Le pides a la IA que te recomiende algo y, al final, siempre vuelven las mismas marcas de siempre.
Pones “recomiéndame una crema hidratante para piel sensible” y, como quien no quiere la cosa, te asoma CeraVe con cara de no haber roto un plato. A Hex-ko le pasó hace poco y se rio sola: “al final, los de siempre”.
Y si vendes una marca pequeña, esto te tienta a tirar la toalla. “Mi producto, que no lo conoce nadie, no lo va a recomendar la IA en la vida.” En el buscador y en la IA, las marcas famosas parecen tener comprado el escaparate entero.
Pero un estudio reciente dice que ese pesimismo llega demasiado pronto. La IA sí favorece a las marcas conocidas, cierto. Solo que ese favoritismo es mucho más frágil de lo que crees. Vamos a verlo de cerca.
”La IA solo recomienda marcas famosas, ¿no?”
Quien se metió de lleno con esta duda fue el equipo de Chu y Hou, en un trabajo publicado en junio de 2026 (estudio).
Pusieron a tres IAs —GPT-4o-mini, Claude y Gemini— a recomendar productos de cuidado de la piel, una y otra vez. Colocaron una marca famosa real, tipo CeraVe, junto a nueve marcas inventadas, y les preguntaron cientos de veces: “¿cuál recomiendas?”.
Y esto es lo que salió. Cuando igualaron por completo las fichas de la marca inventada y la famosa, dejándolas exactamente iguales, la IA recomendó a la marca conocida el 100% de las veces. Monopolio absoluto, sin matices. A igualdad de información, la IA decide por el “nombre que ya conozco”.
Pero aquí se esconde un truco interesante. El equipo analizó qué movía el orden de las recomendaciones, y resultó que el 82,4% lo explicaba el propio producto (su ficha y sus reseñas), y la notoriedad de marca pesaba solo un 1,2%.
Es decir, la notoriedad es un desempate. Solo asoma cuando lo demás está completamente igualado. No es lo que decide la partida.
Medio punto de reseña y el monopolio se viene abajo
Lo confirma el siguiente experimento. Subieron la valoración de la marca inventada solo un pelín por encima de la famosa.
En concreto, le añadieron unas décimas de estrella sobre 5 (de +0,075 a +0,1). Y con ese empujón mínimo, el bastión del 100% de la marca famosa se derrumbó: ahora la desconocida se llevaba la recomendación el 64-80% de las veces.
Y hay un detalle curioso. La notoriedad pesa más justo en la franja de calidad media, esa en la que todo se parece y no hay manera de decidir. Cuando la información es ambigua, la IA renuncia a juzgar y se agarra al nombre.
Pero al revés también: en cuanto aparece la más mínima señal de “este parece mejor”, la IA se cambia de bando sin pestañear. Su lealtad pesa lo que la tarjeta de sellos de una cafetería.
Para una marca pequeña, esto es una buena noticia. No se trata de “como pierdo en notoriedad, no hay nada que hacer”. Si reúnes el material para superar a la famosa aunque sea por poco en reseñas o en producto, la IA te va a recomendar a ti. El muro existe, sí, pero se salta con menos esfuerzo del que pensabas.
El “aval de experto” funciona, el “¡últimas unidades!” no
¿Y qué hay que añadir, en concreto, para que la IA te recomiende? El equipo metió distintos reclamos de marketing en la descripción de la marca inventada y comparó su efecto.
Lo que arrasó fue el aval de autoridad. Al incluir recomendaciones de expertos o frases con pinta de respaldo clínico, la marca inventada rompió el monopolio el 73,3% de las veces.
El equipo tradujo ese efecto a calidad: una sola frase de aval equivale a 0,17 estrellas de mejora, o a un descuento del 15,3%. Con puro texto, te calzas semejantes alzas.
En cambio, los reclamos de escasez tan típicos del marketing humano —el “¡últimas unidades!”— y el anclaje de precios apenas movieron la aguja: menos de un 13%. La IA se mantiene fría ante el reclamo y se ablanda ante el respaldo. Tiene un carácter de lo más formal.
Pero cuando todos usan el mismo truco, la cosa cambia
Llegados aquí, te entran ganas de gritar “pues yo meto ya mismo un aval de experto”. Pero no corras tanto. El último experimento del estudio te planta delante una realidad bastante cruda.
A esta clase de “optimización para que la IA te recomiende” se le llama GEO (optimización para motores generativos): viene a ser el SEO de la era de la IA, trabajar para que ChatGPT o Gemini nombren tu marca. Pues bien, cuando una sola empresa hace GEO a escondidas, el efecto es brutal. La tasa de supervivencia de la marca famosa (lo que sigue siendo recomendada) se desplomó del 100% al 19,8%. El que llega primero, se lo lleva todo.
Pero en cuanto el resto de rivales empieza también a meter avales, el panorama da un vuelco. Al quedar todos igualados, la IA vuelve al “nombre que ya conozco” y la marca famosa recupera una supervivencia del 93,8%. El beneficio que sacaba cada uno de optimizar se diluyó hasta casi nada (un +0,007). Todos de puntillas a la vez y, al final, la misma diferencia de estatura de antes.
Esto, en economía, es el dilema del prisionero: si todos optimizan, todos pagan el coste y nadie gana. Si no lo haces, te quedas con cero recomendaciones, así que no te queda otra. Pero si lo haces, solo se lleva el premio el que llegó primero. Un mundo de lo más ingrato.
Conclusión: lo que de verdad le conviene hacer a una marca pequeña
Recojo qué saca en limpio el responsable de marketing de todo esto.
Primero, aparca el “como soy una marca desconocida, la IA no me recomienda”. El favoritismo de la IA por las famosas solo se activa cuando el resto está igualado. Con tener algo de ventaja en reseñas o en calidad, le das la vuelta. El muro de la notoriedad se salta mucho mejor de lo que crees.
Dicho eso, ten cuidado con abalanzarte sobre los atajos. Reclamos como el aval funcionan de maravilla a corto plazo, pero en cuanto todos los usan, el efecto se evapora. Disfrútalo mientras seas el primero, pero no lo confundas con una ventaja duradera.
Al final, lo que de verdad aguanta es una señal auténtica y observable: que tu valoración sea de verdad alta y que un tercero la respalde de verdad. La IA no se inmuta con el reclamo, pero se rinde ante el aval. Si es así, lo que le toca hacer a una marca que quiere que la elija la IA no es ningún truco de redacción ingenioso, sino acumular, paso a paso, reseñas honestas y valoraciones de terceros.
Una conclusión casi decepcionante de lo sensata que es. Pero parece que, también con la IA delante, el camino recto sigue siendo el camino.
Fuentes
- Xi Chu, Yupeng Hou (2026), “Incumbent Advantage: Brand Bias and Cognitive Manipulation Dynamics in LLM Recommendation Systems”, arXiv:2606.17443, arXiv
