ChatGPT: solo 25 % de solapamiento de fuentes

Muchas estrategias de visibilidad en IA siguen tratando ChatGPT como un sistema unificado. Un nuevo estudio lo desmiente: entre el modo Thinking y el modo Instant solo se solapan alrededor del 25 por ciento de las fuentes citadas. La misma pregunta del usuario puede activar sitios web, contenidos y recomendaciones de marcas distintas según qué vía de razonamiento esté activa en segundo plano.

Para equipos de SEO, contenido y GEO, esto supone un punto de inflexión estratégico. Quien quiera medir y dirigir la visibilidad en superficies de búsqueda generativa ya no puede asumir un único comportamiento de ChatGPT. En su lugar, hay que analizar por separado las consultas fan-out, los patrones de citación y los tipos de fuente por modo. El hallazgo no afecta solo a ChatGPT, sino que ofrece un patrón para gestionar la búsqueda con IA en general.

Por qué Thinking e Instant citan de forma distinta

ChatGPT ofrece modos de respuesta con distinta latencia y profundidad. El modo Instant prioriza respuestas rápidas y suele apoyarse en búsquedas web amplias. Contenido editorial, portales de reseñas, medios y agregadores dominan a menudo su lista de citas. El modo Thinking trabaja con descomposición de tareas en varios pasos: los prompts se dividen en subpreguntas, se investigan por fases y se enriquecen con patrones de búsqueda específicos por dominio.

Estas estrategias de recuperación distintas explican por qué la superposición de fuentes es tan baja. Cuando un modo usa sobre todo fuentes de terceros de resultados generales y otro consulta directamente homepages de marca, páginas de producto o información de precios, surgen dos ecosistemas de citación paralelos. Las marcas fuertes en un modo pueden quedar casi invisibles en el otro, incluso con la misma intención de búsqueda.

Hallazgo central del estudio: 25 % de solapamiento

El estudio compara prompts idénticos en ambos modos de razonamiento y extrae los datos completos de citación de las respuestas. De media, Thinking e Instant comparten solo alrededor de un cuarto de los dominios referenciados. En muchos prompts el solapamiento es aún menor, hasta cero fuentes comunes en preguntas de comparación directa entre competidores.

Más allá del solapamiento de dominios, el análisis muestra más divergencias: Instant suele favorecer artículos explicativos y rankings editoriales, mientras Thinking se apoya más en fuentes primarias de las marcas mencionadas. Las marcas recomendadas también pueden variar aunque el usuario formule exactamente la misma pregunta. Para los marketers, la visibilidad en un modo no garantiza la del otro.

Contenidos distintos, recomendaciones distintas

El estudio muestra no solo URLs divergentes, sino también formatos de contenido distintos en las respuestas. Las respuestas Instant suelen apoyarse en listicles resumidos, artículos de comparación y opiniones de terceros. Las respuestas Thinking integran con más frecuencia hechos estructurados de páginas oficiales de marca, listas de funciones y detalles de precios. Así cambian no solo las fuentes, sino también la lógica argumental de la recomendación.

Especialmente en decisiones de compra con mucha investigación —comparativas SaaS, reservas de viaje, productos financieros o herramientas de software— los usuarios pueden recibir listas cortas totalmente distintas según el modo activo. Eso complica el monitoreo clásico de marca que a menudo sigue menciones y sentimiento sin revisar la estructura de fuentes subyacente.

Impacto en GEO y visibilidad de marca

La optimización de motores generativos (GEO) busca preparar el contenido para que los sistemas de IA lo encuentren, entiendan y citen. El estudio demuestra que GEO no funciona como disciplina monolítica mientras ChatGPT ejecuta varias lógicas de búsqueda en paralelo. Los equipos necesitan playbooks específicos por modo en lugar de una métrica agregada como la «tasa de citación en ChatGPT».

En la vía Instant suelen importar más las señales SEO clásicas: buenos rankings en Google y Bing, menciones editoriales recientes, contenido de comparación estructurado y autoridad en portales de terceros. En las vías Thinking ganan peso los activos de primera parte: páginas de producto claras, precios transparentes, documentación técnica y contenido de marca bien indexado que responda a consultas dirigidas por dominio.

Áreas de acción práctica para equipos de marketing

Quien se tome en serio la visibilidad en IA debe construir conjuntos de prompts según preguntas reales de compra e investigación y probar ambos modos de ChatGPT por separado. Conviene rastrear consultas fan-out, URLs citadas, tipos de fuente y marcas recomendadas por respuesta. Solo así se ve si una marca gana visibilidad por cobertura editorial o por activos propios del sitio web.

• Medir y documentar baterías de prompts para Instant y Thinking por separado.
• Optimizar páginas de primera parte para intenciones de producto, precio y comparación.
• Ampliar presencia editorial en portales de terceros muy citados para visibilidad en Instant.
• Añadir el solapamiento de citas como KPI, no solo tasas absolutas de menciones.
• Reiniciar series de medición tras actualizaciones de modelo porque el comportamiento de recuperación cambia rápido.

Repensar medición e informes

Los equipos de analítica y SEO deben ampliar los paneles para que ChatGPT no parezca una caja negra. Son útiles vistas separadas para citas Instant y Thinking, clasificación por primera versus tercera parte y tendencias por categoría de prompt. Informar solo un promedio arriesga malas decisiones: un buen rendimiento en el modo rápido puede faltar por completo en la vía de razonamiento, y viceversa.

Qué deben priorizar las empresas ahora

El estudio deja claro que los programas de visibilidad en IA deben abordar por igual ambas vías de ChatGPT. Las marcas que solo apuestan por PR clásico y listicles pueden quedar infrarrepresentadas en Thinking. Las que solo optimizan su web pueden perderse respuestas Instant que dependen mucho de publicaciones externas. Un enfoque equilibrado combina alcance editorial con contenido de marca sólido.

Los equipos también deben tratar las actualizaciones de modelo como disparadores de nuevos ciclos de medición. OpenAI itera ChatGPT de forma continua; la lógica de recuperación, la profundidad del fan-out y el comportamiento de citación pueden cambiar en pocas semanas. Quien defina la visibilidad en búsqueda con IA como campo estratégico necesita monitorización continua, no auditorías puntuales. El 25 % de solapamiento no es un dato marginal, sino una señal de que la búsqueda generativa es más fragmentada de lo que muchos playbooks asumen.