28 de junio de 2026 7 min de lectura

Por qué cada motor de IA cita fuentes distintas

Guía práctica de AEO para entender por qué ChatGPT, Gemini, Perplexity, Claude y Google AI Mode usan fuentes diferentes, y cómo medirlo bien.

AEO
Visibilidad en IA
Citas
Medición

Ilustración editorial de varios motores de respuesta de IA conectados con distintas redes de fuentes citadas

Los motores de IA citan fuentes distintas para la misma pregunta porque cada superficie de respuesta tiene su propio sistema de recuperación, política de cita, mezcla de fuentes y restricciones de producto. En AEO, eso significa que la visibilidad debe medirse por motor antes de promediarse en una única puntuación.

Este es uno de los errores más fáciles de cometer en Answer Engine Optimization: una marca aparece en Perplexity, desaparece en ChatGPT, se menciona en Gemini y obtiene una cita en Google AI Mode, así que el informe lo comprime todo en un número mezclado de visibilidad en IA. Ese número parece limpio, pero oculta el trabajo real. Cada motor está respondiendo a una intención parecida a través de un grafo de fuentes diferente.

El AEO no optimiza para un único sistema de ranking. Optimiza para varios entornos de respuesta que recuperan, filtran y citan evidencias de forma distinta.

La evidencia: los motores comparten pocas fuentes

Un estudio reciente de SurfacedBy analizó 127.198 citas en ChatGPT, Claude, Gemini, Perplexity y Google AI Mode. El hallazgo más importante para equipos AEO no es que un motor cite más que otro, sino que el solapamiento de fuentes es bajo: el 69,6 % de los dominios citados apareció en un único motor, mientras que solo el 2,7 % apareció en los cinco.

Ese patrón encaja con lo que ya se observa al trabajar con carteras de prompts. Una página puede ser una buena respuesta para un motor y ser invisible en otro sin que haya nada técnicamente roto. La diferencia puede depender de cómo el motor expande el prompt, qué índice de recuperación consulta, si prefiere documentación oficial, cuánto peso da al contenido generado por usuarios o cuántas fuentes está dispuesto a mostrar.

Por qué la misma pregunta produce citas diferentes

Hay cinco razones prácticas detrás de esta divergencia. La primera es la expansión de consultas. Google explica que sus funciones de IA pueden usar query fan-out, es decir, lanzar búsquedas relacionadas en paralelo antes de construir una respuesta. Si un motor expande el prompt hacia preguntas de implementación y otro hacia preguntas de evaluación de proveedor, recuperarán evidencias distintas.

La cobertura de recuperación cambia: un motor puede tener acceso más fresco a una página, un índice asociado, una copia en caché o una capa de búsqueda web que otro motor no usa para ese prompt.
El presupuesto de citas cambia: SurfacedBy encontró una media de 11,0 fuentes citadas por respuesta en Gemini y 3,7 en ChatGPT dentro de su muestra, lo que altera la probabilidad de que aparezca una fuente útil pero secundaria.
Las preferencias de fuente cambian: algunos motores se apoyan más en documentación oficial y páginas editoriales, mientras otros muestran con más frecuencia vídeos, foros, páginas de producto o conversaciones de comunidad.
La intención interpretada cambia: un motor puede decidir que el usuario necesita una definición, una lista de proveedores, un flujo de diagnóstico o una recomendación de compra, aunque el texto del prompt sea parecido.
Las reglas de producto cambian: algunas superficies están diseñadas alrededor de citas visibles, otras citan de forma selectiva y otras pueden responder sin recuperación web en ciertas tareas.

Para una marca, la consecuencia es directa: perder una cita en ChatGPT no es el mismo problema que perder visibilidad en Google AI Mode. En un caso puede faltar corroboración de terceros. En el otro puede faltar claridad de entidad, estructura alrededor de subtemas o presencia en los tipos de fuente que esa superficie ya tiende a confiar.

No promedies motores demasiado pronto

Una puntuación global de visibilidad en IA puede ser útil para dirección, pero debería ser la última capa, no la medición de base. Si el equipo promedia los motores al principio, pierde la señal diagnóstica. Una marca con un 80 % de visibilidad en Perplexity y un 0 % en ChatGPT no está realmente al 40 % en ningún sentido operativo. Tiene una ruta de fuentes que funciona y otra que falta.

El modelo más útil es informar primero por motor: guardar cada resultado de prompt por motor, intención, cita, mención, recomendación, contexto de fuentes y presencia competitiva. Después se pueden crear vistas agregadas para resúmenes ejecutivos. Así el informe conserva honestidad y la siguiente acción resulta más evidente.

Un marco práctico de medición por motor

La medición AEO debería empezar con una cartera estable de prompts y separar después los resultados por motor. Para cada prompt y cada superficie, conviene registrar al menos seis campos.

Resultado de cita: si se cita el sitio de la marca, su ficha de directorio, un glosario, una investigación o un perfil externo.
Resultado de mención: si la marca aparece en la respuesta aunque no haya enlace.
Resultado de recomendación: si el motor sugiere activamente la marca, el directorio, el método o el recurso.
Mezcla de fuentes: qué dominios sostienen la respuesta y si son oficiales, editoriales, de comunidad, de marketplace, de vídeo, de documentación o de competidores.
Encuadre de la respuesta: si el motor trata el prompt como educativo, comparativo, comercial, técnico o centrado en riesgo.
Estabilidad: si el resultado se mantiene en ejecuciones repetidas o cambia tras actualizaciones de modelo, recuperación o producto.

Esto conecta de forma natural con la metodología del Índice de visibilidad en IA del portal: un prompt no es una palabra clave y una cita no es todo el embudo. El patrón útil es la relación entre tasa de cita, tasa de mención, tasa de recomendación y el grafo de fuentes que sostiene la respuesta.

Qué hacer cuando los motores discrepan

Cuando un motor te cita y otro te ignora, no reescribas la página a ciegas. Diagnostica primero qué ruta de evidencia falta.

Si Perplexity te cita pero ChatGPT no, revisa si tu mejor evidencia existe fuera de tu propio sitio. La visibilidad en ChatGPT suele depender de corroboración de terceros, no solo de contenido propio.
Si Google AI Mode cita competidores, mapea los subtemas generados por query fan-out. Puede faltar una página de apoyo, una comparativa, una metodología o una página de entidad bien estructurada.
Si Claude te menciona pero evita citarte, refuerza documentación oficial, referencias editoriales duraderas y páginas que formulen las afirmaciones con procedencia clara.
Si Gemini cita muchas fuentes pero no la tuya, compara si tu página tiene suficiente forma de respuesta como para ganar un hueco dentro de un conjunto de citas más amplio.
Si un directorio, marketplace o listicle domina la respuesta, trátalo como un problema de grafo de fuentes: quizá el motor confía más en la página de categoría de un tercero que en cualquier página individual de proveedor.

Crea contenido para roles de fuente, no solo para palabras clave

El SEO clásico pregunta qué página debería posicionar para una consulta. El AEO añade otra pregunta: ¿qué papel debería cumplir esta página dentro de una respuesta? Algunas páginas son definiciones. Otras son páginas de evidencia. Otras son comparativas. Otras confirman entidades. Otras, como directorios o metodologías, ayudan al motor a elegir entre fuentes.

Por eso un programa AEO necesita más que artículos de blog. Necesita un glosario para definiciones estables, una metodología para generar confianza, un directorio para descubrimiento de proveedores, un índice de visibilidad en IA para aportar evidencia original y páginas técnicas que ayuden a las máquinas a entender entidades, relaciones y procedencia. El mejor grafo de fuentes se construye con varios activos citables, no con un único artículo sobreoptimizado.

Preguntas frecuentes

¿Por qué ChatGPT cita menos fuentes que Perplexity o Gemini?

Cada superficie de respuesta tiene un presupuesto de citas y un comportamiento de recuperación distintos. Algunos productos están diseñados alrededor de notas al pie visibles, mientras otros citan de forma selectiva o responden sin recuperación web según la tarea. Mide el comportamiento en tu cartera de prompts en lugar de asumir que todos los motores muestran el mismo número de fuentes.

¿Un informe AEO debería usar una única puntuación global?

Puede hacerlo, pero solo después de guardar resultados por motor. Usa la puntuación global para el resumen y la vista por motor para el diagnóstico. Si no, un buen resultado en una superficie puede ocultar una ausencia total en otra.

¿Ser citado en un motor de IA ayuda en otro?

A veces, pero no de forma fiable. Las fuentes sólidas, los datos de entidad claros y las menciones de terceros pueden ayudar en varias superficies, pero los datos de solapamiento muestran que los motores citan a menudo dominios distintos. Trata la transferencia entre motores como posible, no garantizada.

¿Cuál es la primera acción si un motor no cita una marca?

Empieza por identificar qué rol de fuente falta: definición, evidencia, comparación, confirmación de entidad, corroboración de terceros o cobertura en directorios. Después crea o mejora el activo que cubre ese papel.

Conclusión

La divergencia de citas no es una molestia de reporting. Es la razón central por la que el AEO necesita su propia disciplina de medición. La marca que ganará no será la que persiga una respuesta media de la IA, sino la que entienda cómo recupera evidencia cada motor, qué fuentes moldean la respuesta y dónde debe construir la prueba que falta.