Pregunta algo a ChatGPT en la app web y luego envía la misma pregunta a través de su API: con frecuencia obtienes dos conjuntos de recomendaciones distintos. Los experimentos controlados de 2026 midieron la brecha entre superficies de acceso en 1,5 a 3,6 veces el ruido normal entre ejecuciones. Un puntaje de visibilidad que no declara su superficie de medición no puede compararse con ningún otro puntaje.

Qué cuenta como superficie

El mismo modelo puede llegar al usuario a través de varios productos distintos, y cada ruta es una superficie de medición aparte. Petra Labs distingue tres para GPT-5.2: ChatGPT de pago con sesión iniciada, ChatGPT gratuito sin sesión y la API de Responses. Pueden diferir en prompts de sistema, backends de búsqueda, señales geográficas y ajustes de muestreo mientras comparten un solo nombre de modelo.

La interfaz web añade capas que una llamada a la API jamás ve. Nikolai Fischer, un desarrollador alemán que publicó una comparación con el mismo modelo en octubre de 2026, las enumera: chatgpt.com ejecuta un prompt de sistema que OpenAI no publica, decide por sí mismo si busca en la web y conoce la ubicación del usuario, su historial de chat y sus recuerdos guardados. La API está más desnuda. Allí la búsqueda web es una herramienta que el desarrollador debe activar, y muchas herramientas de seguimiento de prompts la dejan desactivada para ahorrar costes, así que el modelo responde solo con su memoria de entrenamiento. La identidad del modelo también es parte de la superficie, y equivocarse es fácil: la app de ChatGPT muestra un nivel de razonamiento en lugar de un nombre de modelo, y la primera ronda de API de Fischer terminó comparando el modelo equivocado contra el valor por defecto de la web.

Lo que encontraron los experimentos controlados

Dos experimentos mantienen todo constante excepto la superficie, lo que los convierte en la evidencia más sólida disponible. Petra Labs, una agencia de optimización para motores de respuesta (answer engine optimization), envió un mismo prompt de investigación de producto 300 veces a cada una de tres superficies de GPT-5.2 el 26 de febrero de 2026, con búsqueda web forzada y sin personalización: 900 pruebas en total. Al dividir las pruebas de cada superficie por la mitad, el suelo de ruido quedó en 4,5 a 7,1 % de RMSE para la visibilidad de marca. Las muestras completas de superficies diferentes diferían en 10,8 a 16,1 %, así que el efecto de superficie fue 1,5 a 3,6 veces mayor que el azar. Blizzard apareció en 30 % de las pruebas con sesión y en 62,3 % de las pruebas por API, un vaivén de 32 puntos. Renoun apareció en 15 a 18 % de las pruebas de chat y ni una sola vez a través de la API. Las cinco marcas recomendadas de ChatGPT con sesión y de la API solo se solaparon en 25 %. Petra vende servicios de optimización, así que su enfoque merece escrutinio, pero el número de pruebas y el método están publicados.

El experimento de Fischer planteó 29 preguntas al estilo comprador a través de chatgpt.com y claude.ai en escritorio y a través de las API de ambos proveedores, con el mismo modelo en ambos lados: GPT-6 Sol y Opus 5.5. En 318 respuestas, dos respuestas web de ChatGPT compartieron 54 % de sus marcas (similaridad de Jaccard), una respuesta web y una de API compartieron 28 %, y dos respuestas de API 34 %. La API se pareció menos a la web que a sí misma, la firma de una diferencia sistemática y no de ruido. Para Claude el número entre superficies fue 21 % frente a una línea base de 33 % en la misma superficie. La brecha siguió siendo tolerable para preguntas de software (38 %) e internacionales (42 %), pero se derrumbó con los proveedores locales: 15 % en ChatGPT y 12 % en Claude. La forma de las respuestas divergió igual. El ChatGPT web promedió 471 palabras y 7,4 marcas por respuesta; el mismo modelo por API promedió unas 151 palabras y 3,7 marcas. Fischer es independiente y no vende ninguna herramienta de seguimiento, y expone sus límites con claridad: una persona, un día, un lugar, solo escritorio, 29 prompts.

Lo que añaden los estudios de los proveedores

Los proveedores de seguimiento hicieron sus propias comparaciones. Promptwatch, que vende seguimiento basado en interfaz, reportó en una prueba de agosto de 2026 que sus ejecuciones por interfaz y por API compartían 25,6 % de sus fuentes, y que 70 % de las fuentes que la interfaz encontró nunca aparecieron en los resultados de la API. Surfer, que vende un rastreador basado en scraping, hizo su propia comparación entre scraping y API: 24 % de marcas se solaparon en ChatGPT, y 4 % de fuentes; en Perplexity, la API devolvía unas 7 fuentes por respuesta frente a 10 en los resultados raspados. El repaso de investigación de Promptwatch también describe un estudio de abril de 2026 en el que 35 prompts de fondo de embudo corrieron durante 10 días en tres configuraciones: la interfaz de ChatGPT sacó a la luz 845 marcas únicas, la API sin búsqueda 135 y la API con búsqueda 580.

Etiqueta todo eso como estudio de proveedor. Promptwatch lo dice directamente: los estudios que cita provienen de proveedores que venden seguimiento basado en interfaz, así que lee las conclusiones con eso en mente. Que tres empresas converjan en la misma dirección sigue siendo evidencia, pero los números para citar son los de los experimentos controlados de arriba.

La superficie se mueve incluso cuando la fijas

Elige una superficie y mantenla fija, y aun así el objetivo se mueve. El modelo por defecto de los planes de pago de ChatGPT es GPT-6 Sol desde el 7 de octubre de 2026, y la app no muestra el nombre del modelo. Cloro mide con qué frecuencia seis motores anclan sus respuestas en la búsqueda en vivo (la tasa de grounding), con unos 2.500 prompts por motor, y vio la tasa de grounding de Gemini pasar de 41,1 % en julio de 2026 a 70,7 % en agosto, mientras ChatGPT pasaba de 98,4 % en julio a 97,6 % en octubre. El comportamiento de las respuestas es un parámetro móvil, no una constante.

La publicidad añade una segunda variable móvil, y solo existe en algunas superficies. OpenAI muestra anuncios etiquetados en las respuestas de ChatGPT desde el 9 de febrero de 2026, para adultos con sesión iniciada en los planes Free y Go en Estados Unidos. En el Google Marketing Live del 20 de mayo de 2026, Google anunció formatos publicitarios dentro de AI Mode, incluidas entradas patrocinadas en las respuestas en formato lista, en pruebas en Estados Unidos. La FAQ de Promptwatch lo deja claro para la medición: anuncios, fichas de compra, carruseles de imágenes y paneles locales solo existen en la interfaz, una respuesta de API no puede contenerlos. Eso corta en ambos sentidos. Un seguimiento basado en API no ve lo que los compradores del plan gratuito ven realmente. Un conteo basado en interfaz que no separe las entradas patrocinadas de las citas orgánicas infla la visibilidad ganada.

Cinco preguntas que hacer sobre cualquier puntaje de visibilidad

Antes de comparar dos puntajes, o de llevar un solo número a una reunión de presupuesto, pon primero la pregunta de la superficie. Si estás evaluando herramientas, que encabece la lista de preguntas para cada proveedor (comparamos las principales opciones para empresas devtool por separado).

Primera: ¿qué superficie se midió — web con sesión, web sin sesión o API — y la búsqueda web estaba forzada?

Segunda: ¿qué versión del modelo, en qué fechas? La primera pasada de API que Fischer descartó muestra lo rápido que esto sale mal.

Tercera: ¿cuántos prompts y cuántas pasadas por prompt? El suelo de ruido de Petra de 4,5 a 7,1 % dentro de una misma superficie significa que una muestra pequeña no distingue una ganancia real de cinco puntos del azar.

Cuarta: ¿las entradas patrocinadas se cuentan junto con las citas orgánicas o por separado?

Quinta: ¿qué pasa con las respuestas que no citan a ningún proveedor? Promptwatch puntúa cero las respuestas sin menciones y publica su método. No todos los proveedores lo hacen.

Aquí la calibración importa más que la perfección. Fischer encontró que para categorías de software y preguntas en inglés sobre mercados grandes, el seguimiento por API se queda lo bastante cerca del web como para revelar tendencias reales; para proveedores locales cae a una marca compartida de cada siete. Ajusta la superficie al lugar donde están tus compradores, mantenla fija y repite cada mes (el método manual lleva una tarde y ninguna herramienta). La razón de negocio del ejercicio no cambió: los compradores eligen entre las marcas citadas en la respuesta.

Dónde encajamos nosotros

Hacemos una versión más grande de esta prueba. CiteGap, el equipo detrás de este sitio, hace 30 preguntas de comprador a los motores que usan tus compradores, determina por qué tu producto no aparece y te entrega una lista de correcciones, como proyecto puntual; la vigilancia continua está disponible como suscripción mensual. Cada número que entregamos lleva su método encima: las preguntas, los motores, las fechas. Para una primera mirada sin coste, el escaneo gratuito revisa tu página de inicio al instante y muestra cada resultado en la página.

Obtener el diagnóstico escrito (490 $)

Preguntas frecuentes

¿Por qué ChatGPT da respuestas distintas en la web y por la API?

La app web ejecuta un prompt de sistema que OpenAI no publica, decide por sí misma si busca en la web y usa la ubicación, el historial de chat y los recuerdos guardados del usuario. La API no tiene ninguna de esas capas a menos que el desarrollador las añada, y muchas herramientas de seguimiento desactivan la búsqueda web para ahorrar. En una comparación con el mismo modelo sobre 29 preguntas, las respuestas web y de API de ChatGPT compartieron 28 % de sus marcas, mientras que dos respuestas web compartieron 54 %.

¿Qué tan precisos son los puntajes de visibilidad IA?

Precisos para la superficie específica medida, y nada más. Un experimento de 900 pruebas de Petra Labs encontró que la visibilidad de marca varía 1,5 a 3,6 veces más entre superficies de acceso (chat con sesión, chat sin sesión, API) que dentro de una misma superficie entre ejecuciones repetidas. Trata un puntaje como la medición de una franja de un motor en un conjunto de fechas, no la del motor entero.

¿Se pueden comparar los puntajes de visibilidad IA de dos herramientas distintas?

No directamente. Las herramientas recogen datos en superficies distintas, los puntúan con fórmulas distintas y cubren conjuntos de prompts distintos. Promptwatch reporta que los clientes ven de forma rutinaria brechas de 5 a 15 % entre herramientas para la misma marca. Pregunta a cada proveedor qué superficie, qué versiones de modelo y qué método de puntuación usa, y compara la dirección de tu propia tendencia en lugar de los valores decimales.

¿La API de ChatGPT devuelve los anuncios que ven los usuarios?

No. Anuncios, fichas de compra, carruseles de imágenes y paneles locales solo existen en la interfaz; una respuesta de API no puede contenerlos. ChatGPT muestra anuncios etiquetados a adultos con sesión en los planes Free y Go en Estados Unidos desde el 9 de febrero de 2026. Cualquier cifra de visibilidad debería decir si las entradas patrocinadas se contaron por separado de las menciones orgánicas.

¿Los motores IA cambian su comportamiento de respuesta con el tiempo?

Sí, en escalas de tiempo que importan para el seguimiento. Cloro midió la tasa de grounding de Gemini en 41,1 % en julio de 2026 y 70,7 % en agosto. El modelo por defecto de los planes de pago de ChatGPT pasó a GPT-6 Sol el 7 de octubre de 2026, sin que la app muestre el nombre del modelo. Repeticiones mensuales sobre una superficie fija son el mínimo para una tendencia fiable.

Fuentes

  • Petra Labs, experimento de superficies de acceso con 900 pruebas, 26 de febrero de 2026 (variaciones de marca de hasta 32,3 puntos porcentuales; solapamiento del top 5 de 25 % entre ChatGPT con sesión y la API; una marca con 15 a 18 % de visibilidad en chat y cero por API) : petralabs.com
  • Petra Labs, análisis de ruido por división a la mitad (RMSE dentro de superficie de 4,5 a 7,1 %, entre superficies de 10,8 a 16,1 %, efecto de superficie 1,5 a 3,6 veces el azar entre ejecuciones) : petralabs.com
  • Nikolai Fischer, comparación web contra API con el mismo modelo, 16 de octubre de 2026 (29 prompts, 318 respuestas; solapamiento de marcas 54 % web contra web, 28 % web contra API, 34 % API contra API en ChatGPT; 21 y 33 % en Claude) : nikofischer.com
  • Promptwatch, pruebas de seguimiento UI contra API, agosto de 2026 (25,6 % de fuentes compartidas entre interfaz y API sin búsqueda; 70 % de las fuentes de la interfaz ausentes de los resultados de API; brechas de 5 a 15 % entre herramientas; anuncios y fichas de compra solo en la interfaz) : promptwatch.com
  • Surfer, estudio de scraping contra API (solapamiento de marcas ChatGPT 24 %, solapamiento de fuentes 4 %; Perplexity unas 7 fuentes por API contra 10 en los resultados raspados) : surfer.ai
  • Cloro, tasa de grounding por motor, mediciones de julio, agosto y octubre de 2026 (Gemini 41,1 luego 70,7 luego 68,2 %; ChatGPT 98,4 % en julio, 97,6 % en octubre) : cloro.dev
  • ppc.io, cronología de ChatGPT Ads (despliegue en EE. UU. iniciado el 9 de febrero de 2026, para adultos con sesión en los planes Free y Go) : ppc.io
  • Search Engine Land, Google Marketing Live 2026 (anuncios Conversational Discovery y Highlighted Answers en AI Mode, en pruebas en EE. UU.; anunciado el 20 de mayo de 2026) : searchengineland.com