En 2026 la visibilidad en IA depende sobre todo de tres cosas: que tu contenido responda con precisión lo que la gente pregunta, la autoridad de tu dominio y tu presencia en fuentes de terceros como Wikipedia, YouTube o la prensa. Las tácticas de moda (bloques FAQ, schema, llms.txt) no muestran efecto medible sobre las citas. Medir exige repetir cada consulta varias veces durante semanas. Y la próxima frontera ya llegó: agentes de IA que buscan, comparan y eligen proveedores usando protocolos como A2A y MCP.
01 · El tablero
La búsqueda con IA ya es masiva, y ya se monetiza
En mayo, Google anunció que AI Mode superó los 1.000 millones de usuarios mensuales, y en julio informó 950 millones para la app de Gemini. El mismo mes que AI Mode llegaba a esa escala, Google presentó anuncios conversacionales dentro de AI Mode y un carrito universal sobre su protocolo de comercio. OpenAI, por su parte, llevó los anuncios de ChatGPT a un Ads Manager propio y anunció su expansión a México y Brasil.
Para las marcas, el efecto es doble. Los clics caen: según Ahrefs, los AI Overviews reducen 58% el CTR del primer resultado, y SparkToro midió que el 68% de las búsquedas en EE.UU. terminó sin clic entre enero y abril. Pero ser citado vale mucho: Seer Interactive encontró que las páginas citadas en un AI Overview obtienen 120% más clics por impresión que las que no lo son.
Los motores que definen la visibilidad
Los hitos del año
GoogleLanza el Universal Commerce Protocol (UCP) junto a Shopify, Walmart, Target y otros retailers.
- OpenAIRetira Instant Checkout: las compras dentro de ChatGPT pasan a las apps de cada marca.
A2ASe publica la versión 1.0 del protocolo Agent2Agent, con Agent Cards firmados.
- OpenAILos anuncios de ChatGPT se expanden a Reino Unido, México, Brasil, Japón y Corea.
GoogleAI Mode supera los 1.000 millones de usuarios mensuales.
MCPNueva especificación del Model Context Protocol, con un núcleo sin estado.
- OpenAIDeja de funcionar el navegador Atlas; sus funciones pasan a ChatGPT.
Linux FoundationA2A se suma a la Agentic AI Foundation, que ya gobernaba MCP.
GoogleSearch Console muestra impresiones en AI Overviews y AI Mode en todo el mundo, todavía sin clics.
Según datos de Similarweb publicados por ANDA, ChatGPT genera entre el 65% y el 96% del tráfico referido por IA a los principales retailers de la región, y ese tráfico todavía es menos del 1% del total. En banca crece rápido: los referidos de IA a Santander Argentina subieron 294% entre enero y julio de 2026.
02 · Lo que la evidencia confirma
Autoridad, coincidencia con la pregunta y presencia en terceros
El estudio más grande del año sobre citas reales analizó cerca de 2 millones de citas de ChatGPT, Claude, Google AI y Gemini sobre 10.000 páginas B2B. El mejor predictor de ser citado fue que el texto de la página coincida con la forma en que se formulan las preguntas. La autoridad del dominio pesó unas seis veces más que cualquier característica de la página.
Lo que pasa fuera del sitio pesa todavía más. En 167.551 citas sobre 128 marcas, el 85,7% apuntó a sitios de terceros, y Wikipedia fue el dominio más citado en 11 de 12 idiomas. Ahrefs, sobre 75.000 marcas, encontró que las menciones en YouTube son el mayor correlato de visibilidad en IA.
Tabla 1. Palancas de visibilidad en IA según la evidencia publicada entre enero y septiembre de 2026. Fuentes en la sección final.
03 · Lo que la evidencia desmiente
Los trucos que funcionan en laboratorio se desarman en producción
Un survey crítico de 45 estudios publicado en julio llegó a una conclusión incómoda para la industria: el famoso “hasta 40% más de visibilidad” del paper original de GEO solo se sostiene si la fuente ya está dentro del contexto que recibe el modelo. Ninguna técnica mostró un efecto causal estable a lo largo del tiempo y entre plataformas.
Los datos de producción lo confirman. En el análisis de 2 millones de citas, el efecto de FAQ, schema y Core Web Vitals parece positivo en los datos agregados, pero desaparece o se invierte al comparar páginas del mismo dominio. Ahrefs siguió 1.885 páginas que agregaron schema y no encontró aumento de citas en AI Overviews, AI Mode ni ChatGPT.
El schema y las FAQ no son inútiles: ayudan a que buscadores y agentes lean tus datos. Pero no son la palanca que decide si la IA te cita.
Hay un matiz competitivo que vale la pena entender. Un estudio de junio mostró que, cuando todas las marcas de una categoría aplican las mismas tácticas de GEO, la ventaja colapsa casi a cero: es un dilema del prisionero. Lo que diferencia es aquello que no se puede copiar en una tarde, como la autoridad, la reputación y la evidencia propia.
04 · Cómo lo medimos
El problema de medir: una foto no alcanza
La mayoría de los reportes de “visibilidad en IA” se basan en correr un prompt una vez. La investigación de 2026 muestra por qué eso engaña: las respuestas cambian de un día para otro, y cambian mucho más según el idioma de la pregunta que según la marca.
¿Cuánto se repiten las respuestas de un día al otro?
Coincidencia (Jaccard) entre días consecutivos, 4 motores. 1 = idénticas.
Fuente: Schulte, Bleeker y Kaufmann (Universidad de St. Gallen), 2026.
¿Qué explica que la respuesta cambie?
Parte de la varianza explicada, 12.933 respuestas en 8 idiomas.
Fuente: Żatuchin, julio 2026.
Correr cada prompt al menos 7 veces (8 si se miden fuentes), agregar en ventanas móviles de 2 a 4 semanas, medir en todos los idiomas y variantes relevantes, y reportar rangos en lugar de un número único. Es el criterio que aplicamos en el Exista Visibility Score.
El idioma no solo mueve la varianza: define el mercado. Un estudio de agosto mostró que el idioma de la pregunta decide en buena medida qué proveedores locales aparecen. Preguntado en inglés, un modelo tiende a recomendar alternativas globales aunque el usuario esté en otro país. Es exactamente lo que habíamos observado en nuestro estudio dialectal: la variante del español cambia qué empresas recomienda la IA.
Las marcas chicas casi no aparecen cuando la pregunta es por categoría
Porcentaje de respuestas relevantes que mencionan a la marca, según tamaño. Más de 100.000 respuestas.
Fuente: Kumar, “GEO at Scale”, junio 2026. Otro estudio encontró que startups reconocidas por nombre en más del 94% de los casos aparecen en solo 3–8% de las consultas por categoría (Sharma, 2026).
05 · La próxima capa
Del ser citado al ser elegido
Hasta ahora, la visibilidad en IA fue una pregunta sobre humanos: una persona le pregunta algo a un asistente y el asistente la orienta. Pero los asistentes ya actúan. Buscan proveedores, comparan condiciones y, cada vez más, transaccionan. Gartner proyecta que para 2028 el 90% de las compras B2B estará intermediado por agentes de IA, con más de USD 15 billones de gasto canalizado a través de intercambios entre agentes.
Eso es lo que describe el AI Visibility Stack: tres capas que se suman, no que se reemplazan.
AI Visibility Stack
Cada capa agrega una pregunta nueva sobre tu empresa.
Los protocolos ya tienen dueño y versión estable
2026 fue el año en que la infraestructura agéntica se ordenó. Los dos protocolos centrales, A2A y MCP, quedaron bajo la misma fundación neutral de la Linux Foundation, y aparecieron estándares específicos para comercio, pagos e identidad.
A2A
Protocolo abierto creado por Google para que agentes se descubran y conversen. Descubrimiento vía /.well-known/agent-card.json.
MCP
Protocolo abierto creado por Anthropic para conectar modelos y agentes con herramientas y datos.
Spec 2026-07-28 · Agentic AI FoundationUCP y ACP
UCP (Google y retailers) y ACP (OpenAI y Stripe) llevan catálogos, carritos y checkout a los agentes.
UCP en expansión · ACP en betaAP2 y x402
Mandatos de pago para agentes (AP2, hoy en FIDO Alliance) y pagos nativos de internet (x402, con fundación propia).
Rieles listos, volumen incipienteWeb Bot Auth
Borrador del IETF para que un agente firme sus pedidos y el sitio sepa quién es.
Borrador IETF · agentes firmadosWebMCP
Propuesta para que una página exponga herramientas a los agentes que corren en el navegador.
Borrador W3C · prueba en ChromeLa paradoja de la adopción
La gobernanza está resuelta; la adopción pública, no. Un relevamiento de julio sobre 22.341 hosts de APIs encontró que de los 20.185 que respondieron, solo 65 publicaban un Agent Card, y apenas 10 cumplían la especificación A2A 1.0. Quince seguían usando la ruta vieja.
Fuente de los tres primeros datos: API Evangelist, julio 2026.
El dato de tráfico completa el cuadro: hoy los agentes navegan, leen fichas y comparan; todavía compran poco. El caso de OpenAI lo ilustra: retiró su checkout dentro de ChatGPT a los cinco meses y pasó a derivar las compras a las apps de cada marca. El modelo que funciona hoy es “descubrir en la IA, comprar en el comercio”.
exista.io publica su Agent Card según A2A 1.0 en exista.io/.well-known/agent-card.json, y nuestro agente responde el método estándar SendMessage en agent.exista.io/a2a/v1. Cualquier agente compatible puede pedirle información de servicios o una auditoría EVS de un dominio.
06 · Hallazgos
Cómo elige un agente (y por qué no siempre elige al mejor)
La investigación sobre agentes compradores avanzó más rápido que la práctica. Los estudios coinciden en algo: los agentes eligen con sesgos medibles, que cambian según el modelo y se pueden manipular.
Gana la primera propuesta
En el mercado simulado de Microsoft, la velocidad de respuesta pesó entre 10 y 30 veces más que la calidad de la oferta.
Qué hacer: cotizar rápido y completo.Los atributos pesan más que la posición
En 5.000 sesiones de agentes, lo visible en el listado (precio, condiciones) importó más que estar primero.
Qué hacer: datos legibles por máquina.La marca aparece cuando la necesidad es concreta
Marcas conocidas no aparecen ante pedidos genéricos por categoría, pero sí cuando el pedido describe una necesidad específica.
Qué hacer: posicionarse por problema, no solo por rubro.Son manipulables
Los ataques GEO elevaron hasta 83,2% la recomendación de productos defectuosos, y las defensas actuales reducen poco el daño.
Qué hacer: señales verificables de terceros.Fuentes: Magentic Marketplace (Microsoft Research), Wadi y Ma, 2026, Malthouse et al., 2026, SafeGEO, 2026.
07 · Lo que queda fuera
El vacío en español
Revisamos más de 30 papers publicados en 2026 sobre GEO, citación y agentes. Ninguno mide el fenómeno en español ni en mercados de América Latina. Los estudios multilingües cubren alemán, lenguas nórdicas y bálticas, chino o turco. Si el idioma de la pregunta explica una cuarta parte de la variación y decide qué proveedores locales aparecen, extrapolar resultados en inglés al mercado hispano es, como mínimo, arriesgado.
Por eso la agenda de exista.io Research para los próximos meses apunta a ese vacío: una segunda edición del Public Web Agent Readiness Benchmark con el estándar A2A 1.0, un estudio sobre cómo la variante del español cambia qué proveedores recomienda la IA, y un experimento sobre cómo eligen proveedores B2B los agentes cuando la conversación es en español.
08 · Qué hacer
Qué hacer en los próximos 90 días
Medir bien
- Definir 30–50 preguntas reales de tus compradores, en las variantes de español de tus mercados.
- Correr cada una varias veces por semana y reportar rangos.
- Mapear qué terceros cita la IA en tu categoría.
Ganar autoridad
- Reescribir las páginas clave para responder las preguntas tal como se formulan.
- Publicar datos propios, comparaciones y precios o rangos visibles.
- Trabajar presencia en Wikipedia/Wikidata, prensa, reseñas y YouTube.
Prepararse para agentes
- Publicar un Agent Card A2A 1.0 con un endpoint que responda.
- Exponer atributos clave en formato legible por máquina.
- Si vendés productos, evaluar feeds de catálogo (UCP, ACP).
¿Cómo está tu empresa en IA y frente a los agentes?
Medimos tu visibilidad con el Exista Visibility Score y tu preparación para agentes con el ADO Score.
09 · Preguntas frecuentes
Preguntas frecuentes
¿El schema y las FAQ siguen sirviendo para aparecer en la IA?
Como palanca de citación, la evidencia de 2026 no los respalda: un estudio de Ahrefs sobre 1.885 páginas no encontró aumento de citas al agregar schema, y un análisis de 2 millones de citas reales mostró que el efecto de FAQ y schema desaparece al comparar páginas del mismo dominio. Siguen siendo útiles para que buscadores y agentes lean datos estructurados, pero no mueven la cita por sí solos.
¿Sirve publicar un llms.txt?
No hay evidencia de efecto. Ahrefs analizó 137.210 dominios y el 97% de los archivos llms.txt no recibió ninguna solicitud. Es opcional; conviene priorizar datos legibles por máquina en las propias páginas.
¿Cuántas veces hay que medir un prompt?
Una sola medición no alcanza. La investigación de la Universidad de St. Gallen recomienda al menos 7 corridas por prompt (8 para medir fuentes) y agregar los resultados en ventanas móviles de 2 a 4 semanas, porque la coincidencia de fuentes citadas entre un día y otro es de apenas 0,34 a 0,42.
¿Qué es un Agent Card?
Es un archivo JSON publicado en /.well-known/agent-card.json que describe a un agente de una organización, sus habilidades y cómo contactarlo, según el protocolo A2A 1.0. En julio de 2026, solo 65 de 20.185 hosts de APIs analizados publicaban uno, y 10 cumplían la especificación.
¿Cómo eligen proveedor los agentes de IA?
Con sesgos medibles: favorecen la primera propuesta que reciben, pesan más los atributos visibles que la posición, y reconocen mejor a las marcas cuando el pedido describe una necesidad concreta. Estar en los catálogos y protocolos que leen los agentes habilita que te consideren; los atributos completos y las señales verificables de terceros deciden si te eligen.
10 · Fuentes
Fuentes
La mayoría de los estudios académicos citados son preprints publicados en arXiv en 2026, todavía sin revisión de pares.
- Google — Search en I/O 2026 (mayo 2026) y resultados Q2 2026.
- Marketing Dive — Ads Manager de ChatGPT (mayo 2026).
- Ahrefs — AI Overviews y CTR (mayo 2026).
- SparkToro — búsquedas sin clic en 2026.
- Seer Interactive — impacto de AIO en CTR, 2026.
- Wang et al. — AI in Search Reduces Publisher Referrals (arXiv 2608.18352).
- ANDA/Similarweb — tráfico de IA en retail LATAM y en banca.
- Moore y Dunne — What Drives Citations in Production LLMs? (arXiv 2609.35077).
- Żatuchin — How LLMs Source Brand Reputation Across Languages (arXiv 2606.25787).
- Ahrefs — correlatos de visibilidad en IA, 75.000 marcas (mayo 2026).
- Vishwakarma et al. — What Gets Cited (arXiv 2605.25517).
- Yu et al. — GEO-SFE (arXiv 2603.29979) y Zhang et al. — From Citation Selection to Citation Absorption (arXiv 2604.25707).
- Martinez — A Critical Survey of GEO (2023–2026) (arXiv 2607.14035).
- Ahrefs — schema y citas en IA (mayo 2026) y estudio de llms.txt (junio 2026).
- Chu y Hou — Incumbent Advantage (arXiv 2606.17443).
- Schulte, Bleeker y Kaufmann — Don't Measure Once (arXiv 2604.07585).
- Żatuchin — Variance components in LLM brand answers (arXiv 2607.13304) y The Language of the Question Selects the Market (arXiv 2608.30052).
- Kumar — GEO at Scale (arXiv 2606.20065) y Sharma — The Discovery Gap (arXiv 2601.00912).
- Gartner — Top Predictions 2026 (octubre 2025).
- Google — un año de A2A, AAIF — A2A se suma y MCP — spec 2026-07-28.
- API Evangelist — Agent Cards publicados (julio 2026) y HUMAN — tráfico agéntico, julio 2026.
- Forbes — retiro de Instant Checkout y OpenAI — cierre de Atlas.
- Magentic Marketplace, Wadi y Ma — Does Rank Still Matter?, Malthouse et al. — Brand Retrieval y SafeGEO.