Tu marca puede aparecer en Google y quedar fuera de la respuesta

Quien busca una cafetera puede comparar cinco páginas de resultados. También puede pedirle a un asistente una que quepa en su cocina, tenga refacciones en México y cueste menos de cierto monto. En la búsqueda con IA, la pregunta reúne criterios que antes podían resolverse en varias consultas. Para la marca, aparecer entre los resultados y ser una de las opciones recomendadas son dos retos distintos.

En Advertising Week LATAM 2026, Aarón Acosta, Head de International Business Strategy , y Cristian Barrientos,  Head de Search & Media de iCrossing LATAM, hablaron con Fast Company México sobre la optimización para motores generativos, o GEO. Su diagnóstico empieza por revisar si los sistemas encuentran suficiente información para explicar qué ofrece una marca, para quién y en qué condiciones.

En la entrevista, iCrossing LATAM señaló que la IA “está transformando la manera en que las personas buscan, descubren y eligen una marca”.

Qué información puede usar la búsqueda con IA

El catálogo es una parte de la respuesta. También pueden contar una reseña que explique cómo funciona el producto, una guía que compare alternativas o una política de devoluciones que se pueda leer sin abrir una cuenta. Para un negocio mexicano, la pregunta puede ser tan concreta como si el asistente encuentra el precio en pesos o puede distinguir dónde hay entrega de dónde solo hay recolección.

Google señala en sus requisitos para AI Overviews y AI Mode que una página debe estar indexada y ser elegible para aparecer con un fragmento en la búsqueda. Sus funciones de IA se apoyan en las prácticas habituales de SEO. La documentación también aclara que cumplir los requisitos técnicos deja abierta la decisión de mostrar la página.

Una mención y una venta miden cosas distintas

Los ejecutivos de iCrossing describieron un caso en el que un cliente de servicios financieros amplió su oferta y trabajó en su contenido y presencia digital. La agencia reportó cerca de 46% más clientes nuevos interanuales. El cliente quedó anónimo y la entrevista no aportó datos para atribuir cuánto del aumento se debió a las respuestas generativas. El número describe el resultado que reportó la agencia para ese caso.

En la búsqueda con IA importa la pregunta completa

En una búsqueda por palabras clave, una tienda puede trabajar por separado consultas sobre precio, instalación y garantía. En una conversación, el usuario puede pedir las tres cosas al mismo tiempo. Si la marca solo explica una de ellas, el asistente tiene que buscar el resto en otras fuentes. De ahí que las contradicciones entre una ficha de producto, una página de ayuda y una publicación de un distribuidor puedan importar tanto como la posición de una página.

Para ponerlo a prueba, pensemos en una tienda con entrega el mismo día en algunas alcaldías. La promesa general puede sonar bien, pero para recomendarla en una consulta concreta el asistente necesita saber dónde aplica, a qué hora cierra el pedido y si el servicio tiene un costo extra. La información que una persona antes resolvía por chat con la tienda pasa a formar parte de lo que puede decidir si la opción aparece en la respuesta.

Las fuentes de terceros también tienen funciones distintas. Una reseña puede describir la experiencia de uso. La marca es quien puede confirmar que un precio sigue vigente. Un distribuidor puede explicar qué inventario tiene en una zona. Un resultado que combina esas fuentes puede ser útil si cada una aporta lo que sabe y el sistema distingue a qué vendedor y fecha corresponde.

Qué medir cuando la recomendación no trae un clic

En la conversación, iCrossing LATAM anticipó que “no falta mucho para que incluso agentes sean los que transaccionen”. Aun antes de eso, los equipos de marketing tienen que decidir qué cuenta como presencia. Que el asistente mencione el nombre, que cite el sitio de la empresa y que recomiende una oferta correcta son resultados distintos. Si una respuesta atribuye al negocio una cobertura que ya no ofrece, contar la mención como un éxito oculta un problema.

Una revisión de la búsqueda con IA puede empezar por preguntas que ya llegan a ventas o a servicio al cliente. Una empresa podría comprobar qué respuesta recibe alguien que busca contratar en México y luego ver si cambia al especificar una ciudad o un presupuesto. Repetir la consulta en condiciones comparables ayuda a reconocer patrones. Una captura aislada solo documenta lo que ocurrió esa vez.

Los entrevistados enmarcan su propuesta como un trabajo que combina contenido y señales digitales fuera del sitio. Dentro de la empresa, eso tiene una consecuencia práctica. El equipo que sigue las menciones necesita hablar con quien actualiza catálogos, términos y páginas de soporte. Si la respuesta recupera una condición que ya cambió, corregir la fuente suele ser más útil que celebrar que la marca apareció.

La siguiente pregunta para una empresa es qué ocurre después de que el asistente la menciona. Si cita un precio desactualizado o pasa por alto una restricción de entrega, la visibilidad puede derivar en una mala experiencia. Conviene observar qué fuentes aparecen, qué información toman de ellas y si las personas encuentran después lo que el asistente les prometió.