Un estudio sobre qué empresas recomiendan ChatGPT y Perplexity cuando alguien busca un proveedor local en España
Resumen
Se lanzaron 288 consultas comerciales a ChatGPT y Perplexity, del tipo que haría cualquier persona buscando una empresa: «¿qué empresas de reformas integrales hay en Zaragoza?», «necesito una asesoría fiscal en Sevilla, ¿cuáles me recomiendas?». Cinco ciudades, dos sectores, ocho formas distintas de preguntar. Se registraron 3.685 menciones a 1.191 negocios distintos.
Cuatro resultados:
1. Las 13 sociedades profesionales colegiadas de gestoría de Valencia incluidas en el estudio no aparecieron ni una sola vez en ChatGPT. Cero menciones en 24 consultas y 8 formulaciones distintas. Todas tienen web propia activa, indexable y sin bloqueo a los rastreadores de IA. Es el resultado más sólido del estudio: se repite con los dos modelos que se probaron.
2. Las grandes firmas copan las respuestas locales. Entre el 37,5 % y el 50 % de las consultas por una asesoría fiscal —según la ciudad— devuelven Deloitte, PwC, KPMG, Garrigues o EY. Un autónomo que pregunta por una gestoría de barrio recibe una multinacional. La magnitud de este resultado depende del modelo empleado (ver «Sensibilidad al modelo»).
3. Los dos motores son mercados separados, y además documentan de forma distinta. De los 331 negocios nombrados en Valencia, solo 30 aparecen en ambos. Y ChatGPT cita la web de la empresa que nombra en el 74,5 % de sus menciones, frente al 17,3 % de Perplexity. No existe «el ranking de la IA».
4. Una de cada tres consultas de reformas devuelve un portal. Entre el 29 % y el 42 % de las consultas incluyen Habitissimo, Idealista o Houzz entre las opciones.
La primera edición publicó un quinto resultado, sobre por qué el motor nombra a una empresa. Se retiró en la revisión 3 tras reverificarlo contra los datos originales; la explicación está más abajo.
¿Qué se midió, exactamente?
No se midieron los productos de consumo. chatgpt.com no es el modelo: es un sistema de recuperación construido encima. Este estudio usa las APIs oficiales con búsqueda web activada, que es lo más cercano y reproducible. Los resultados no son extrapolables sin más al chat que usa el público.
Modelos exactos empleados. Toda la recogida de datos se hizo con:
| Motor | Modelo |
|---|---|
| ChatGPT | gpt-5-mini-2025-08-07, API de OpenAI, herramienta de búsqueda web activada |
| Perplexity | sonar, API de Perplexity |
Las 288 consultas usaron los mismos modelos, así que todas las comparaciones internas —entre ciudades, entre estratos y entre motores— son homogéneas. La sección «Sensibilidad al modelo» detalla qué cambia al usar un modelo mayor.
Diseño. Cinco ciudades (Valencia, Madrid, Barcelona, Sevilla, Zaragoza), dos sectores (reformas integrales y asesoría fiscal y contable), hasta ocho plantillas de consulta y tres repeticiones por combinación, porque los motores no son deterministas. La ubicación se indicó en el texto de la consulta, no por parámetros de geolocalización de la API: solo uno de los motores los ofrece, y usarlos habría roto la comparabilidad.
Extracción abierta. De cada respuesta se extrajeron todas las entidades comerciales nombradas, estuvieran o no en ninguna lista previa, incluidos portales y agregadores. Eso permite medir a quién recomienda la IA sin condicionar el resultado.
Dos niveles de evidencia, que conviene no confundir:
| Valencia | Las otras cuatro ciudades | |
|---|---|---|
| Diseño | Muestra construida en dos estratos | Solo extracción abierta |
| Permite medir | Invisibilidad de empresas concretas | A quién recomienda la IA |
En Valencia se construyó una muestra de 43 empresas en dos estratos: A, las diez primeras por número de reseñas en Google Maps; B, un grupo de control tomado de registros públicos ajenos a Google (el registro de sociedades profesionales del Colegio de Gestores Administrativos y un listado derivado del Registro Mercantil). Todas las empresas de ambos estratos cumplen un requisito: web propia que responde.
Hallazgo 1 — Trece empresas que no existen para la IA
¿Puede una empresa con web propia activa ser invisible para la IA?
Las 13 sociedades profesionales del Colegio de Gestores Administrativos de Valencia incluidas en la muestra registraron cero apariciones en ChatGPT en las 24 consultas del sector. En Perplexity apareció una de las trece.
No es un problema de accesibilidad técnica. Se comprobó una a una: ninguna bloquea a los rastreadores de IA (GPTBot, PerplexityBot, Google-Extended), ninguna tiene la etiqueta noindex y todas responden correctamente. Ninguna de las barreras técnicas habituales explica el resultado.
Y no es cuestión de marcado técnico: la empresa más recomendada de todo el estudio en su sector no tiene ni una línea de datos estructurados, mientras que varias de las invisibles sí los tienen. Basta ese contraste para descartar que el marcado sea condición suficiente para aparecer. No se ha medido si influye en algún grado.
Matiz importante: estar en el top de Google Maps tampoco garantiza aparecer. Entre 4 y 6 de las 10 empresas del estrato A también resultaron invisibles según el motor. El escaparate de Google hace posible aparecer; no lo asegura.
Hallazgo 2 — Las grandes firmas, en todas las ciudades
¿A quién recomienda la IA cuando le pides una asesoría fiscal en tu ciudad?
Porcentaje de consultas por asesoría fiscal que devuelven al menos una gran firma:
Todas las cifras se calculan sobre 24 consultas por ciudad y las mismas cuatro plantillas, para que sean comparables entre sí.
| Ciudad | % |
|---|---|
| Valencia | 50,0 % |
| Madrid | 45,8 % |
| Barcelona | 45,8 % |
| Sevilla | 37,5 % |
| Zaragoza | 37,5 % |
En las cinco ciudades, entre cuatro y cinco de cada diez consultas por una asesoría fiscal local devuelven una multinacional.
El fenómeno no depende del tamaño de la ciudad: aparece en las cinco y ninguna baja del 37,5 %. Valencia registra el porcentaje más alto, pero con 24 consultas por ciudad las diferencias entre ellas son pequeñas y no se interpretan aquí como un orden.
En Valencia, donde además se comparó con una muestra local, la desproporción es medible: en el conjunto de las 48 consultas del sector, las grandes firmas aparecen en 18 y las trece gestorías colegiadas de la ciudad en 3. Seis veces más presencia para las multinacionales que para todo el tejido colegiado junto.
Resultado retirado en la revisión 3
La primera edición cruzaba las menciones de cada empresa con las fuentes citadas por el motor y concluía que las grandes firmas se nombran de memoria, mientras que las empresas locales solo aparecen si el motor acaba de leer su web.
La reverificación contra los datos originales lo desmiente. Cuando ChatGPT nombra a una gran firma, ha citado su web en el 82,3 % de las menciones (n=265). No se las nombra de memoria, así que el mecanismo que el hallazgo describía no existe en estos datos. Los porcentajes publicados tampoco se reproducen: la horquilla real de las grandes firmas va del 69,6 % al 88,7 %.
La comparación era inválida de origen. Las grandes firmas aparecen casi exclusivamente en ChatGPT (265 de 267 menciones) y la muestra local sobre todo en Perplexity (124 de 179). Como cada motor cita fuentes a un ritmo muy distinto, comparar ambos grupos mezclaba dos poblaciones que viven en motores diferentes. La diferencia que se atribuyó al tamaño de la empresa era una diferencia entre motores.
Esa asimetría entre motores sí es un resultado sólido, y se recoge en el resultado 3. El resto del estudio no depende de este hallazgo. Los datos brutos se conservan.
Hallazgo 3 — Cada motor, un mercado distinto
¿Recomiendan lo mismo ChatGPT y Perplexity?
Negocios distintos nombrados en 24 consultas por ciudad:
| Ciudad | ChatGPT | Perplexity | Ratio |
|---|---|---|---|
| Zaragoza | 215 | 80 | 2,7× |
| Valencia | 206 | 60 | 3,4× |
| Barcelona | 202 | 98 | 2,1× |
| Sevilla | 178 | 73 | 2,4× |
| Madrid | 176 | 90 | 2,0× |
Ambos nombran una cantidad parecida de empresas por respuesta (12 a 15). La diferencia está en cuánto se repiten: Perplexity vuelve una y otra vez sobre un grupo reducido; ChatGPT explora una cola mucho más larga.
En la práctica, en Perplexity la visibilidad se parece a un juego de suma cero: en Valencia, 60 negocios cubrieron las 24 consultas; en Sevilla, 73.
Y los dos mercados apenas se solapan. En Valencia se nombraron 331 negocios distintos entre ambos motores; solo 30 aparecieron en los dos.
Esa cifra usa las ocho plantillas de Valencia; la tabla y el gráfico de arriba usan las cuatro comunes a todas las ciudades, por eso los totales no coinciden. ChatGPT nombró 289 negocios distintos y Perplexity 72, con 30 en común: el 42 % de los de Perplexity y el 10 % de los de ChatGPT.
El solapamiento se mantiene entre el 9 % y el 10 % con tres definiciones distintas de identidad de empresa (nombre normalizado, núcleo distintivo y dominio citado).
La segunda asimetría: quién cita sus fuentes
La divergencia no está solo en a quién nombran, sino en cómo lo documentan.
| Motor | Menciones | Cita la web de la empresa |
|---|---|---|
| ChatGPT | 2.038 | 74,5 % |
| Perplexity | 1.647 | 17,3 % |
Perplexity deja 501 menciones (30 %) en estado indeterminado. Aun contándolas todas como citaciones, su techo sería el 47,7 %, todavía muy por debajo de ChatGPT: la diferencia se mantiene en el escenario más favorable para Perplexity.
La consecuencia práctica es que cualquier métrica construida sobre la citación de fuentes hay que calcularla por motor. Agregar motores en una sola cifra produce artefactos, y es exactamente lo que invalidó el hallazgo retirado.
Hallazgo 4 — Los portales entran en la respuesta
¿En cuántas consultas de reformas aparece un portal?
Porcentaje de consultas por reformas en cuyas respuestas aparece al menos un agregador (Habitissimo, Idealista, Houzz y similares):
| Ciudad | % |
|---|---|
| Madrid | 41,7 % |
| Barcelona | 37,5 % |
| Sevilla | 37,5 % |
| Zaragoza | 29,2 % |
La cifra cuenta consultas, no resultados: una respuesta con un agregador cuenta una vez, aunque mencione varios portales y también empresas que ejecutan la obra. La proporción de portales sobre el total de entidades nombradas es otra métrica distinta.
En Valencia, tres de los diez resultados más frecuentes del sector eran portales, no empresas.
¿Cuánto de esto depende del modelo elegido?
Durante la fase de calibración del estudio se ejecutó una tanda previa con un modelo distinto —gpt-5-2025-08-07, superior al empleado después— sobre el mismo segmento, las mismas cuatro plantillas y la misma muestra. Eso permite comprobar qué resultados dependen del modelo y cuáles no.
12 consultas por modelo y segmento:
gpt-5 | gpt-5-mini | |
|---|---|---|
| Consultas de asesoría con al menos una gran firma | 7 de 12 (58 %) | 12 de 12 (100 %) |
| Consultas con al menos una empresa del estrato A | 9 de 12 | 5 de 12 |
| Consultas con al menos una empresa del estrato B (asesorías) | 0 de 12 | 0 de 12 |
Dos conclusiones, de distinto peso:
El resultado principal es estable. Las trece gestorías colegiadas no aparecen con ninguno de los dos modelos. La invisibilidad del estrato B no es un efecto del modelo elegido.
La magnitud del sesgo hacia grandes firmas sí depende del modelo. El modelo menor las menciona bastante más que el mayor. Las cifras de este estudio corresponden a gpt-5-mini; un modelo superior probablemente daría porcentajes más bajos, aunque en la misma dirección.
Con 12 consultas por lado, esta comparación es preliminar: indica una dirección, no cuantifica el efecto con precisión. Se publica porque es información necesaria para interpretar el resto, no como resultado cerrado.
¿Qué limitaciones tiene este estudio?
Se enumeran porque cualquiera que quiera replicar el estudio debe conocerlas.
Gemini quedó fuera. Los límites del nivel gratuito de su API, con la fundamentación de búsqueda activada, impidieron completar la medición. Se ejecutaron 24 de 48 consultas previstas y se descartó completarlas en fecha posterior: mezclar mediciones separadas por días compararía momentos distintos del índice de búsqueda, no motores. Sin acceso de pago, este estudio no es reproducible con Gemini en una ventana temporal corta.
El modelo importa. Las cifras corresponden a gpt-5-mini. La sección anterior detalla qué cambia con un modelo mayor: el resultado principal se mantiene, la magnitud del sesgo hacia grandes firmas baja.
Dos sectores. Reformas y asesoría fiscal. Nada garantiza que el patrón se mantenga en restauración, salud o comercio.
El estrato B no es equivalente entre sectores. En asesorías es un censo del registro colegial; en reformas, una muestra aleatoria con semilla declarada sobre un listado derivado del Registro Mercantil. Son marcos distintos.
La muestra colegial es de 2020. Es la última versión pública del registro. Sesga hacia despachos veteranos, que previsiblemente acumulan más rastro digital que uno recién abierto: el sesgo empuja en contra de la conclusión, no a favor. La magnitud de ese efecto no se ha cuantificado.
El análisis de qué distingue a las empresas visibles es exploratorio. Se compararon cinco webs visibles con seis invisibles. Las visibles tienen más contenido, blog y sección de preguntas frecuentes. Con esos números es un patrón, no una demostración de causalidad.
Cifras oficiales de coste no disponibles: el sistema no registró el coste por llamada.
¿Cómo se hizo, y cómo replicarlo?
Todo el proceso está automatizado y es reproducible: una base de datos con la cola de consultas, flujos de trabajo que llaman a las APIs y guardan la respuesta completa de cada llamada como evidencia, y un extractor que convierte cada respuesta en entidades estructuradas.
Se conservan, por cada una de las 288 consultas: el texto exacto enviado, la respuesta íntegra, las fuentes citadas por el motor, las búsquedas que lanzó, el modelo utilizado y la marca temporal.
La metodología completa —criterios de muestreo, exclusiones, decisiones descartadas y sus motivos— está documentada aparte y disponible para quien quiera examinarla o repetir el estudio.
Para comprobar un caso concreto sin montar toda la infraestructura, existe una herramienta pública que ejecuta el mismo tipo de consulta sobre una empresa y devuelve si aparece: carlesdelolmo.com/laboratorio-visibilidad-ia. Es el mismo procedimiento que se ha aplicado aquí a 288 consultas, reducido a una.
Carles del Olmo es consultor de visibilidad en buscadores y motores generativos. Este estudio se realizó con recursos propios, sin financiación externa.