Guía
¿Por qué ChatGPT da respuestas diferentes a cada persona?
Laurank es una empresa de AEO en español: ayudamos a que ChatGPT, Gemini, Perplexity y los AI Overviews de Google citen a tu marca, empezando por entender por qué hoy no lo hacen. Conoce a Laurank.
Puntos clave
- OpenAI documenta en su API una temperatura de muestreo: a valores altos la salida es más aleatoria y a valores bajos, más determinista. En las páginas que leímos, OpenAI y Google no publican qué valor usan las apps de ChatGPT y Gemini.
- La memoria y las instrucciones personalizadas son opcionales y dependen de la cuenta; OpenAI y Google las describen, pero en las páginas que leímos ninguno documenta cómo afectan la mención de marcas.
- ChatGPT muestra fuentes cuando usa la búsqueda web; si la respuesta no trae fuentes, esa respuesta no es una prueba de cómo te ve la web.
- El criterio de Laurank: varias formulaciones de la misma necesidad, varias repeticiones y una cuenta limpia, para buscar lo que se repite y no lo que salió una vez.
- Mide patrones (quién aparece casi siempre, qué fuentes se repiten), no posiciones fijas: la variación es una propiedad del sistema, no un error tuyo.
¿Por qué ChatGPT o Gemini dan respuestas distintas a cada persona?
ChatGPT y Gemini pueden responder distinto por cinco causas posibles: el azar del muestreo del modelo, la memoria y las instrucciones de cada cuenta, si se buscó o no en la web, la ubicación y el modelo elegido. Las tres primeras tienen respaldo en la documentación de los proveedores; la ubicación solo está documentada en la API de OpenAI y el modelo no lo vimos documentado como causa en las apps. Ninguna es un fallo: es cómo funcionan estos productos.
Para quien quiere saber si la IA recomienda a su empresa, esto cambia la pregunta. “¿Me menciona ChatGPT?” no tiene una respuesta única, porque no existe una sola respuesta de ChatGPT. Lo que sí se puede medir es con qué frecuencia y en qué condiciones aparece tu marca, y eso exige repetir las pruebas.
Este artículo describe las causas que los proveedores documentan, marca con claridad lo que no documentan en las páginas que leímos y cierra con un método de muestreo de preguntas. Cómo comprobar si te citan, paso a paso, está en cómo saber si la IA cita tu web.
| Causa | Estado | Qué la produce | Qué puedes controlar al probar |
|---|---|---|---|
| Azar del muestreo | Documentado en la API de OpenAI (temperatura) | El modelo elige entre continuaciones posibles | Nada en la app; repite la pregunta |
| Memoria e instrucciones | Documentado por OpenAI y Google | Datos de chats anteriores y preferencias guardadas | Probar con memoria desactivada o en una cuenta limpia |
| Búsqueda web activada o no | Documentado: ChatGPT muestra fuentes cuando usa la búsqueda | Si el sistema consulta la web en esa respuesta | Revisar si la respuesta trae fuentes |
| Ubicación | Posible, no documentado para la app (solo existe en la API de OpenAI) | Resultados refinados por geografía | Anotar desde qué país y ciudad pruebas |
| Modelo elegido | Posible, no documentado para la app | Un modelo distinto podría dar una salida distinta | Registrar el modelo en cada prueba |
¿Por qué la misma pregunta puede dar una respuesta distinta cada vez?
Porque un modelo de lenguaje no recupera una respuesta guardada: la genera, y en la generación hay un componente aleatorio que la documentación de la API de OpenAI llama temperatura. La referencia de la API describe la temperatura como la “sampling temperature” y explica que los valores más altos hacen la salida más aleatoria y los más bajos, más enfocada y determinista.
Esa documentación es de la API para desarrolladores, donde quien programa elige el valor. OpenAI también indica que, en general, se recomienda ajustar la temperatura o el parámetro top_p, pero no ambos. En las páginas que leímos, OpenAI y Google no publican qué valor usan las aplicaciones de consumo, como ChatGPT o la app de Gemini, así que no se puede afirmar un número ni que sean deterministas. Lo prudente es asumir que dos intentos idénticos pueden diferir.
La consecuencia práctica es sencilla: imagina, como ejemplo ilustrativo y con datos ficticios, que una respuesta nombra tres empresas y la siguiente, cuatro, una de ellas distinta. Que tu marca falte en un intento no demuestra que esté ausente, y que aparezca en uno no demuestra que esté asentada.
Edge case. Aunque la temperatura fuera baja, la memoria, la ubicación y el uso de búsqueda siguen cambiando lo que el modelo recibe, y en las páginas que leímos OpenAI no promete respuestas idénticas. Por eso la aleatoriedad es solo una de las causas.
¿Cómo influyen la memoria y la personalización de ChatGPT en lo que responde?
Si tienes activada la memoria, ChatGPT puede llevar contexto de chats anteriores a la respuesta actual, y tus instrucciones personalizadas también moldean el resultado. OpenAI lo describe así: “Memories let ChatGPT carry useful context from earlier chats into future work” (las memorias permiten que ChatGPT lleve contexto útil de chats anteriores a trabajos futuros). Esas memorias incluyen preferencias estables, flujos de trabajo recurrentes y otro contexto que de otro modo tendrías que repetir.
Hay tres cosas que OpenAI documenta en su página de personalización, consultada en octubre de 2026:
- Eliges qué funciones de personalización están activas y puedes cambiarlas en la configuración.
- Una personalidad cambia el estilo y el tono, no las capacidades.
- Las instrucciones personalizadas son preferencias que quieres que ChatGPT siga en todos los chats.
En las páginas que leímos, OpenAI no documenta si la memoria hace que ChatGPT mencione más o menos una marca determinada. Por eso no se puede decir que “ChatGPT te recomienda a ti porque ya has hablado de tu empresa” ni lo contrario; solo se puede decir que la memoria es una variable que no controlas en la cuenta de otra persona.
Un caso concreto para tu propio equipo: si el gerente de marketing ha preguntado muchas veces por su empresa en su cuenta, su ChatGPT puede estar condicionado por ese historial. Su resultado no es comparable con el de un cliente que nunca la ha mencionado. Para tus pruebas, usa una cuenta sin historial o desactiva la memoria, y anota cuál usaste.
¿Y en Gemini? ¿Cómo se personaliza?
Gemini se personaliza con tres fuentes que Google describe: la memoria de tus chats anteriores, el contenido de las apps de Google que conectes y las instrucciones que escribas. La página de ayuda de Google lo resume así: puedes obtener una experiencia personalizada basada en la memoria de tus chats pasados, en tu contenido y actividad en ciertas apps de Google conectadas, y en tus preferencias, como instrucciones sobre cómo quieres que responda.
Las condiciones importan para saber a quién le aplica. Google marca con “For now” (por ahora) algunas restricciones de región, así que pueden cambiar (consultado en octubre de 2026):
- Las funciones de personalización no están disponibles con una cuenta de trabajo, de centro educativo o supervisada; requieren una cuenta personal de Google.
- Para que Gemini recuerde datos específicos entre conversaciones, Google exige tener un plan de Google AI y la memoria activada, y indica que por ahora esa función solo está disponible en Estados Unidos.
- Añadir instrucciones para personalizar las respuestas está disponible para todos los usuarios.
- Conectar apps de Google para personalizar con tus datos (Personal Intelligence) se está lanzando de forma gradual, no está disponible en el Espacio Económico Europeo, Nigeria, Suiza ni el Reino Unido, y requiere ciertos ajustes de actividad activados.
Para una empresa de Latinoamérica esto significa que, hoy, la memoria de datos específicos de Gemini probablemente no sea la principal fuente de variación en la mayoría de los usuarios de la región, mientras que las instrucciones y los ajustes de cuenta sí pueden serlo. Es una inferencia nuestra a partir de la disponibilidad que Google indica, no un dato de uso, y Google puede cambiarla; revisa la página de ayuda antes de apoyarte en ella. En las páginas que leímos, Google tampoco documenta cómo esa personalización afecta la mención de marcas o negocios.
¿Influye la ubicación en las respuestas de la IA?
Sí puede influir cuando el sistema busca en la web, pero los proveedores solo documentan el mecanismo en sus APIs, no cuánto pesa en las apps. La guía de búsqueda web de la API de OpenAI explica que, “to refine search results based on geography”, el desarrollador puede indicar una ubicación aproximada con país, ciudad, región o zona horaria. Eso confirma que la geografía es una entrada posible de la herramienta de búsqueda de la API.
En las páginas que leímos no aparece cómo decide ChatGPT en su app la ubicación del usuario ni cuánto cambia con ella la lista de empresas, así que extrapolar desde la API sería una suposición. Para negocios locales (una clínica en Bogotá, un restaurante en Monterrey, una inmobiliaria en Lima) conviene, por prudencia, anotar desde dónde se prueba y medir desde la ciudad de tus clientes. Si trabajas con negocios locales en buscadores, hay más detalle en SEO local.
¿Cambia la respuesta según el modelo o si se activó la búsqueda web?
La búsqueda web sí está documentada como causa de variación y cambia qué fuentes pueden aparecer; el modelo elegido es una causa posible que las páginas que leímos no describen para las apps. Aun así, es razonable registrar el modelo en cada prueba para poder comparar: es una precaución nuestra, no un dato de OpenAI ni de Google.
La búsqueda es la variable más importante para una empresa. OpenAI indica que, en ChatGPT web, “search results and citations appear in the chat when ChatGPT uses web search” (los resultados y citas aparecen cuando ChatGPT usa la búsqueda web) y que los ajustes del espacio de trabajo pueden limitar si la búsqueda está disponible. En la API, la guía de OpenAI añade que, para que el modelo decida si busca, hay que usar la API de Responses con la herramienta de búsqueda web; con el endpoint de Chat Completions y el modelo de búsqueda, el modelo siempre consulta la web antes de responder.
Esto produce dos tipos de respuesta que no se pueden mezclar al medir:
- Con búsqueda: la respuesta trae fuentes que puedes abrir y comparar. Ahí tiene sentido preguntar si tu sitio aparece como fuente.
- Sin fuentes visibles: probablemente no hubo búsqueda y la respuesta salió de lo que el modelo ya sabe (es una inferencia nuestra). Ahí no puedes saber si tu sitio fue consultado.
Si tu prueba mezcla ambos tipos, parecerá que la IA “te menciona a veces”. Separa los resultados. En las páginas que leímos no está detallado cómo se decide cuándo se activa la búsqueda en las apps, así que no lo des por sabido. Para entender qué hace falta para aparecer en la parte con búsqueda, mira cómo aparecer en ChatGPT.
¿Pasa lo mismo con los AI Overviews y el Modo IA de Google?
Sí, en la Búsqueda de Google: la documentación de Google dice que AI Mode y AI Overviews pueden usar modelos y técnicas distintos y que, por eso, el conjunto de respuestas y enlaces que muestran variará entre ambos. La documentación de Google Search Central para sitios web añade que ambas funciones pueden usar una técnica de “query fan-out”, es decir, lanzar varias búsquedas relacionadas sobre subtemas y fuentes de datos para construir la respuesta.
Otro dato de la misma página: los AI Overviews solo se muestran cuando los sistemas de Google determinan que aportan algo respecto de la búsqueda clásica, y por eso a menudo no se activan. Que no veas un AI Overview para una consulta no significa por sí solo que tu sitio esté mal: Google indica que a menudo no se activan. Más detalle de qué son y de dónde sacan fuentes en AI Overviews: qué son.
Esta sección habla solo de la búsqueda de Google. Lo que Google documenta sobre su Búsqueda no se puede atribuir a ChatGPT, Gemini en su app ni Perplexity, y cada uno publica su propia documentación.
¿Qué documenta cada proveedor y qué es inferencia?
Lo documentado es la existencia de la temperatura (API de OpenAI), de la memoria y las instrucciones, de las fuentes visibles cuando hay búsqueda y de la variación entre funciones de Google; casi todo lo demás es inferencia. Todas las páginas se consultaron el 23 de octubre de 2026 y pueden cambiar.
| Tema | Lo que dice la página leída | Lo que es inferencia o no vimos documentado |
|---|---|---|
| Azar (OpenAI, referencia de la API) | Describe la “sampling temperature”: valores altos, salida más aleatoria | El valor que usan las apps de ChatGPT y Gemini |
| Memoria y personalización de ChatGPT (OpenAI) | Las memorias llevan contexto de chats anteriores; tú eliges qué funciones activar | Si la memoria cambia qué marcas se mencionan |
| Personalización de Gemini (Google) | Memoria, apps conectadas e instrucciones, con requisitos de cuenta y de país | Su efecto sobre la mención de marcas |
| Ubicación (OpenAI, guía de búsqueda web de la API) | El desarrollador puede indicar una ubicación aproximada | Su uso y peso en las apps |
| Búsqueda web (OpenAI) | En ChatGPT web aparecen resultados y citas cuando usa la búsqueda; en Chat Completions con el modelo de búsqueda siempre consulta la web | Cuándo se activa en las apps; que una respuesta sin fuentes no tuvo búsqueda |
| AI Overviews y AI Mode (Google) | Pueden usar modelos y técnicas distintos; los AI Overviews a menudo no se activan | Cómo se eligen las fuentes o marcas |
| Modelo elegido (ChatGPT y Gemini) | No lo vimos descrito como causa de variación en las páginas leídas | Que un modelo distinto cambie la mención de marcas |
¿Una sola prueba basta para saber si me recomiendan?
No: una sola respuesta es una muestra de una distribución, y ni su presencia ni su ausencia permiten concluir nada sobre tu marca. Dado el componente aleatorio que OpenAI documenta en su API y la posibilidad de que haya o no búsqueda, es razonable esperar (inferencia nuestra) que incluso una misma cuenta vea respuestas distintas entre un intento y otro, y que cuentas con distinta memoria difieran más.
Lo que sí es informativo es lo que se repite. Cinco lecturas orientan; la tabla es criterio de Laurank, no un estándar de OpenAI ni de Google:
| Si observas… | Interpretación prudente (criterio de Laurank) | Qué hacer |
|---|---|---|
| Tu marca aparece en casi todas las repeticiones de varias formulaciones | Señal de patrón | Documéntalo y vigila cambios |
| Tu marca aparece en una repetición aislada | Probablemente ruido | No lo cuentes como visibilidad |
| Tu marca nunca aparece, con búsqueda activada y con fuentes visibles | Señal más fiable de ausencia, según nuestro criterio | Mira qué fuentes se citan y revisa por qué la IA recomienda a tu competencia |
| Tu marca nunca aparece, pero las respuestas no traen fuentes | No es concluyente | Repite con preguntas que activen la búsqueda |
| Aparece pero con datos incorrectos | Problema distinto: el contenido | Sigue qué hacer si ChatGPT dice cosas falsas de tu empresa |
¿Cómo muestrear preguntas para medir si te recomiendan sin engañarte?
Usa varias formulaciones de la misma necesidad de tus clientes, repítelas en momentos distintos, fija las condiciones de cuenta y registra lo que se repite. Este es el criterio de Laurank; no es un método documentado por OpenAI ni Google, y no promete un resultado.
- Parte de preguntas reales. Usa las que hacen tus clientes, no las que te gustaría que hicieran. Cómo descubrirlas está en qué preguntan tus clientes a ChatGPT.
- Escribe varias versiones de la misma necesidad. Cambia palabras, tono y nivel de detalle, porque las personas no preguntan igual. Una versión corta, una con contexto de ciudad y una con presupuesto, por ejemplo.
- Fija las condiciones. Misma cuenta sin historial o con memoria desactivada, mismo país o ciudad, y anota el producto, el modelo y la fecha.
- Repite cada pregunta en días distintos. El azar del muestreo se ve cuando no es el mismo intento.
- Separa las respuestas con fuentes de las que no las traen. Analízalas por separado, como se explicó arriba.
- Registra tres cosas por respuesta: qué marcas aparecen, qué URLs se citan y si apareció la tuya. Una hoja de cálculo es suficiente.
- Busca lo que se repite. Las marcas y fuentes que salen en muchas respuestas son el patrón; las que salen una vez, ruido.
- Repite el muestreo cuando cambies algo en el sitio, con las mismas preguntas, para comparar contra tu punto de partida y no contra tu recuerdo.
Ejemplo ilustrativo (datos ficticios). Una clínica dental de Medellín define cuatro preguntas de pacientes y tres versiones de cada una. Cada versión se repite en dos días distintos y se obtiene un registro de respuestas por cada intento. En la hoja anota, por respuesta, si trajo fuentes y qué clínicas nombró. Si la clínica aparece en la mayoría de las respuestas con fuentes de una de las preguntas y en ninguna de las otras, lo útil no es el porcentaje, sino que hay una pregunta donde compite y tres donde no. Eso orienta el trabajo sobre qué contenido falta.
¿Qué errores comunes llevan a conclusiones equivocadas?
Los errores más frecuentes son sacar conclusiones de una sola captura, probar siempre desde tu cuenta, mezclar respuestas con y sin búsqueda y comparar contra tu memoria en lugar de contra un registro. Cada uno nace de alguna de las causas anteriores.
- Probar solo desde tu cuenta de trabajo. Tu historial y tus instrucciones moldean la respuesta; la de tu cliente es otra.
- Preguntar con el nombre de tu empresa. Con el nombre en la pregunta, el resultado probablemente no se parece al de un cliente que aún no te conoce (inferencia nuestra, no un dato de los proveedores). Pregunta por la necesidad, no por la marca.
- Contar una aparición como victoria. Si salió una vez, pudo ser azar.
- Tratar las respuestas sin fuentes como prueba sobre tu sitio. Sin fuentes visibles no puedes saber si tu web se consultó, así que no la uses como prueba (criterio de Laurank).
- Culpar al contenido de lo que fue variación. Cambiar la web por una respuesta aislada es perseguir el ruido.
- Atribuir a un asistente lo que otro documenta. Lo que Google dice de su Búsqueda no describe a ChatGPT.
- Decir que ChatGPT “elige” marcas por una razón concreta. En las páginas que leímos, ni OpenAI ni Google documentan cómo seleccionan las marcas que mencionan; cualquier explicación detallada es una hipótesis.
¿Cuándo no aplica todo esto?
Esta variación afecta sobre todo a preguntas abiertas de recomendación; no aplica del mismo modo a datos puntuales y verificables. Si preguntas por un dato estable (qué hace tu empresa, dónde está), lo habitual es que las respuestas se parezcan más entre sí, aunque en las páginas que leímos ningún proveedor garantiza que sean idénticas.
Tampoco aplica igual si la medición se hace por API con parámetros fijos y registrados, porque ahí controlas la temperatura y la ubicación. Eso reduce parte de la variación, pero no representa lo que ve una persona en la app con su memoria y su ubicación. Para decisiones de negocio, conviene combinar ambas lecturas y decir cuál usaste.
Si lo que te preocupa es que una respuesta contenga datos incorrectos sobre tu empresa, no es un problema de variación: ve a qué hacer si ChatGPT dice cosas falsas de tu empresa.
¿Cómo puede ayudarte Laurank con la medición?
Laurank hace rastreo de la competencia con IA y medición de citas: puede ayudarte a ver a quién cita la IA en lugar de tu marca y a medir si te citan, en el servicio de arreglo, competencia y medición de citas. Depende de tu sector y de tu competencia, y no prometemos posiciones ni citas.
Si quieres empezar, escríbenos por WhatsApp al +1 415 202 4369 con el nombre de tu marca y tu sector. Si primero quieres entender por qué no te mencionan, el punto de partida es el diagnóstico.
Preguntas frecuentes
¿Por qué ChatGPT me da una respuesta distinta si repito la misma pregunta?
Los modelos de lenguaje generan el texto eligiendo entre posibles continuaciones y la API de OpenAI documenta un parámetro de temperatura que controla cuánta aleatoriedad hay. Además, la memoria y el uso de búsqueda web pueden cambiar entre un intento y otro; el modelo elegido y la ubicación son otras causas posibles que las páginas que leímos no documentan para las apps.
¿ChatGPT recuerda mis conversaciones anteriores?
Solo si tienes activadas las funciones de memoria. OpenAI describe las memorias como contexto útil de chats anteriores que ChatGPT lleva a trabajos futuros, y dice que se controlan desde Configuración > Personalización. Si las desactivas, esa fuente de variación desaparece.
¿Gemini también personaliza las respuestas?
Sí, con tres fuentes que Google describe: la memoria de chats anteriores, las apps de Google que conectes y tus instrucciones. Según la página de ayuda de Google consultada en octubre de 2026, recordar datos específicos solo estaba disponible en Estados Unidos, mientras que añadir instrucciones está abierto a todos los usuarios.
¿Cómo pruebo si ChatGPT me recomienda si cada respuesta cambia?
Haz varias preguntas distintas sobre la misma necesidad de tus clientes, repítelas en momentos diferentes y anota qué marcas y fuentes aparecen. Según el criterio de Laurank, si tu marca aparece en la mayoría es un patrón; si aparece una vez entre muchas, probablemente es ruido.
¿Que la respuesta cambie significa que ChatGPT se equivoca?
No necesariamente. La variación entre respuestas es una característica del muestreo y de la personalización, no una prueba de error. Las respuestas con datos falsos sobre tu empresa son otro problema, que se trata aparte.
Fuentes
- OpenAI — API reference: Create a model response (temperature, top_p)
- OpenAI — Web search (guía de la API)
- OpenAI — Web search in ChatGPT
- OpenAI — Personalize ChatGPT
- Ayuda de Gemini Apps — Manage what Gemini remembers about you and customize responses
- Ayuda de Gemini Apps — Connect your Google apps to personalize your Gemini experience
- Google Search Central — AI features and your website
¿Quieres que la IA cite a tu marca?
Cuéntanos tu caso por WhatsApp y te decimos por dónde empezar.
Escríbenos por WhatsAppArtículos relacionados
¿Cómo saber si ChatGPT cita mi web o si me cita otra IA?
Para saber si ChatGPT, Gemini o Perplexity citan tu sitio, hazles a mano las preguntas reales de tus clientes, repítelas varias veces y anota en una tabla si te mencionan y a quién citan. Analytics y Search Console solo ven las citas que generan un clic, así que son una señal parcial, no la prueba.
¿Qué es el share of voice en IA y cómo se mide?
El share of voice en IA es el porcentaje de respuestas de un asistente, sobre un conjunto fijo de preguntas, en que aparece tu marca frente a la competencia. Se calcula dividiendo las respuestas que te mencionan entre el total y multiplicando por cien. Con pocas respuestas es un dato inestable.
¿Qué herramientas miden la visibilidad en IA de una marca?
Ahrefs Brand Radar, Semrush (AI Visibility Toolkit), Peec AI y Profound miden la visibilidad en IA ejecutando preguntas en asistentes como ChatGPT, Gemini y AI Overviews, y contando cuántas veces aparece tu marca. Difieren en plataformas, límite de preguntas y precio publicado; la página de Peec AI no mostró un precio legible. Ninguna ve las conversaciones reales de los usuarios.