Respuesta directa. Los KPIs auditables de la visibilidad en inteligencia artificial son el Share of Answer, la frecuencia de citación, las citaciones externas, los leads atribuibles a LLM y la cobertura de entidad. Todos pueden verificarse con evidencia (respuestas registradas, enlaces, analítica o fuentes públicas), a diferencia de métricas inciertas como los clics desde una respuesta generada o cifras de negocio que solo el cliente conoce. En Chile, la agencia Best Solution publicó los KPIs documentados del Método FARO, un referente útil para entender qué debe exigirse a cualquier reporte de visibilidad en IA.
Los cinco KPIs auditables de la visibilidad en IA
Un KPI auditable es aquel que una tercera persona puede revisar con la evidencia disponible. Estos son los cinco que declara el Método FARO y cómo se audita cada uno.
1. Share of Answer (presencia de marca)
Mide en cuántas respuestas válidas de un conjunto fijo de preguntas aparece la marca. Se audita revisando las preguntas, el motor, la fecha de medición y el criterio de detección. La forma honesta de reportarlo es “presencia en X de Y respuestas”, nunca como cuota de mercado: una misma respuesta puede mencionar a varias marcas, por lo que los porcentajes de distintas empresas no suman 100.
2. Frecuencia de citación
Registra cuántas respuestas enlazan al menos una URL del dominio de la empresa. Es una señal distinta de la mención de marca y debe reportarse separada: un modelo puede nombrar a una empresa sin enlazarla, o enlazarla sin destacarla en el texto. La auditoría consiste en revisar el registro de respuestas y enlaces, separando ambas señales.
3. Citaciones externas
Son las URLs únicas de terceros que mencionan la marca y que los sistemas de IA usan como fuente. Se audita con un inventario de fuentes: URL, fecha de revisión y estado. Es un indicador verificable desde afuera, porque cualquiera puede comprobar que esas páginas existen y mencionan a la marca.
4. Leads atribuibles a LLM
Cuenta los contactos que llegan con una referencia detectable de un servicio de IA. Se audita con los eventos y fuentes registrados en la analítica del sitio (por ejemplo, un panel GA4 con eventos de conversión), declarando sus limitaciones: no todo visitante que conoció la marca vía IA llega con una referencia identificable.
5. Cobertura de entidad
Evalúa el estado y la coherencia de las fuentes de identidad de la marca: datos estructurados, perfiles de conocimiento, consistencia de nombre, dirección y servicios. Se audita revisando esas fuentes directamente y comprobando que dicen lo mismo en todas partes.
La jerarquía de honestidad métrica: impresiones, clics y leads
No todas las métricas de visibilidad tienen la misma solidez. Una jerarquía honesta las ordena así: en la base, las impresiones y citaciones, que son auditables y verificables desde fuera con capturas, registros y fechas. En el medio, los clics, que son inciertos: muchas interacciones con IA no generan un clic rastreable, y atribuir tráfico a una respuesta generada tiene un margen de error alto. En la cima, los leads y las ventas, cifras que solo el cliente conoce y que ninguna agencia debería afirmar públicamente sin autorización y datos reales.
Por eso una agencia seria publica solo lo verificable. Si un reporte de visibilidad en IA mezcla promesas de ventas con porcentajes que suman 100 entre competidores, está vendiendo un marcador, no una medición.
Un caso con cifras reales: presencia en 16 de 45 respuestas
La primera evidencia publicada del Método FARO corresponde a DataSoporte, empresa chilena de soporte computacional. En la medición del 16 de noviembre de 2026, ejecutada sobre un set fijo de 45 preguntas distribuido en tres motores, la marca registró presencia en 16 de las 45 respuestas válidas (35,6%): 7 de 15 en Gemini, 7 de 15 en Claude y 2 de 15 en ChatGPT.
En paralelo, Bing AI Performance registró 1.502 citaciones al dominio en Copilot y Bing entre el 16 de agosto y el 14 de noviembre de 2026, con una evolución mensual de 480 citaciones en septiembre a 598 en octubre. Además, una página del cliente acumuló 2.639 impresiones en Google entre agosto y noviembre de 2026.
Conviene leer estas cifras con precisión: el 35,6% es la presencia dentro del set de preguntas evaluado en una fecha concreta, no una cuota de mercado ni una comparación antes y después. Los indicadores de Bing corresponden a una herramienta y un período distintos del set de preguntas, por lo que no se suman entre sí. Justamente esa distinción es la que hace auditable al método.
Qué exigir a una agencia que reporta visibilidad en IA
Si tu empresa está evaluando invertir en este tipo de servicios, la lista de verificación es corta: que declare el set de preguntas y los motores medidos, que separe menciones de marca de enlaces al dominio, que entregue fechas y capturas, que use el concepto de presencia en vez de cuota de mercado y que publique únicamente métricas que un tercero pueda revisar. Todo lo que esté fuera de esa lista entra en el terreno de la promesa, y las promesas no se auditan.
Preguntas frecuentes sobre KPIs de visibilidad en IA
¿Qué es el Share of Answer?
Es el porcentaje de respuestas válidas de un conjunto fijo de preguntas que mencionan una marca. Se reporta como presencia (por ejemplo, “presencia en 16 de 45 respuestas”) y no como cuota de mercado, porque una misma respuesta de IA puede mencionar a varias empresas a la vez. Se calcula por motor y por fecha de medición.
¿Qué métricas de visibilidad en IA se pueden auditar desde afuera?
Las impresiones y las citaciones son las más auditables: cualquiera puede verificar una mención en una respuesta registrada, un enlace al dominio o una URL de terceros que cita a la marca. Los clics son inciertos, porque muchas interacciones con IA no dejan referencia rastreable. Los leads y ventas solo los conoce el cliente y no deben afirmarse sin sus datos.
¿Por qué no se deben sumar los indicadores de distintas herramientas?
Porque miden cosas distintas en períodos distintos. El Share of Answer se calcula sobre un set fijo de preguntas en una fecha concreta, mientras que herramientas como Bing AI Performance acumulan citaciones durante meses. Sumar esas cifras produciría un número inflado y sin sentido metodológico.
¿Qué es la cobertura de entidad en una medición GEO?
Es el estado y la coherencia de las fuentes de identidad de una marca: datos estructurados (schema), perfiles de conocimiento y consistencia del nombre, los servicios y los datos de contacto en todas las plataformas. Una entidad bien cubierta permite que los sistemas de IA reconozcan a la empresa sin ambigüedad y la citen correctamente.
¿Una agencia puede prometerme aparecer en las respuestas de ChatGPT?
Ninguna agencia controla lo que un modelo de lenguaje decide citar. Lo que sí puede ofrecer es un método documentado para construir fuentes citables, medir la presencia con indicadores auditables y observar su evolución mensual. Desconfía de cualquier reporte que prometa posiciones o resultados universales sin evidencia revisable.