria todas las reseñas de internet y ahora te anuncia, muy digno, cuál es el sentir general.
Aunque la cosa no es del todo unilateral. En el estudio también se observó el efecto país de origen (country-of-origin effect): cuando un producto arrastra la fama de ser la especialidad de un país, la marca local sale reforzada. Con los coches alemanes o los cuchillos japoneses, por decir dos, lo local sí tiene sus bazas.
Pero es un carril estrecho. En el conjunto del estudio, lo que mandaba era el sesgo hacia lo global.
Conclusión: cuenta cuántas veces la IA dice tu nombre
Traducido a tu trabajo, la conclusión escuece un poco: cómo te trata la IA no lo decide solo lo bueno que sea tu producto. Además, hay una capa de origen geográfico y de fama internacional.
Y en esa capa, las marcas centradas en su mercado nacional y las recién llegadas están estructuralmente en el lado malo. Puedes ser mejor de verdad, pero el modelo no te nombra ni una vez.
Así que empieza por lo barato. Coge tus categorías principales, pídele recomendaciones a ChatGPT unas cuantas veces y cuenta cuántas veces aparece tu nombre. Nada de «como somos conocidos, no pasa nada»: la cuenta, delante de ti.
Si el número sale más bajo de lo que imaginabas, yo no lo leería como un veredicto sobre tu marca. Lo leería como una señal de que podrías estar pesando poco en el material que estos modelos leen. Y eso, con una sola foto, no se distingue: lo útil es ver cómo se mueve esa misma cuenta a lo largo de los meses.
De momento, es todavía un poco pronto para dar por hecho que la IA es un árbitro neutral.
Fuente
- Kamruzzaman, M., Nguyen, H.M. & Kim, G.L., ""Global is Good, Local is Bad?”: Understanding Brand Bias in LLMs”, EMNLP 2024, enlace
