«¿Entonces hacemos dos planes, uno para ChatGPT y otro para Claude?»
En cuanto se pone sobre la mesa el trabajo de visibilidad en IA, la pregunta aparece. Siempre.
Hex-ko estuvo medio año atascada ahí. Abres el panel de medición y las marcas que nombra ChatGPT no son las que nombra Claude. Sin más.
Con esa diferencia en los resultados, separar el plan parece lo honesto. También duplica el trabajo, que es la parte incómoda.
Alguien midió justo eso, pero no por el lado de las recomendaciones, sino por el lado de los motivos por los que una marca se queda fuera.
¿Hay que separar la estrategia de visibilidad para ChatGPT y para Claude?
No antes de diagnosticar. Las marcas que recomienda cada proveedor difieren en unos dos tercios de los casos, pero cuando ambos dejan fuera a una marca, el diagnóstico del porqué coincide un 95,1% (Will Jack y equipo, Unusual.ai, mayo de 2026, 215 prompts comerciales y 7.763 fallos conjuntos).
Si ninguno de los dos te encuentra, un diagnóstico, hecho una vez, sirve para los dos. Casi todo ese 95,1% es coincidencia justo en esa fase.
Diagnosticar aquí significa ordenar tu problema en una fase: la IA no te encuentra, o te encuentra pero no te nombra en la respuesta, o te nombra pero no llega a recomendarte. El equipo clasificó cada fallo conjunto en esas tres modalidades.
215 prompts comerciales y 7.763 casos en los que ninguno de los dos te sacó
El equipo de Unusual.ai fue a por una bifurcación práctica: si tus clientes usan ChatGPT y Claude, ¿conviene optimizar por proveedor (arXiv:2606.26116)?
Lanzar 215 prompts de contexto comercial a ambos, alinear las recomendaciones y quedarse con los 7.763 «fallos conjuntos», aquellos en los que ninguno recomendó la marca, para ver si el diagnóstico coincide.
La divergencia se fija primero con números. La similitud de Jaccard entre proveedores es 0,35, mientras que repetir el mismo prompt en el mismo proveedor da entre 0,50 y 0,61. La diferencia entre proveedores es mayor que la variación de repetir la misma pregunta.
Cuanto menos conocida es la marca, más coinciden los diagnósticos
La coincidencia global es del 95,1%, con intervalo de confianza entre 94,3% y 95,7%. Separada por lo conocida que es la marca, se mueve así.
- Marcas líderes de categoría: 81%
- Marcas de cola larga y regionales: 99,6%
Cuanto más desconocida es la marca, más cae por el mismo motivo en ambos modelos. Al revés: cuando ya tienes nombre, tus formas de fallar empiezan a separarse por proveedor.
Eso te dice cuánto dura el atajo. Mientras aún estés construyendo notoriedad, un solo diagnóstico cubre a los dos.
Ahora bien, si cuentas solo los casos en que al menos uno de los modelos encontró la marca y aun así la dejó fuera, los diagnósticos coinciden en 67 de 450 (14,9%). Si tu marca ya es conocida y cae en esa fase, el propio estudio dice que hay que diagnosticar cada proveedor por separado.
Caminos distintos hasta la recomendación, el mismo motivo para no encontrarte
Los dos proveedores llegan a la recomendación por rutas visiblemente diferentes. Anthropic recomendó una marca sin rastro de ella en ninguna de sus búsquedas entre un 43% y un 52% de las veces; OpenAI, entre un 8% y un 29%. Los autores lo leen como responder desde la memoria del entrenamiento.
Uno tira más de memoria y el otro sale a buscar más a menudo. Los autores ponen los nombres que no cuadran y los caminos distintos como dos caras del mismo cuadro.
Y sin embargo el motivo del tropiezo se repite. Dos personas con trayectos de casa al trabajo completamente distintos pueden llegar tarde por lo mismo: ninguna de las dos salió de casa.
Si no has salido de casa, optimizar dos rutas no arregla nada. La lectura del estudio es que, cuanto más desconocida es la marca, menos aparece en la web que se puede buscar y en los datos de entrenamiento, así que los dos modelos la dejan caer en la misma fase.
Hasta dónde llega este número
Cuatro reservas (a quién se midió, qué mercados, de qué está hecho el 95,1% y quién lo firma), y las diría todas antes de meter el dato en una presentación.
- Solo dos proveedores, OpenAI y Anthropic. Gemini y Perplexity no entran
- Los mismos 215 prompts que el estudio hermano: mercados de EE. UU., Reino Unido y UE, 19 sectores. No hay medición en español
- Los dos modelos clasifican casi todos los casos como «no encontrada», así que el azar ya daría un 93,0% de coincidencia. Descontado el azar (kappa de Cohen), el acuerdo es de 0,29
- Los cuatro autores trabajan en Unusual.ai, empresa que vende medición de visibilidad de marca en IA
Lo último afecta a la dirección de la conclusión: «tu diagnóstico es reutilizable» le viene de perlas a quien vende diagnósticos.
Dicho eso, no contradice la divergencia de resultados de la que ya hemos escrito. Lo que difiere es la salida; la clasificación de las causas es la parte compartida.
diagnostica la fase antes de separar el plan
Antes de montar la tabla de acciones por proveedor, mete un paso. Averigua si pierdes en el descubrimiento, cuando el modelo ni te saca, o en la selección, cuando te saca y elige a otro.
Si pierdes en el descubrimiento, ese diagnóstico vale tal cual para OpenAI y para Anthropic; en marcas regionales coincidió el 99,6% de los diagnósticos. Si pierdes después de que te encuentren, el estudio aconseja diagnosticar cada proveedor por separado.
Separar el plan o no es una pregunta legítima. Solo que toca hacerla después del diagnóstico, no antes.
Fuentes
- Will Jack, Noah Lehman, Keller Maloney, Sarah Xu (Unusual.ai), “Divergent Recommendations, Convergent Diagnoses: Cross-Provider Failure-Mode Convergence in AI Commercial Recommendation”, arXiv:2606.26116v1, publicado el 22 de mayo de 2026, arxiv.org (215 prompts comerciales en OpenAI y Anthropic; 7.763 fallos conjuntos analizados. Similitud de Jaccard entre proveedores 0,35 frente a una línea base de 0,50-0,61 al repetir el mismo prompt en el mismo proveedor. El diagnóstico de la modalidad de fallo coincidió en el 95,1% [94,3%, 95,7%], desde el 81% en líderes de categoría hasta el 99,6% en marcas de cola larga y regionales. Recomendaciones sin rastro de la marca en ninguna búsqueda: Anthropic 43-52%, OpenAI 8-29%. Solo dos proveedores; prompts compartidos con el estudio hermano (mercados de EE. UU., Reino Unido y UE, 19 sectores). La coincidencia la dominan los casos que ningún proveedor encontró: kappa de Cohen 0,29 y 14,9% de coincidencia en los 450 casos en que al menos un proveedor encontró la marca; los cuatro autores están empleados por Unusual.ai, proveedor de medición de visibilidad de marca en IA.)