FAIV™FAIV™
Dimensión08 / 08

Investigación

Métricas en desarrollo activo

El comportamiento de los modelos de IA generativa abre dimensiones de medición que todavía no tienen metodología estandarizada. Las métricas de Investigación son conceptos que FAIV™ ha identificado como relevantes para la visibilidad de marca en IA, y para los que está desarrollando marcos de medición rigurosos. Se publican en esta fase para establecer la nomenclatura y recopilar datos de referencia.

PCI™KFI™AIS™
PCI™Research

Prompt Contextualization Index

Módulo CORE™

AIS™ + SCAN™

Mide cómo varía la presentación de tu marca según el contexto del prompt: si la IA adapta su descripción al tipo de usuario, urgencia o intención de búsqueda.

Los modelos de IA no responden igual a '¿qué seguro de salud me recomiendas?' que a 'necesito un seguro de salud urgente para autónomos'. El contexto del prompt — intención, urgencia, perfil del usuario, comparación explícita — cambia cómo la IA presenta las opciones. El PCI™ mide si tu marca se beneficia o se perjudica de esa adaptación contextual.

Una marca puede tener excelente visibilidad en prompts informativos ('¿qué es X?', '¿cuáles son las opciones de Y?') y baja en prompts transaccionales ('necesito contratar X hoy', '¿cuál es la mejor opción de Y para mi caso?'). El PCI™ mapea esa distribución para identificar en qué tipos de prompts hay más trabajo que hacer.

Ejemplo real

Una plataforma de e-learning tiene AIRI™ 52 (buena visibilidad general), pero el PCI™ revela una brecha importante: aparece en el 65% de los prompts informativos ('¿cuáles son las mejores plataformas de formación online?') pero solo en el 18% de los prompts de compra ('necesito formarme en Python este mes, ¿qué plataforma uso?'). La IA la conoce pero no la recomienda cuando el usuario está listo para decidir.

KFI™Research

Knowledge Freshness Index

Módulo CORE™

SCAN™ + AIP™

Evalúa qué tan actualizada está la información que los modelos de IA tienen sobre tu marca, detectando desfases entre la realidad de tu empresa y el conocimiento del modelo.

Los modelos de IA tienen fechas de corte de entrenamiento y, aunque algunos incorporan búsqueda en tiempo real, la mayor parte de su conocimiento de marca se construye en el proceso de entrenamiento. El KFI™ mide la actualidad de ese conocimiento: ¿sabe la IA de tu rebrandinge del año pasado? ¿De tu nueva línea de productos? ¿Del cambio en tu propuesta de valor?

El KFI™ es especialmente crítico para empresas que han tenido cambios significativos en los últimos 2-3 años: fusiones, adquisiciones, pivotes estratégicos, expansión geográfica, cambio de nombre o reposicionamiento de marca. En estos casos, la IA puede estar comunicando una versión antigua de la empresa que ya no existe.

Ejemplo real

Una empresa española de tecnología financiera completó un rebranding en 2024: nuevo nombre, nueva identidad visual y nuevo posicionamiento ('de procesadora de pagos a plataforma de inteligencia financiera'). Seis meses después del rebranding, todos los modelos de IA siguen usando el nombre anterior, la propuesta de valor antigua y describen servicios que ya fueron descontinuados. KFI™: 12/100.

AIS™Research

AI Sentiment Score

Módulo CORE™

SCAN™ + AIS™

Analiza el tono emocional y valorativo con el que los modelos de IA se refieren a tu marca: si el lenguaje es positivo, neutro, ambivalente o presenta reservas sistemáticas.

Los modelos de IA no son emocionalmente neutros cuando hablan de marcas. Aunque intentan ser equilibrados, el corpus de entrenamiento incorpora el tono general con el que las fuentes hablan de cada empresa — y ese tono se refleja en las respuestas. El AIS™ (AI Sentiment Score) analiza si ese tono te beneficia o te perjudica.

Las señales de sentimiento negativo son a menudo sutiles: frases como 'aunque algunos usuarios reportan...', 'si bien es una opción...', 'conviene verificar...', 'para ciertos perfiles puede funcionar...' no son críticas explícitas, pero acumuladas sistemáticamente construyen una percepción de segunda opción. El AIS™ detecta estos patrones antes de que se vuelvan críticos.

Nota: el AIS™ como métrica de visibilidad de IA es diferente del módulo AIS™ (AI Strategy) de CORE™. El módulo AIS™ es la solución; la métrica AIS™ es el indicador que esa solución ayuda a mejorar.

Ejemplo real

Una empresa de tecnología financiera descubre mediante AIS™ que los modelos de IA siempre la citan con reservas implícitas: 'aunque la integración puede requerir asistencia técnica', 'si bien tiene curva de aprendizaje', 'para empresas con recursos de IT suficientes'. Ningún comentario es incorrecto — pero el patrón acumulado posiciona a la empresa como solución compleja, cuando su propuesta de valor es precisamente la simplicidad de implementación.

Referencia · Escala 0–100

0–25

Invisible

La IA prácticamente no te reconoce en esta dimensión. Punto de partida para cualquier estrategia de visibilidad.

26–50

Emergente

Presencia incipiente, muy inconsistente entre motores y contextos. Hay señales que la IA empieza a leer.

51–75

Establecida

Presencia sólida. La IA te conoce en la mayoría de contextos relevantes y te incluye con regularidad.

76–100

Referente

La IA te posiciona como fuente de autoridad en tu categoría. Mención espontánea en la mayoría de respuestas relevantes.

¿Cómo estás en investigación?

Mídelo con PULSE™ o SCAN™.

PULSE™ te da tu puntuación de visibilidad general en minutos. SCAN™ audita investigación y las 7 dimensiones restantes en profundidad.