Una auditoría real, sin el nombre

ChatGPT: ausencia

ChatGPT menciona a Halvern muy pocas veces en preguntas sin marca (3 de 16, alrededor del 19 por ciento). Cuando la menciona es preciso y neutral, y no inventa nada. El problema no es el contenido, es la visibilidad. En una pregunta general Halvern normalmente ni siquiera está en la lista, y la primera posición suele ir a una gran marca internacional.

Gemini: identidad errónea

Gemini menciona a Halvern mucho más a menudo (8 de 16, alrededor del 50 por ciento), pero esa visibilidad es engañosa, porque la identidad está confundida. Gemini fusiona Halvern Industrial con R. Halvern & Co., una empresa distinta que lleva el mismo apellido del fundador. Sitúa el año de fundación dos años antes del real. Describe mal las instalaciones y devuelve la superficie de la otra empresa y una ubicación equivocada. Nombra como fundador al miembro equivocado de la familia.

Y algo peor: la confusión creció entre las dos rondas. Una pregunta que Gemini separó correctamente en la primera ronda apareció fusionada en la segunda. El error no es estable. Es volátil y va en aumento.

Claude: identidad correcta, pero invisible

Claude tiene la identidad bien. Preguntado directamente, devuelve el año de fundación correcto y el fundador correcto, afirma por iniciativa propia que R. Halvern & Co. es una empresa distinta, y visita la web oficial de Halvern para verificar las certificaciones. Pero en preguntas sin marca Halvern casi nunca aparece (1 de 16, después 0 de 16). La información es correcta y, aun así, cuando un comprador hace una pregunta general, Halvern no entra en la lista.

La paradoja de la referencia

Cuando se les pregunta qué fabricantes de esta categoría trabajan con grandes grupos industriales, Halvern está ausente en los tres motores. Y sin embargo la propia página de referencias de Halvern incluye públicamente justo un cliente así, con el año del proyecto. La prueba está en la web, pero la IA no consigue llevarla hasta la respuesta a esa pregunta. Solo Claude la encontró, y solo después de visitar la web directamente. Este es el resumen más claro del problema de visibilidad: la evidencia está en la web y no llega a la IA.

El encuadre competitivo y el competidor real no reconocido

Las empresas que propone la IA encajan mal con el conjunto competitivo real de Halvern. Un competidor genuino, un fabricante de tamaño medio con una web activa, no es reconocido como competidor de esta categoría por ningún motor, y algunos motores confunden su nombre con una plataforma de software sin relación alguna. Al mismo tiempo, ciertas empresas del segmento económico se sitúan por delante de Halvern en algunas respuestas.

La investigación del comprador pasa cada vez más por la IA. En esa primera fase de filtrado Halvern está hoy o invisible o fusionada con otra empresa. Ambas cosas conducen al mismo resultado: el comprador nunca oye el nombre y Halvern queda fuera de la preselección.

La buena noticia es que esto no es un problema de contenido ni de reputación. Es un problema de visibilidad e identidad. Los datos reales de Halvern, la larga trayectoria, las instalaciones, las certificaciones, las referencias significativas, ya son sólidos. Lo único que falta es presentar esos datos en una forma que la IA pueda leer.

Este es un diagnóstico de referencia, una fotografía del estado actual. Todavía no se ha hecho ningún cambio, así que no existe una medición posterior, y no vamos a presentar ninguna hasta que exista.

Es deliberado. La secuencia es medir, después corregir, después volver a medir, con las mismas preguntas, los mismos motores y las mismas condiciones. Una mejora que no puede demostrarse frente a un punto de partida registrado es una afirmación, no un resultado. La razón por la que en este informe pueden aparecer cifras reales es que las irreales no aparecen nunca. La nueva medición de este proyecto se realiza entre cuatro y ocho semanas después de desplegar las correcciones.

Lo que sí puede señalarse ahora es el mecanismo y el precedente. Cada hallazgo se corresponde con una intervención concreta que actúa sobre el mecanismo que lo produce. Una entidad Organization legible por máquina es lo que permite a un motor separar dos empresas que comparten apellido y domicilio social. Las certificaciones expresadas como texto y no como imágenes son lo que hace que una norma sea citable dentro de una respuesta. Los hechos renderizados en servidor son lo que lee un motor cuando no ejecuta JavaScript. La capa técnica que prescribe este informe está desplegada y verificada en producción en las propiedades del propio TKM Studio.

La visibilidad en IA no es un trabajo de una sola vez. Los motores y los competidores cambian, así que requiere seguimiento y contenido de forma regular. Ese es un paso que abordamos cuando los resultados de la corrección sean visibles, no ahora.