Por qué ChatGPT no tiene nada que decir de tu empresa

En Sell with Marketing auditamos en vivo los sitios web de 112 marcas industriales mexicanas para medir su preparación frente a un cambio que ya está en curso. En nuestro propio trabajo con clientes B2B (los que le venden a otras empresas, no al consumidor final) lo vemos cada vez más seguido: compradores que llegan a la primera llamada después de haberle preguntado a ChatGPT, Perplexity o Claude quién puede hacer lo que necesitan, antes de cualquier contacto humano, incluidos los que buscan proveedores para mover cadenas de suministro a México en el marco del nearshoring.

La disciplina que mide esa preparación se llama AEO, Answer Engine Optimization: optimización para motores de respuesta de inteligencia artificial. Esto es lo que encontramos, con metodología pública y reproducible. No encontramos un estudio público equivalente para el mercado mexicano; si existe, dínoslo y lo citamos.

Resumen ejecutivo

• Auditamos 112 marcas industriales mexicanas de 12 sectores. 93 respondieron con éxito y son la base de todos los porcentajes de este estudio, salvo donde se indica otra cosa.
• 8.6% (de 93) tiene una estructura (la forma en que está organizado el texto de la página) que una inteligencia artificial pueda extraer y citar directamente.
• 30.1% (de 93) no presenta ninguna de las cuatro señales principales que medimos (preguntas frecuentes, datos estructurados, un archivo llms.txt, o meta descripción).
• 0% de los sitios donde pudimos verificarlo (92 de los 93; en uno, la petición a su robots.txt falló de forma independiente) bloquea a los rastreadores de inteligencia artificial (los programas automáticos con los que estas herramientas leen tu sitio) que generan respuestas en vivo.
• 44.1% (de 93) tiene algún dato estructurado (etiquetas invisibles que le dicen a un buscador qué es cada cosa de la página: un producto, una dirección, una pregunta frecuente), en su mayoría genérico.
• 24.7% (de 93) tiene un archivo llms.txt real y verificado (una hoja de instrucciones que el sitio deja a la vista para las herramientas de IA).
• Medimos las señales que un motor de IA necesita para poder citarte. Que una marca aparezca de verdad dentro de una respuesta de ChatGPT o Perplexity es otra cosa: no es fija ni predecible, cambia con cada pregunta, y no fue parte de este estudio.

Por qué nos importa esto

Durante décadas, la competitividad de una empresa industrial mexicana se midió en su planta: capacidad instalada, certificaciones, tiempos de entrega, precio. Esas variables siguen siendo determinantes, pero ya no son las primeras que un comprador internacional evalúa.

Un comprador que está moviendo parte de su cadena de suministro fuera de Asia, o que busca diversificar proveedores por la vía del nearshoring, cada vez con más frecuencia empieza su investigación preguntándole directamente a una inteligencia artificial: quién fabrica lo que necesita, en qué región, con qué capacidad. A diferencia de un buscador tradicional, que devuelve una lista de enlaces para que el usuario decida, estas herramientas seleccionan y citan directamente a las fuentes que consideran suficientemente claras y verificables. Lo que no pueden leer y citar, no aparece en la respuesta.

Esto convierte la estructura del contenido de un sitio web industrial en un filtro que opera antes de cualquier negociación, antes de cualquier cotización, antes de que exista siquiera contacto humano. Tampoco es solo ChatGPT o Perplexity: el propio Google ya responde una parte creciente de las búsquedas directamente con IA generativa (AI Overviews, el bloque de respuesta que Google pone arriba de los resultados), antes de que el usuario le dé clic a cualquier resultado. El mismo mecanismo que mide este estudio para los asistentes de IA aplica, cada vez más, dentro del buscador que tu empresa ya usa para medir su tráfico orgánico.

Qué es el AEO y por qué es distinto del SEO

El SEO (Search Engine Optimization) es la disciplina que durante 25 años definió si una empresa aparecía en los primeros resultados de Google. El AEO no la reemplaza, pero mide algo distinto: si el contenido de un sitio está escrito y estructurado de forma que una inteligencia artificial pueda leerlo, confiar en él y usarlo para construir una respuesta directa a alguien que le pregunta por esa empresa. Este concepto a veces también se llama GEO (Generative Engine Optimization); es básicamente lo mismo con otro nombre. En Sell with Marketing lo trabajamos como parte del mismo esfuerzo de visibilidad B2B: no es SEO contra AEO, es SEO y AEO juntos.

Una aclaración necesaria: si buscas "AEO" en México, lo más probable es que primero encuentres información sobre el Operador Económico Autorizado, la certificación aduanera que administra el SAT para comercio exterior. Es un acrónimo distinto para un tema completamente distinto. El AEO del que hablamos en este estudio es Answer Engine Optimization, y no tiene relación con esa certificación aduanera.

Cómo lo hicimos

Esta sección explica el método con el detalle técnico necesario para que cualquiera pueda verificarlo, o para que tu equipo de marketing o de sistemas lo revise. Si prefieres ir directo a los resultados, puedes saltar a "Hallazgo 1" más abajo.

Ejecutamos un script de auditoría automatizado, escrito en Python, construido específicamente para este estudio siguiendo nuestra metodología propia, Argos v1.1 (módulo 05, AEO). El principio que seguimos en todo el proceso es que ningún dato se estima, se infiere ni se completa: lo que no pudimos medir en vivo lo declaramos explícitamente, con el motivo.

Muestra: 112 marcas industriales mexicanas de 12 sectores (minería y metales, autopartes, ganadería, agroindustria, aguacate, café, textil, pesca, muebles B2B, papel/cartón/madera, vidrio/cerámica/materiales, y tomate/limón/espárrago), con origen de capital predominantemente mexicano. Es una muestra real, no una encuesta ni un censo de la industria.

Fecha de medición: 22 de agosto de 2026. Es una fotografía de ese día; los sitios cambian, y si vuelves a auditar el mismo dominio en unos meses, el resultado puede ser distinto.

Cómo nos identificamos: todas las peticiones se hicieron identificando honestamente a nuestro crawler como SWM-ARGOS-Research-Bot/1.0, con nuestros datos de contacto visibles. Nunca nos hicimos pasar por otro bot ni por un navegador humano, y respetamos las reglas de Disallow del propio robots.txt de cada sitio, incluso cuando eso significó no poder medirlo.

Límites que nos impusimos: máximo 5 dominios simultáneos, con una pausa aleatoria de 2 a 3 segundos entre peticiones al mismo dominio.

Qué medimos en cada sitio:

• robots.txt: las reglas declaradas para 13 user agents de inteligencia artificial, divididos en dos familias: rastreadores de respuesta en vivo (OAI-SearchBot, ChatGPT-User, Claude-User, Claude-SearchBot, PerplexityBot, Perplexity-User) y rastreadores de entrenamiento (GPTBot, ClaudeBot, Google-Extended, Applebot-Extended, CCBot, meta-externalagent, Bytespider).
• llms.txt: verificamos existencia real (HTTP 200 con Content-Type: text/plain o text/markdown), descartando los "404 blandos".
• sitemap.xml: verificamos existencia.
• Datos estructurados: extrajimos todos los bloques JSON-LD del home y sus tipos, de forma recursiva.
• Estructura tipo FAQ: buscamos marcado FAQPage en JSON-LD, o texto "preguntas frecuentes" / "FAQ" en encabezados o enlaces del home.
• Meta descripción: presencia y longitud.
• Encabezados H1 y H2: conteo en el código de la página.

Qué mide exactamente cada señal, y su límite honesto: medimos el código (HTML) que el servidor entrega, que es lo mismo que leen la mayoría de los motores de respuesta de IA, porque en su gran mayoría no ejecutan JavaScript. Un sitio construido como aplicación de una sola página, que agrega su contenido con JavaScript después de que carga, puede mostrarle más señales a un navegador humano que a un motor de IA. Esa diferencia no es un error de nuestra medición: es precisamente el tipo de hallazgo que este estudio busca exponer, porque es la misma limitación que enfrenta cualquier motor de respuesta al leer ese sitio.

Base de nuestros porcentajes: de las 112 marcas, 93 respondieron HTTP 200 en su página de inicio el día de la corrida (es decir, el sitio cargó con normalidad), y son la base de la mayoría de los porcentajes de este reporte. Excluimos explícitamente a las 19 restantes: 13 por error de conexión o tiempo de espera agotado, 4 por responder con código HTTP 403 (el servidor rechazó la petición), y 2 porque su propio robots.txt le negó el paso a nuestro crawler, regla que respetamos sin insistir. El dato de rastreadores de IA (hallazgo 1) tiene una base de 92, no 93: en uno de los 93 sitios con home operativo, la petición específica a robots.txt falló de forma independiente, así que ese caso queda sin dato verificable solo para esa señal.

Hallazgo 1: el acceso no es el problema

Resultado: 0% de los sitios con robots.txt legible (0 de 92) bloquea a los rastreadores de respuesta en vivo, los que generan directamente lo que ve un usuario de ChatGPT, Claude o Perplexity. Bloquear a estos rastreadores equivale a desaparecer de las respuestas de esas herramientas, y suele ser un accidente de configuración, no una decisión. En esta muestra, ninguna empresa lo está haciendo.

De los rastreadores de entrenamiento, encontramos que 1.1% (1 de 92) los bloquea a los siete por igual, en una regla explícita y uniforme, lo que sugiere una decisión deliberada más que un error de configuración. Bloquear rastreadores de entrenamiento es, bajo nuestra metodología, una decisión legítima de negocio que no afecta si la marca aparece citada en una respuesta.

Nota metodológica: este check mide lo que el robots.txt declara, no si un firewall o un CDN bloquea a esos rastreadores por debajo de esa capa. Nos identificamos honestamente en toda la corrida y nunca nos hicimos pasar por un bot real para probar bloqueos de infraestructura.

Hallazgo 2: casi nadie tiene algo que una IA pueda citar

Este es el hallazgo central de nuestro estudio. Solo 8.6% de los sitios auditados (8 de 93) tiene contenido detectable en formato de preguntas frecuentes, la estructura más directamente citable por un motor de respuesta. En todos los casos, la señal fue un enlace o encabezado con el texto literal "Preguntas Frecuentes" o "FAQ"; ninguno de los 93 sitios usa el marcado técnico FAQPage de schema.org, que es la señal más inequívoca posible para un motor de IA.

Hallazgo 3: los datos estructurados existen, pero son genéricos

44.1% de los sitios (41 de 93) incluye al menos un bloque de datos estructurados. Esto es lo que encontramos, con el nombre técnico exacto de cada tipo de dato (útil si tu equipo de marketing o de sistemas lo quiere verificar):

• WebSite: 33 sitios de 93
• Organization: 26 sitios de 93
• SearchAction: 24 sitios de 93
• ImageObject: 23 sitios de 93
• WebPage: 22 sitios de 93
• BreadcrumbList: 20 sitios de 93
• ListItem: 20 sitios de 93
• EntryPoint: 18 sitios de 93
• ReadAction: 15 sitios de 93
• PropertyValueSpecification: 12 sitios de 93
• PostalAddress: 11 sitios de 93
• LocalBusiness: 9 sitios de 93
• ContactPoint: 3 sitios de 93
• GeoCoordinates: 3 sitios de 93
• Person: 2 sitios de 93

Los tipos más comunes (WebSite, Organization, SearchAction) son, en su gran mayoría, los que plataformas como WordPress, Wix o Shopify insertan automáticamente sin que nadie los configure con intención. Los tipos que ayudarían a una IA a citar información específica sobre qué produce cada empresa (Product, HowTo, FAQPage) no aparecen en ningún sitio de la muestra.

Hallazgo 4: uno de cada tres sitios está en cero absoluto

Al cruzar las cuatro señales principales (llms.txt real, datos estructurados, FAQ, meta descripción), encontramos que 30.1% de los sitios auditados (28 de 93) no tiene ninguna de las cuatro.

Una aclaración importante: medimos el código que entrega el servidor, no lo que ve un humano con el sitio ya cargado en el navegador. Si alguno de estos 28 sitios agrega su contenido con JavaScript después de cargar, es posible que un visitante sí vea preguntas frecuentes o información que nuestra medición no captura, aunque un motor de IA tampoco la vea, porque la mayoría tampoco ejecuta JavaScript.

Hallazgo 5: la higiene básica está a medias

55.9% de los sitios (52 de 93) tiene meta descripción, y 61.3% (57 de 93) tiene un encabezado H1 claro en su página de inicio.

Hallazgo 6: llms.txt, una convención emergente con adopción real

24.7% de los sitios (23 de 93) tiene un archivo /llms.txt real, verificado técnicamente. Ningún motor principal de IA ha confirmado públicamente que lo consuma de forma sistemática. Su costo de implementación es casi nulo; su valor, por ahora, es de opción, no de certeza.

Qué vimos por sector (lectura preliminar, no concluyente)

Cruzamos la presencia de FAQ contra el sector de cada marca. Para proteger la identidad de empresas individuales, agrupamos en "Otros sectores" a las verticales con menos de 5 marcas en la muestra, porque en un grupo tan pequeño un solo dato identifica a la empresa exacta:

• Textil: 3 de 10 con FAQ
• Café: 1 de 15 con FAQ
• Vidrio, cerámica y materiales: 1 de 12 con FAQ
• Aguacate: 1 de 11 con FAQ
• Papel, cartón y madera: 0 de 12 con FAQ
• Minería y metales: 1 de 8 con FAQ
• Tomate, limón y espárrago: 0 de 6 con FAQ
• Agroindustria: 0 de 5 con FAQ
• Otros sectores (combinados: muebles B2B, pesca, autopartes, ganadería): 1 de 14 con FAQ

Con muestras de entre 5 y 15 sitios por sector, esto sigue sin ser estadísticamente robusto, y lo presentamos como referencia, no como conclusión.

Lo que concluimos

El acceso no es la limitante: ninguna marca de esta muestra le está cerrando la puerta a una inteligencia artificial. La limitante es que, del otro lado de esa puerta abierta, casi no hay nada que un motor pueda tomar y repetir. Con capacidad industrial real y sin estructura digital que la traduzca en algo citable, la competitividad de estas empresas frente al nearshoring y la exportación depende hoy de una variable que la mayoría todavía no sabe que está midiéndose.

Por qué esto importa si buscas una agencia de marketing industrial en México

Si llegaste hasta aquí evaluando si tu empresa de manufactura necesita un motor de crecimiento digital, esto es exactamente la evidencia que deberías pedirle a cualquier agencia antes de contratarla: no una promesa, una medición en vivo, con metodología publicada.

Es exactamente la variable que trabajamos todos los días en Sell with Marketing, y no nos quedamos en el diagnóstico: la resolvemos. Diseñamos y construimos tu sitio web con la estructura que un motor de inteligencia artificial necesita para leerlo y confiar en él, y trabajamos tu contenido para que, cuando un comprador le pregunte a ChatGPT, a Perplexity o al propio Google quién puede hacer lo que tu empresa hace, tengas algo real que ese motor pueda citar. Esta auditoría es la misma metodología, Argos, con la que empezamos cada proyecto: primero medimos dónde está parada tu empresa hoy, después construimos la estructura citable que esa visibilidad requiere.

Escríbenos a hello@sellwithmarketing.com. Te va a contestar Manuel García, fundador de Sell with Marketing.