Resumen por IA
Un experimento de 2026 demostró que ChatGPT recomendó una marca de desodorante ficticia (Morrowen) creada en apenas una hora, posicionándola por encima de marcas reales con ensayos clínicos. El hallazgo revela la existencia de una 'estantería IA' —un consenso invisible entre modelos de lenguaje sobre qué productos recomendar— que opera sin los controles de verificación que Google Shopping implementa mediante su Merchant Center. A diferencia del SEO tradicional, donde los usuarios mantienen control sobre las fuentes, las respuestas de IA comprimen la información en recomendaciones presentadas como terceras voces imparciales, trasladando la autoridad del sitio web al narrador, lo que representa un nuevo desafío crítico para la visibilidad de productos en comercio electrónico.
Once dólares. Una hora. Tres páginas. Un desodorante que no existe. Tres semanas después, ChatGPT lo recomendaba a desconocidos, a veces por delante de marcas con ensayos clínicos. El experimento de Deana Burke, publicado a principios de agosto de 2026 y recogido por Inc. y Cybernews, no es un truco de crecimiento para copiar. Es una prueba de estrés sobre cómo los modelos asignan autoridad a un producto. Y para cualquier marca que trabaje su posicionamiento en ChatGPT, la pregunta que plantea es directa: quién decide ahora la respuesta a qué comprar para tal necesidad.
Qué midió de verdad el experimento
Antes de colar nada, Burke preguntó a Claude, ChatGPT y Gemini qué comprar cerca de 9.000 veces. Los mismos nombres se repetían de un modelo a otro: Native en desodorante natural, Brooks en zapatillas de running, Similac y Enfamil en fórmula infantil. A ese consenso invisible, compartido entre modelos aunque cambien las fuentes, lo llama la estantería IA, o AI shelf. Ese es el verdadero tema: una lista corta que la mayoría de marcas no mide.
Después llegó Morrowen: un desodorante natural para piel sensible, magnesio y avena coloidal, sin bicarbonato. Sin stock, sin reseñas falsas, sin spam en Reddit. Una web, un ensayo en Substack, unos cuantos términos concretos, y treinta días sin tocarlo. Según su relato, primera aparición hacia el día 21. Al cabo de un mes, ChatGPT con navegación web activada nombraba a Morrowen en cuatro de cuatro respuestas a las dos consultas de cola larga probadas, siempre en primer lugar. Sin navegación, nada. Claude y Gemini, nunca. Y en trece consultas de cabecera como best o aluminum free, Native conservaba la estantería amplia. Morrowen solo encontró un rincón polvoriento al fondo de la tienda.
El detalle que le habla a un responsable de adquisición cabe en una imagen. En una respuesta, Morrowen aparecía por encima de MAGS Skin, una marca real, testada clínicamente, con el sello de la National Eczema Association. Misma lista, misma voz, mismo formato. Nada distinguía lo real de lo inventado.
No es solo SEO
Publicar una web y ver que internet la encuentra no es nada nuevo. El giro está en otro sitio. En Google, una consulta sensible devuelve enlaces, anuncios, hilos de Reddit y comparativas, y el lector mantiene el control: ve que el debate no está cerrado. En ChatGPT, el mismo texto de marca vuelve comprimido en una recomendación, dicho con el aplomo de una voz tercera. Burke lo dice sin rodeos: el modelo no inventó las afirmaciones, las blanqueó. La confianza abandona el sitio y se instala en el narrador. Esa distancia es justo lo que hoy separa el SEO clásico del trabajo de visibilidad en las respuestas IA, una línea que trazamos en la diferencia entre el SEO clásico y la visibilidad generativa para el comercio online.
Y esto ocurre antes de que los agentes se hagan con la compra en sí. Mientras la IA solo recomienda, un error cuesta una venta. El día en que el agente elige y paga, se convierte en un pedido lanzado sobre el producto equivocado, un cambio que seguimos en qué cambian el comercio agéntico y el UCP para las marcas.
Google Shopping frente a las respuestas IA: ¿quién tiene la autoridad?
Aquí está la pregunta de autoridad que todo comité de adquisición debería plantearse. En Google Shopping, una marca fantasma creada en una hora no pasa. Merchant Center exige producto real: GTIN, stock, precio, comerciante responsable, cumplimiento verificado. En la estantería de los asistentes, la lógica se invierte. OpenAI describe sus resultados de producto como orgánicos y no patrocinados, ordenados solo por la relevancia respecto a la consulta. Sin subasta, sin equivalente de Merchant Center, sin portero. Un modelo con navegación puede citar una página de aterrizaje sin inventario alguno. Los dos sistemas no juegan la misma partida, y por eso mismo tu feed de producto decide ya tu visibilidad en ChatGPT tanto como tu rendimiento en Shopping.
Algunas preguntas para poner sobre la mesa, sin esperar a la herramienta perfecta. Para mejor X para Y, ¿qué trata el comprador como verdad: el carrusel de Shopping, un AI Overview o el chat que abre por la noche? Si Shopping exige un feed válido y el chat recomienda un sitio sin stock, ¿qué señal gana de verdad la compra? Cuando Claude ignora una marca que ChatGPT pone primera, ¿cuál de las dos respuestas trata tu cliente como un hecho? Y si un agente acaba comprando un producto inexistente o mal formulado, ¿quién responde: la marca, el modelo o el comerciante? Ninguna de estas respuestas está cerrada todavía, una razón más para prepararte ahora.
Cara B y oportunidad
El riesgo es nítido. Blanqueo de confianza, paridad visual entre una prueba clínica y una página vacía, ventana de fraude en la cola larga de alta intención, fragmentación entre modelos y amplificación cuando el agente compra sin página de resultados. Las categorías sensibles, piel, salud ligera, productos para niños, no son un patio de juegos. Un único sitio propio corta por los dos lados: punto único de fallo y blanco fácil para un dominio parecido que copie tus páginas clínicas.
La oportunidad para quien vende producto real es igual de clara. El experimento falló donde un actor consolidado ya poseía la respuesta, y solo funcionó donde aún no había media. Preguntas precisas, páginas que las responden de verdad, un lenguaje alineado con la intención: eso es marketing de contenidos clásico con una capa de distribución nueva, siempre que el producto sea verdadero, documentado y legible por las máquinas. Es el mismo diagnóstico que para el dato de producto estructurado, que hoy pesa tanto como la creatividad, y es la razón de ser de páginas GEO pensadas para ser citadas por las IA como Smart GEO Page, alimentadas directamente por el feed.
Qué pueden hacer ya las marcas de e-commerce
La postura realista cabe en una frase: seguir ganando Google y Shopping, y añadir un segundo marcador, tu cuota de recomendación en los modelos sobre veinte a cincuenta preguntas de categoría. Aún no puedes comprar la estantería como un espacio de Shopping. Puedes medirla y hacer de tu producto real la respuesta más limpia.
Para defender el terreno:
- Auditoría mensual de respuestas IA, con un juego fijo de consignas en ChatGPT (navegación activada y desactivada), Gemini, Claude y Perplexity. Anota el orden, las citas y las afirmaciones falsas.
- Inventario de tus afirmaciones, en la web, las fichas de producto y los anuncios. Todo lo que publiques se reformulará con seguridad, así que que sea exacto.
- Vigilancia de usurpación: dominios parecidos y falsas páginas clínicas colocadas sobre tu cola larga.
- Higiene de feed en GMC y marketplaces: GTIN, stock, envío, devoluciones. Los agentes que comparan comerciantes siguen apoyándose en esos campos, algo que refuerza una capa de enriquecimiento de feed como Feed Enrich.
Para competir, en serio:
- Mapea las intenciones de cola larga sin ganador claro: irritaciones, sustituciones de ingredientes, comparativas, para piel X.
- Publica páginas de preguntas y respuestas, comparativas y para quién sí, para quién no, con pruebas, sellos y contraindicaciones en HTML claro.
- Multiplica la corroboración externa: fichas de retailers, resúmenes serios, reseñas creíbles. Una única fuente es frágil y fácil de imitar.
- Aclara la entidad de marca, con un nombre estable y enlaces coherentes, para no parecer una cáscara de una sola página.
Y a evitar: montar marcas desechables para manipular a los asistentes, rellenar tus páginas con ingredientes que no usas, o creer que el silencio de Claude equivale a categoría segura y que un buen puesto en Shopping equivale a presencia en el chat. Si no sabes por dónde empezar, una auditoría de feed de producto sigue siendo el punto de entrada más concreto antes de escalar las páginas de respuesta.
FAQ
¿Hay que abandonar Google Shopping para centrarse en ChatGPT?
No. En las consultas de cabecera, los actores consolidados siguen difíciles de desalojar dentro de los modelos. Shopping, PMax y el feed siguen captando demanda mientras trabajas la cola larga conversacional. Las dos vías se complementan más que competir.
¿Por qué Claude y Gemini no nombraron a Morrowen?
El experimento muestra una fragmentación clara: solo un modelo, con navegación web, promovió la marca falsa, y en dos consultas. Es a la vez oportunidad y riesgo, porque tu cliente puede no usar el modelo que pruebas por dentro.
¿La palanca es el volumen de contenido o la prueba de producto?
Las dos, en ese orden. Primero afirmaciones verdaderas y documentadas, luego páginas que responden donde aún no hay media. Sin prueba, construyes el próximo Morrowen, con stock incluido.
¿Cómo puede un asistente recomendar una marca sin stock si Google Shopping lo exige?
Porque las dos superficies siguen reglas distintas. Merchant Center verifica un producto real y un comerciante responsable, mientras que un modelo con navegación ordena por la relevancia del texto que encuentra. Esa asimetría es justo lo que dejó pasar a Morrowen.
¿Por dónde empezar con un catálogo grande?
Con una auditoría de feed y una puntuación de preparación, luego veinte preguntas de alta intención en tus categorías prioritarias. Es la forma más rápida de ver dónde tu producto real puede convertirse en la respuesta menos ambigua.