Te cuento la historia primero, porque es buenísima.
En 2024, la investigadora médica Almira Osmanovic Thunström, de la Universidad de Gothenburg, hizo un experimento. Inventó una enfermedad ocular que no existe, la llamó bixonimania, y subió a un servidor de papers dos estudios obviamente falsos para ver si las IAs los tragaban. Y no disimuló: al autor lo firmó desde una universidad inventada, agradeció a una profesora de la Starfleet Academy de Star Trek, y hasta dejó referencias a Sideshow Bob adentro del texto. Una trampa con cartel de neón, como documentó Nature en 2026.
Durante casi dos años, ChatGPT, Gemini, Copilot y Perplexity le explicaron bixonimania a cualquiera que preguntara, como si fuera una condición médica real. Una de las IAs hasta le inventó una cifra de prevalencia: una persona cada noventa mil. Peor todavía: un grupo de investigadores reales citó uno de esos papers falsos en un estudio propio, que se publicó en una revista con revisión por pares y tardó casi dos años en retractarse.
La pregunta que te debería estar haciendo no es cómo se colaron los chistes. Es por qué las IAs no los vieron.
La respuesta incómoda: la IA nunca leyó el contenido
Acá está el punto que lo cambia todo. Las IAs no se equivocaron porque el experimento fuera sofisticado. Se equivocaron porque nunca evaluaron el contenido. Lo que evaluaron fueron las señales que rodeaban a ese contenido: estaba alojado en un servidor académico, tenía formato de paper, con resumen y referencias, venía firmado con una afiliación institucional. Todas esas señales gritaban “fuente confiable”. El texto en sí, con sus Starfleet Academy, nunca entró en la cuenta.
La IA no lee tu contenido como lo leés vos. Lee coordenadas: dónde está, en qué formato, validado por quién.
Esto no es una falla puntual de cuatro modelos. Es cómo funcionan los grandes modelos de lenguaje. No pueden leer cada texto en profundidad como una persona. Procesan volúmenes enormes de información apoyándose en señales agregadas. Y esas señales son, sobre todo, estructurales. El dónde pesa más que el qué.
El estudio que lo confirma con números
Que esto suene lógico es una cosa y que esté medido es otra, y está medido.
En febrero de 2026, The Lancet Digital Health publicó un estudio liderado por Mahmud Omar y Eyal Klang, del Mount Sinai, que analizó nueve modelos de IA con más de un millón de consultas. El resultado da vuelta el sentido común que la mayoría todavía tiene sobre las IAs.
Cuanto más profesional el texto, más alucina la IA
El equipo probó meterle a las IAs los mismos errores médicos en dos envases distintos: dentro de notas de hospital con tono clínico, y dentro de posteos de Reddit. La información falsa era idéntica. Lo único que cambiaba era el formato y el lugar.
Cuando el error venía en una nota de hospital, los modelos lo creyeron en casi el 47% de los casos. Cuando el mismo error venía de un posteo de Reddit, la cifra caía al 9%, según reportó Reuters. Cinco veces más confianza por el envase, no por el contenido.
Eyal Klang, que dirige IA generativa en la Icahn School of Medicine del Mount Sinai, lo resumió sin vueltas: los sistemas de IA actuales pueden tratar el lenguaje profesional como verdad por defecto, incluso cuando está claramente equivocado. El formato funciona como una credencial falsa.
El mismo estudio encontró algo más, en la misma dirección: la IA aceptaba más fácil una afirmación falsa cuando quien preguntaba usaba tono autoritario, presentándose por ejemplo como médico senior. O sea, las coordenadas operan en las dos puntas: en lo que la IA lee y en cómo le hablás.
Qué tiene que ver todo esto con tu marca
Ahora hacé el salto conmigo. Si las IAs evalúan información médica por su envase y no por su contenido, ¿qué te hace pensar que evalúan a tu marca distinto?
Cada vez más, cuando alguien quiere saber qué empresa resuelve un problema, no abre Google y compara diez links. Le pregunta a una IA y recibe una respuesta, a veces una sola recomendación. La marca que aparece en esa respuesta existe. La que no aparece, no existe para esa consulta. Y la IA decide a quién nombrar usando exactamente la misma lógica que con bixonimania: coordenadas.
La pregunta chica: cómo hago contenido que las IAs citen
Es la pregunta que se hace casi todo el mundo del marketing hoy. Más blogs, más FAQs, más estructura, más optimización para que los modelos te levanten. Tiene un nombre, GEO, y está bien hacerlo. Pero es la mitad de la historia, y no la más importante.
La pregunta grande: dónde aparecés citada por otros
Esta es la que casi nadie se hace, y es la que define si una IA te toma en serio. Si tu marca aparece mencionada en medios de tu sector, en informes de terceros, en publicaciones reconocidas, en Wikipedia, las IAs te van a tratar como autoridad cuando alguien pregunte por tu rubro. Aunque tu propio contenido en esos lugares sea poco. Las coordenadas dicen “esta marca es relevante”.
Si solo aparecés en tu propio blog y en LinkedIn, para una IA no existís como autoridad. Existís como autopromoción.
Y esa diferencia no la salva el volumen. Podés producir el triple de contenido propio y seguir siendo invisible, porque estás respondiendo la pregunta chica mientras la grande queda sin tocar. Es como pulir tu casa por dentro cuando lo que define su valor es el barrio donde está construida.
Coordenadas Reputacionales: las tres que importan
Le puse nombre a esto porque necesitaba un marco para trabajarlo con mis clientes, no una intuición suelta. Las Coordenadas Reputacionales de una marca son las señales estructurales que una IA usa para evaluar su autoridad, antes de leer su contenido. Se dividen en tres.
Coordenadas de ubicación
En qué dominios y plataformas aparece tu marca. Un medio de referencia, una publicación del sector, una enciclopedia, un dominio con autoridad propia, todos transmiten un nivel de confianza asociado al lugar. Tu propio sitio y tus redes transmiten otro, mucho menor. La misma afirmación pesa distinto según dónde viva.
Coordenadas de formato
Con qué estructura, autoría y metadatos aparece. Lo que hace que una pieza se parezca a una fuente formal: autoría visible y verificable, datos citados con fuente, estructura clara, identificadores estables. El estudio del Mount Sinai puso número a esta capa: el formato profesional multiplicó por cinco la credulidad del modelo.
Coordenadas de red
Cuántas fuentes te citan y con qué consistencia. Esta es la más difícil de fabricar, y por eso la más valiosa. Una marca que distintas fuentes describen con los mismos atributos construye un perfil de autoridad sólido. Una marca con menciones fragmentadas o contradictorias genera ruido, y ante la duda, la IA no la nombra.
Qué hacer con esto si dirigís una marca
Si llegaste hasta acá y te hace sentido, lo que sigue no es cosmético. Son tres conversaciones estratégicas que te tocan tener.
La primera es mapear dónde está la autoridad en tu sector. Cuáles son los medios, las publicaciones, los rankings, los podcasts, las comunidades que las IAs consideran confiables cuando responden sobre tu rubro. Si no podés nombrar las diez coordenadas más importantes de tu industria, estás trabajando a ciegas.
La segunda es cambiar la métrica. Dejá de medir tu visibilidad por cuánto publicás en tus canales y empezá a medirla por cuántas veces aparecés mencionada en lugares que no controlás. Esa huella externa es lo que una IA lee como autoridad real.
La tercera es gestionar la consistencia. El SEO clásico te decía que pelearas por links. Las IAs evalúan algo más exigente: que distintas fuentes hablen de vos con los mismos términos y las mismas asociaciones. Cuando esas menciones cruzadas son coherentes, la IA construye un perfil estable. Cuando no, no te toma en serio.
Una advertencia importante, porque el caso bixonimania la deja servida: que las coordenadas pesen más que el contenido no es una invitación a fabricar autoridad falsa. Eso es lo que hacen el AI washing y el AI slop, y el mercado tarde o temprano lo detecta. Gestionar coordenadas no es simular autoridad. Es hacer visible, en los lugares correctos, una autoridad que ya tenés.
La decisión que te toca
Bixonimania no es una anécdota tecnológica curiosa. Es la prueba más clara de que las IAs no evalúan la información como nosotros. Si una enfermedad inventada, llena de señales de alerta, convenció a cuatro IAs y se coló en una revista científica solo porque tenía las coordenadas correctas, lo contrario también es cierto: tu marca puede tener una propuesta excelente y ser invisible para las IAs si no tiene coordenadas de autoridad.
La conversación que te espera en la próxima reunión de marketing no es cuánto contenido producir. Es dónde está parada tu marca en el mapa de tu sector, y dónde necesita estar. Cambiar contenido es ejecución. Cambiar coordenadas es estrategia.
Preguntas frecuentes sobre Coordenadas Reputacionales
¿Qué son las Coordenadas Reputacionales?
Son el conjunto de señales estructurales que un sistema de inteligencia artificial usa para evaluar la autoridad de una marca, antes de leer su contenido. Se dividen en tres: de ubicación (en qué dominios y plataformas aparece), de formato (con qué estructura, autoría y metadatos) y de red (cuántas fuentes la citan y con qué consistencia). El concepto sostiene que para una IA pesa más dónde y cómo aparece una marca que lo que esa marca dice de sí misma.
¿Qué es bixonimania?
Es una enfermedad ocular ficticia que la investigadora Almira Osmanovic Thunström inventó en 2024 como experimento. Subió papers obviamente falsos a un servidor de preprints para ver si las IAs los repetían como información real, y cuatro de las principales (ChatGPT, Gemini, Copilot y Perplexity) lo hicieron durante casi dos años. Uno de los papers falsos terminó citado en una revista con revisión por pares, que lo retractó recién en marzo de 2026.
¿Por qué las IAs alucinan más con texto profesional?
Según el estudio de Mount Sinai publicado en The Lancet Digital Health en 2026, los modelos tienden a tratar el lenguaje profesional como verdad por defecto. En sus pruebas, las IAs creyeron casi el 47% de los errores médicos cuando venían en formato de nota hospitalaria, contra solo el 9% cuando venían en formato de posteo de Reddit. El formato profesional funciona como una credencial que la IA no verifica.
¿Esto significa que ya no sirve producir contenido propio?
No. El contenido propio sigue siendo clave para SEO, conversión y relación directa con tu audiencia. Lo que dice el marco es que el contenido propio no alcanza para construir autoridad frente a las IAs, y que viene después de las coordenadas, no antes. La estrategia completa combina contenido propio bien hecho con una gestión activa de dónde y cómo aparece tu marca en fuentes externas.
¿En qué se diferencia esto del GEO?
El GEO (Generative Engine Optimization) se enfoca en optimizar tu contenido propio para que las IAs lo citen: estructura, FAQs, autoría, metadatos. Es útil, pero trabaja sobre lo que vos controlás. Las Coordenadas Reputacionales ponen el foco en lo externo: dónde te citan otros, con qué peso, con qué consistencia. El GEO responde la pregunta chica. La estrategia de coordenadas responde la pregunta grande.
¿Cómo audito las coordenadas de mi marca?
En tres pasos. Primero, mapeá los medios, publicaciones, rankings y comunidades de tu sector que las IAs consideran confiables. Segundo, medí cuántas veces tu marca aparece mencionada en esas fuentes, no cuánto publicaste vos. Tercero, revisá si las menciones externas describen tu marca de forma consistente. El marco completo, con metodología, está en el documento de trabajo publicado con DOI.