Capítulo II — Evidencia

El límite de una afirmación

La evidencia no amplía una afirmación: la limita. Ver una respuesta no equivale a conocer un comportamiento. Una captura de pantalla registra un momento, no la conducta general del sistema. Una marca puede aparecer en una respuesta; un texto puede citarse como fuente; una empresa puede ser recomendada; un cliente puede decir que la inteligencia artificial influyó en su decisión. Todos son hechos observados. Ninguno constituye por sí solo un dictamen general.

«Aparecimos», «nos recomendaron», «superamos a nuestros competidores» y «el GEO aumentó nuestras ventas» no tienen el mismo peso. Cada frase añade una conclusión a la anterior y cada nueva conclusión exige un campo de evidencia más amplio y mejor cualificado. Una sola respuesta de un modelo solo puede demostrar que esa respuesta se produjo. La declaración de un cliente puede mostrar que la IA intervino en su decisión, no que el sistema generó por sí solo la venta. Un aumento del tráfico puede mostrar que hubo más visitas durante un periodo, no que una intervención concreta causara ese aumento.

Una afirmación solo puede avanzar hasta donde llegue la evidencia que la sostiene.

1. La evidencia no es un adorno, sino una relación de carga

Ningún registro es fuerte por sí mismo. Su fuerza depende de la frase que se le pide sostener. Una única captura que conserve fecha, consulta y respuesta completa puede sostener: «Este sistema utilizó el nombre de la marca en la respuesta que dio a esta consulta en esta fecha». El mismo registro no puede sostener: «Los sistemas de inteligencia artificial generativa recomiendan firmemente nuestra marca». La observación no ha cambiado; la afirmación ha crecido.

Para producir un dictamen inválido a partir de una observación real no hace falta alterar los datos: basta con borrar su límite. Por eso, la disciplina de la evidencia juzga primero la frase y después los datos. «Apareció nuestro nombre» es una observación; «fuimos descritos correctamente» se refiere a la representación; «fuimos recomendados con más frecuencia que los competidores seleccionados» es una comparación; «el cambio se debió a nuestra intervención» afirma causalidad; «esta representación nos trajo clientes rentables» afirma un efecto comercial. Un mismo registro no puede sostener todas esas frases.

Si la evidencia no soporta la carga, se reduce la frase. La incertidumbre no se oculta y el vacío no se cubre con lenguaje de éxito. Una afirmación que no se ajusta a la evidencia no se maquilla: se rechaza.

Esta posición no es una cautela obsesiva. Las primeras investigaciones sobre sistemas generativos de búsqueda mostraron que incluir fuentes en una respuesta no garantiza que esas fuentes respalden todas sus afirmaciones.[2] La propia documentación de un proveedor destacado reconoce que las respuestas generativas pueden producir información falsa, citas inventadas o una seguridad excesiva.[6] Los resultados de una investigación sobre sistemas concretos en un momento determinado no pueden generalizarse a todos los productos actuales. La distinción que revelan, sin embargo, permanece: la existencia de una cita y la suficiencia del respaldo no son lo mismo.

2. Tres campos de evidencia

En GEO se habla de tres realidades distintas: el mundo real, la representación generativa y el resultado comercial. Pueden relacionarse, pero no sustituirse.

2.1. Evidencia del mundo real

La evidencia del mundo real sostiene la verdad básica sobre una persona o una empresa. ¿Posee realmente ese certificado? ¿El hotel se dirige en verdad solo a adultos? ¿El producto ofrece el atributo indicado? ¿Puede la empresa prestar servicio en las zonas que afirma cubrir? Las respuestas no se obtienen del sistema generativo. El sistema puede repetir una afirmación; repetir no es verificar.

La naturaleza de esta evidencia depende de la afirmación. Pueden sostenerla registros de autoridades competentes, certificados vigentes, contratos, datos de rendimiento auditables, registros corporativos oficiales y publicaciones independientes fiables. La página de la propia empresa también es un registro, pero no convierte su declaración de superioridad en un hecho independiente. Deben evaluarse por separado la independencia, vigencia y alcance de la fuente, así como su relación directa con la afirmación.

2.2. Evidencia de representación

La evidencia de representación muestra qué produjo el sistema bajo condiciones concretas: qué sistema e interfaz, qué consulta, en qué fecha, en qué idioma, bajo qué condiciones de sesión, cuál fue la respuesta completa y qué fuentes se mostraron. No muestra cómo es el mundo, sino cómo lo reconstruyó el sistema.

Que una empresa posea un certificado no demuestra que el sistema lo conozca correctamente. Que exista una página oficial de servicios no demuestra que el sistema vincule la empresa con ese servicio. La información correcta puede estar publicada y la representación seguir siendo errónea. Sin comparar la evidencia del mundo real con la evidencia de representación, no puede juzgarse la integridad de la representación.

2.3. Evidencia de resultados

La evidencia de resultados sigue el rastro de la representación en el usuario y en la empresa. ¿Vio el usuario la respuesta? ¿Influyó en su decisión? ¿Contactó con la empresa? ¿La consulta estaba cualificada? ¿Se produjo una venta? ¿La prestación fue rentable y satisfactoria? ¿Se repitió la relación? Cada escalón requiere un registro propio.

Una factura demuestra que hubo una operación, no que la IA creara la venta. «Los vi en ChatGPT» es una señal de influencia, pero no elimina los demás puntos de contacto. Un registro de referencia puede mostrar un movimiento de tráfico, no todo el recorrido de decisión. La evidencia de resultados suele establecer una relación parcial entre acontecimientos. Una relación parcial no es causalidad completa.

Tabla 2.1 — Función y límite de los tres campos de evidencia

Un documento correcto utilizado en el campo de evidencia equivocado produce un dictamen inválido.

3. De la señal a la afirmación

«Tenemos datos» no revela su estatus. El Framework distingue cinco etapas: señal, observación, anécdota, evidencia y afirmación.

Una señal es un rastro que merece investigación: la marca aparece en una respuesta, aumenta el tráfico, un cliente menciona un sistema de IA o un competidor no aparece en determinadas respuestas. La señal plantea una pregunta; no emite un dictamen.

Una observación es una señal cuyo contexto ha quedado registrado. Se conocen el sistema, la consulta, la fecha, el idioma, el resultado completo y el observador. Muestra qué ocurrió, no el comportamiento general.

Una anécdota convierte un hecho singular en una historia más amplia que sus límites. El hecho puede ser real y la generalización seguir siendo insuficiente. Que un cliente mencione la IA no permite afirmar «la IA nos trae clientes»; una recomendación en una respuesta no permite afirmar «el sistema nos recomienda». Una anécdota no tiene por qué ser falsa; es insuficiente para convertirse en regla de comportamiento.

La evidencia es un conjunto de registros organizado para sostener una afirmación definida. Su materia prima está disponible, conserva su contexto, incluye comparaciones, mantiene los resultados contrarios y declara sus límites. La evidencia no elimina la incertidumbre: muestra dónde empieza.

Una afirmación es la frase precisa y comprobable que la evidencia debe sostener. «El GEO funciona» puede ser un eslogan, pero no una afirmación comprobable. «En el conjunto definido de treinta consultas, la representación correcta de atributos aumentó entre estos dos periodos de medición» hace visibles el universo, la comparación y el límite.

4. Mención, cita como fuente y recomendación

Estas tres observaciones suelen presentarse como peldaños de una única escalera de éxito. No son el mismo hecho ni poseen el mismo peso probatorio.

Una mención se produce cuando el nombre de la entidad aparece en la respuesta. El sistema puede mencionarla en un contexto correcto o erróneo, confundirla con otra entidad o utilizarla como ejemplo crítico. Que aparezca el nombre demuestra presencia lingüística, no comprensión.

Una cita como fuente se produce cuando el sistema relaciona un texto concreto con su respuesta. La relación exige dos comprobaciones. La comprobación de atribución examina con qué afirmación se vincula la fuente; la de respaldo, si la fuente sostiene realmente esa afirmación. Una fuente puede ser correcta y no respaldar la frase; puede pertenecer a otra entidad, estar desactualizada o tener un alcance más estrecho. Ser citado no equivale a estar respaldado por la fuente.

Una recomendación se produce cuando el sistema presenta a la entidad como adecuada para el usuario entre varias opciones. Está cerca del resultado comercial, pero no es el resultado comercial. Nació dentro de esa consulta, sistema, idioma, momento y conjunto de alternativas. La recomendación influye en una decisión; no demuestra una compra.

El límite entre etapas es claro: la mención no demuestra por sí sola una representación correcta; la representación correcta no demuestra recomendación; la recomendación no demuestra contacto; el contacto no demuestra venta; la venta no demuestra rentabilidad; la rentabilidad no demuestra sostenibilidad.

5. Cinco condiciones de la evidencia

Para que una observación sostenga una afirmación pública deben evaluarse conjuntamente cinco condiciones.

5.1. Contexto

En cada observación se registran sistema y forma de acceso, fecha y hora, consulta completa, idioma, resultado completo, fuentes mostradas y observador. Si se conocen, se añaden las condiciones que pueden influir materialmente en el resultado: tipo de cuenta, conversación nueva o continuada, estado de memoria o búsqueda. Sin conocer el sistema, el registro no es comparable; sin conocer la consulta, no puede volver a probarse; sin fecha, no puede seguirse el cambio. Un resultado sin contexto no es evidencia, sino recuerdo.

5.2. Trazabilidad

La evidencia debe permitir una revisión independiente. Se conservan la consulta y el resultado completos; se registran los enlaces de las fuentes, la fecha de acceso y, cuando corresponda, una copia archivada; se separan los datos brutos de la interpretación humana; el ejemplo sintético no se presenta como observación real. Una captura recortada suele mostrar solo el fragmento elegido por quien narra. Un registro no rastreable no puede auditarse; un registro no auditable no puede sostener una afirmación pública de gran impacto.

5.3. Reproducibilidad conductual

En sistemas generativos, reproducibilidad no significa ver siempre las mismas palabras. Significa que el mismo comportamiento representacional vuelve a producirse en condiciones semejantes. La frase puede cambiar y conservar la categoría equivocada; las palabras pueden variar y volver a omitir el mismo límite material. Un registro aislado es un hecho. Las repeticiones controladas y definidas de antemano pueden formar un patrón de comportamiento con un alcance declarado. No se busca la misma frase, sino el mismo comportamiento de representación.

5.4. Comparación y contraevidencia

Una prueba que solo busca resultados favorables no produce validación, sino selección. La marca debe compararse con alternativas pertinentes bajo las mismas condiciones. El conjunto de prueba debe contener, además, consultas neutrales que no nombren la marca, consultas de contraste en las que pueda ser más adecuado un competidor u otra categoría y consultas de exclusión en las que la marca no deba aparecer. Si un resultado contrario reduce la afirmación, no es una debilidad del método: es la disciplina de la evidencia en funcionamiento.

5.5. Límite

Todo registro debe responder expresamente: «¿Qué no demuestra esta observación?». El comportamiento en un sistema no demuestra el de otros; un resultado en un idioma no demuestra el de otros idiomas; una semana de observación no demuestra permanencia; una recomendación no demuestra adquisición de clientes; la declaración de un cliente no demuestra causalidad completa; una venta no demuestra sostenibilidad. Un registro que no dice qué no demuestra tampoco sabe con suficiente precisión qué demuestra.

6. Umbrales de afirmación

Cuanto más amplia es la afirmación, más alto es el umbral de evidencia. El Framework utiliza cinco:

1. Afirmación de observación: «Este sistema utilizó el nombre de la marca en esta consulta y fecha». Pueden bastar la consulta completa, la fecha y el resultado bruto.
2. Afirmación de patrón de comportamiento: «En el conjunto definido de consultas, la marca fue representada principalmente en la categoría correcta». Requiere un conjunto controlado, repeticiones, periodo, criterio de codificación y registros de desviación.
3. Afirmación comparativa: «En el mismo conjunto de prueba, la marca apareció con atributos correctos con mayor frecuencia que las alternativas definidas». Todas las partes deben pasar por el mismo sistema, periodo, consultas y protocolo de evaluación.
4. Afirmación de intervención o causalidad: «La intervención contribuyó al cambio». Requiere registros antes-después, diario de intervención, ventana de observación suficiente y explicaciones alternativas. Que algo ocurra después no significa que ocurra por ello.
5. Afirmación de efecto comercial: «El descubrimiento mediado por IA se relacionó con consultas cualificadas y ventas durante el periodo definido». Deben examinarse conjuntamente la declaración o referencia del cliente, la coincidencia en CRM, la calidad de la consulta, la venta, la rentabilidad y otros canales de contacto.

Estos umbrales no forman una escala de puntos. Un umbral superior no significa que el trabajo sea «mejor», sino que una frase más amplia soporta una carga mayor. Si la evidencia solo alcanza el primer umbral, el dictamen correcto consiste en detenerse allí.

7. Cuatro campos de contraevidencia

Un universo de prueba sólido contiene cuatro campos a la vez. El campo favorable reúne consultas en las que cabe esperar que la entidad aparezca correctamente; el campo neutral examina el descubrimiento por necesidad y categoría sin nombrar la marca; el campo de contraste contiene condiciones en las que otra opción puede ser más adecuada; el campo de exclusión reúne contextos en los que la entidad no debe aparecer.

El campo de exclusión es especialmente importante. Aparecer en todas partes no es éxito: aparecer en contextos irrelevantes es desbordamiento representacional. El Framework mide no solo cuándo se elige a una entidad, sino también cuándo se retira. Un trabajo que no busca contraevidencia no prueba la realidad; se confirma a sí mismo.

8. Caso didáctico: Aurelis Packaging

Simulación didáctica — datos sintéticos. Este caso no representa una empresa, una página fuente ni una respuesta real de un sistema.

Aurelis Packaging es una empresa ficticia que fabrica envases industriales. Una respuesta generativa la describe como «fabricante que utiliza materiales cien por cien reciclados, neutro en carbono y líder del sector» y cita como fuente su página de sostenibilidad.

Tabla 2.2 — Comprobación sintética del respaldo de Aurelis Packaging

La cita es real; la fuente no sostiene la mayor parte del dictamen. El problema no reside solo en la ampliación del sistema. Si la empresa repite esa narrativa favorable en su campaña, utilizará el resultado generativo en lugar de evidencia del mundo real. El Framework no aprueba la afirmación porque exista una fuente: devuelve cada frase al límite que la fuente puede sostener.

La formulación más fuerte publicable en este caso es: «Aurelis Packaging declara que desarrolla en dos plantas un piloto con un 40 por ciento de material reciclado en una línea de producto determinada». Las afirmaciones de neutralidad de carbono y liderazgo se rechazan porque no existe evidencia independiente con un alcance adecuado.

9. La decisión de la evidencia

Cada afirmación material se vincula, mediante un Registro de Evidencia detallado en el Anexo C, con una de cuatro decisiones: rechazada, requiere más observación, solo puede utilizarse como hipótesis interna o puede publicarse con una formulación limitada. El registro no se cumplimenta para aprobar la afirmación, sino para decidir si puede permitirse.

El lenguaje es parte inseparable de la decisión. En lugar de «La IA nos considera líderes», se dice: «En las tres consultas definidas, el sistema describió la marca como líder; no se encontró respaldo independiente». En lugar de «Las ventas aumentaron gracias al GEO», se dice: «Después de la intervención se observó un aumento de ventas; no se estableció causalidad». El lenguaje limitado puede parecer menos llamativo, pero soporta más peso.

No hace falta desechar un registro que no alcanza el grado de evidencia. Un resultado singular, una captura recortada, una puntuación inexplicada, un aumento del tráfico o la declaración de un cliente pueden ser señales que inicien una investigación. Lo que no debe hacerse es imponerles una carga que no pueden sostener.

La disposición de este capítulo es la siguiente:

Sin evidencia no hay afirmación. Con evidencia débil solo hay una afirmación estrecha. Una afirmación fuerte solo puede construirse con evidencia fuerte, rastreable y cuyos límites estén declarados.

El Centro definió qué se representa; la Evidencia limitó qué puede decirse sobre esa representación. Ahora debe determinarse bajo qué condiciones, con qué unidad y frente a qué comparación se registrarán las observaciones capaces de soportar esa carga.