Nota de método: este artículo lee tres estudios de caso públicos y dos estudios sobre la estructura de las citas, todos enlazados abajo. Cuando la fuente es un proveedor o una agencia que vende servicios relacionados, lo decimos en el texto. Cada número se cita de la página enlazada.

Un comprador que antes escribía «best feature flag tools» en Google ahora se lo pregunta a un chatbot. La respuesta nombra tres o cuatro herramientas, y la página de diez enlaces azules nunca se abre. La encuesta de 2026 de G2 a 1,076 compradores de software B2B puso una cifra al cambio: 51% ahora empieza la investigación de producto con un chatbot de IA más a menudo que con Google. Un año antes era 29%.

Si tu herramienta está en esa respuesta, estás en la lista corta. Si no lo está, el comprador nunca se entera de ti, porque la mayoría nunca llega siquiera a una página de resultados. Este artículo repasa lo que dice el registro público sobre cómo entran de verdad las herramientas en esas respuestas, usando casos que publicaron números.

En qué se basan las respuestas de IA cuando nombran herramientas

Un estudio de 5.17 millones de enlaces citados por respuestas de IA en todas las industrias (Parse) encontró que para el software B2B, el sitio propio de un proveedor representa solo el 25-29% de sus citas. El contenido web general representa el 46-52%, y los foros comunitarios el 10-13%. Un análisis aparte de 57.2 millones de citas de Foundation y AirOps miró específicamente las categorías DevOps y encontró respuestas apoyadas en GitHub, Medium y dev.to.

El patrón es directo: tu web pulida es una minoría de la evidencia. Las herramientas que se nombran tienden a haber dejado rastros en superficies ajenas: en listas comparativas que otros escribieron, en hilos comunitarios, en tutoriales de plataformas en las que los motores ya confían.

Caso uno: Rootly, de 3% a 30%

Rootly trabajó con AthenaHQ, un proveedor de optimización para motores generativos, y publicó los resultados: una tasa de citas que creció de 3% a 30% en los motores que siguieron, un aumento de diez veces, con menciones en preguntas sin marca 2.5 veces arriba. El estudio de caso lo publica el propio proveedor, así que trata la magnitud con cuidado. Lo que muestra es la forma del trabajo: las ganancias vinieron de publicar evidencia citable, no de cambiar el producto.

Caso dos: Gumlet, 20% de los ingresos entrantes

Gumlet, una CDN de video e imagen, atribuye cerca del 20% de sus ingresos entrantes al descubrimiento por IA. La cifra viene de un estudio de caso de DerivateX, la agencia que ejecutó el programa. Cita al cofundador y CMO de Gumlet, Divyesh Patel, y combina una encuesta de onboarding (que situó la cuota en 25.96% para la semana del 12 de octubre de 2026) con datos de ingresos de GA4. Los estudios de caso de agencias halagan a sus autores por defecto. Este al menos muestra su camino de medición, y 20% de ingresos entrantes es el tipo de cifra con la que discute un CFO, así que la agencia tenía que poder defenderla.

Caso tres: la biblioteca de tutoriales de DigitalOcean

El caso más antiguo y más grande es anterior a las respuestas de IA por completo. DigitalOcean pagó a desarrolladores por escribir tutoriales de tareas (cómo configurar OAuth 2, cómo configurar un servidor) y alcanzó cerca de 6 millones de visitas mensuales con unos 1,400 tutoriales, con el 69% de sus clientes leyéndolos. Las cifras vienen de la charla de 2016 del cofundador Mitch Wainer en Heavybit. El mecanismo es exactamente lo que los estudios de citas actuales premian: los tutoriales responden a la tarea que el comprador intenta completar, el producto se queda en el pie de página, y las páginas se acumulan en un dominio en el que los motores han aprendido a confiar.

Lo que comparten los tres casos

  • Publican respuestas a las preguntas que los compradores hacen de verdad, en las palabras del propio comprador.
  • La evidencia vive en parte fuera de su propio dominio: comparaciones, comunidad, tutoriales de terceros.
  • Nada de ello es un archivo de configuración. Nuestra auditoría de 11 herramientas de gestión de incidentes encontró herramientas con configuraciones de llms.txt de manual que se quedaban en 0% de presencia. Las puertas abiertas son requisitos de entrada, no palancas.

Preguntas que tus compradores ya hacen

Ejemplos ilustrativos, redactados como los compradores redactan búsquedas de herramientas. Sustituye por tu propia categoría:

  • «Mejores herramientas open source de feature flags para un equipo pequeño»
  • «¿Cuál es una buena alternativa self-hosted a [producto comercial]?»
  • «Qué herramienta de monitoreo es más fácil de configurar para una app de Node.js?»

Corre tu lista contra ChatGPT, Perplexity y Gemini y anota si tu herramienta vuelve. Si prefieres que te lo hagan, el escaneo gratuito de CiteGap corre 5 preguntas en 1 motor. El diagnóstico escrito (490 $) cubre 30 preguntas reales de compradores en los tres motores y devuelve una lista de correcciones de nivel ingeniería. Para el playbook específico de devtools, ver Visibilidad IA para herramientas para desarrolladores.

Obtener el diagnóstico escrito (490 $)

Preguntas frecuentes

¿Cómo deciden los motores de IA qué devtools recomendar?

Componen las respuestas a partir de evidencia citable en vez de clasificar proveedores. Para el software B2B, el estudio de Parse encontró que el sitio propio de un proveedor aporta el 25-29% de sus citas, con el contenido web general en 46-52% y los foros comunitarios en 10-13%. No hay paso de registro: los motores repiten lo que se ha escrito donde ellos leen.

¿Se sostienen los números de los estudios de caso?

Con salvedades que declaramos en el texto. El aumento de citas de diez veces de Rootly lo reporta el vendor AthenaHQ, que vende el servicio. La cifra del 20% de Gumlet viene de la agencia que ejecutó el programa, pero muestra su camino de medición (encuesta más GA4). Las cifras de DigitalOcean son de primera mano pero datan de 2016. Trata las magnitudes como orientativas y los mecanismos como la conclusión.

¿Puede una herramienta pequeña sin equipo de contenidos hacer algo de esto?

Sí, en una forma más estrecha. Elige las diez preguntas que tus compradores hacen de verdad, publica páginas comparativas honestas que nombren a la competencia, y sé visiblemente útil en una o dos comunidades donde se discute tu categoría. Ese es el grupo mínimo de evidencia. Puedes ejecutar tú mismo las comprobaciones estructurales antes de escribir nada.

¿Cómo compruebo si la IA recomienda mi herramienta?

Corre las preguntas de comprador de tu categoría en ChatGPT, Perplexity y Gemini y anota qué herramientas vuelven. O usa el escaneo gratuito de CiteGap (5 preguntas, 1 motor) como primera lectura, y el diagnóstico escrito para la versión completa de 30 preguntas y tres motores.

Fuentes