Ante la pregunta de qué teléfono comprar, AI Overviews de Google responde que cierto modelo goza de las mejores valoraciones. ChatGPT dice: mi elección ahora mismo es esta. Esa diferencia de voz no es un tic de estilo, según una auditoría publicada esta semana: es una brecha medible y sistemática en la forma en que los asistentes de IA entregan consejo comercial, y llega justo cuando ambas empresas incorporan publicidad a esas mismas pantallas.
Claves
- Sobre 1,536 respuestas evaluadas, ChatGPT expresó una preferencia de producto en primera persona en el 79% de las respuestas que recomendaban algo, frente al 7% de Gemini y el 2% de Google AI Overviews.
- Ante la misma consulta, las interfaces de ChatGPT y Gemini mostraron en promedio apenas un 5.4% de dominios de origen coincidentes, y en el 76.7% de las comparaciones no compartieron ni un solo dominio.
- Las API de los proveedores no reprodujeron lo que ve el consumidor: coincidieron con sus propias interfaces en solo el 12.0% de los dominios en ChatGPT y el 14.8% en Gemini, lo que socava el método habitual para auditar estos sistemas.
Cómo se construyó la auditoría
El estudio, publicado en arXiv por un equipo de la Universidad de Maastricht, la Universidad de Utrecht y la Universidad de Zúrich, parte de un conjunto de datos que los autores llaman ConsumerQ: 2,528 consultas de consejo comercial escritas por usuarios reales y no por investigadores. De ese conjunto extrajeron 117 preguntas genuinas de recomendación de producto y las pasaron por cinco superficies —las interfaces de consumo de ChatGPT y Gemini, las API de ambos y AI Overviews del buscador de Google—, con 1,755 observaciones recogidas desde una ubicación fija y cada petición a la interfaz emparejada con una petición a la API.
Ese emparejamiento importa porque el hallazgo más afilado del artículo apunta al método antes que a ningún asistente en concreto. La mayoría de las auditorías publicadas sobre búsqueda generativa se ejecutan a través de las API con consultas plantilla redactadas por investigadores, por razones evidentes de coste y reproducibilidad. Los autores sostienen que, en el consejo comercial en particular, ese atajo mide algo que los consumidores nunca llegan a ver.
Tres asistentes, tres tipos de respuesta
La brecha de encuadre es el resultado más visible. ChatGPT expresa una preferencia en primera persona en el 79% de las respuestas, frente al 7% de Gemini y el 2% de AI Overviews. También califica algún producto como el mejor en el 73% de sus respuestas, mientras Gemini lo hace en el 43% y AI Overviews en el 48%. La misma pregunta llega, pues, como recomendación personal, como ganador indiscutible o como menú de opciones, según qué aplicación haya abierto el comprador.
Nada de esto es estable. Los productos recomendados cambian entre peticiones idénticas repetidas e incluso el encuadre se invierte: un sistema presenta un producto como el mejor en entre el 27% y el 40% de las repeticiones en las que antes no lo había hecho. Quien pregunta dos veces no está haciendo dos veces la misma pregunta.
La capa de citas apenas coincide
Las fuentes divergen todavía más que las respuestas. Ante una consulta idéntica, las interfaces de ChatGPT y Gemini comparten en promedio el 5.4% de los dominios mostrados y en el 76.7% de las comparaciones no tienen ningún dominio en común. Repetir la petición tampoco hace converger las fuentes: siguen apareciendo dominios nuevos.
Esa dispersión tiene una explicación comercial. Qué medios puede citar un asistente depende de las licencias: OpenAI y Google mantienen acuerdos para datos de Reddit en tiempo real, y el pacto de OpenAI con Axel Springer mete a Politico y Business Insider en su reserva de fuentes. La capa de recuperación no es un índice neutral, sino uno negociado.
Por qué la brecha de la API interesa a los reguladores
El resultado con verdadero filo es el de las API. La coincidencia media de dominios entre una interfaz y su propia API es del 12.0% en ChatGPT y del 14.8% en Gemini, y ambas exponen tipos y capas de información de origen directamente distintos. Quien audita consultando la API está mirando un sistema diferente del que usa el consumidor.
El calendario no es casual. El 31 de agosto de 2026 la Comisión Europea designó a ChatGPT motor de búsqueda en línea de muy gran tamaño bajo la Ley de Servicios Digitales, lo que acarrea obligaciones sobre riesgos sistémicos —incluida la protección del consumidor en la compra en línea—, además de auditorías independientes y acceso de investigadores a los datos. La conclusión del artículo es que tales auditorías no pueden ejecutarse por API y pretender, a la vez, describir la experiencia del consumidor.
La presión comercial crece sobre esa misma pantalla. OpenAI amplió en agosto la publicidad en ChatGPT a 31 mercados europeos, y las consultas de recomendación de producto ya suponen cerca del 2% de las conversaciones de ChatGPT según la mayor medición de uso publicada. Ya hemos cubierto los ensayos de OpenAI con formatos publicitarios conversacionales; esta auditoría aporta la línea base contra la cual medir cualquier cambio posterior en el comportamiento de las recomendaciones.
La recomendación de los autores a sus colegas es procedimental más que alarmista: auditar la interfaz de consumo, repetir cada consulta y declarar qué capa de fuentes se observó. Una respuesta única recogida por API no puede sustituir al consejo que la gente recibe de verdad de un modelo de lenguaje grande en el momento de comprar.
Preguntas frecuentes
¿El estudio demuestra que ChatGPT recomienda productos a cambio de dinero?
No. La auditoría mide cómo se formulan las recomendaciones, hasta qué punto son consistentes y qué fuentes aparecen, no si alguna aparición fue pagada. Su aportación es una línea base documentada previa a la publicidad y un método capaz de detectar un cambio, que es justo lo que, según los autores, hoy les falta a reguladores e investigadores.
¿Por qué no basta con usar las API de ChatGPT y Gemini?
Porque las API devuelven una vista materialmente distinta. La coincidencia media de dominios con la interfaz de consumo correspondiente fue del 12.0% en ChatGPT y del 14.8% en Gemini, y la información de origen que exponen ambas capas difiere en su naturaleza, así que no puede darse por hecho que lo observado por API represente lo que ve el comprador.
¿Está disponible el conjunto de consultas?
Los autores reunieron ConsumerQ, un conjunto de 2,528 consultas reales de consejo comercial escritas por usuarios, del que extrajeron las 117 preguntas de recomendación de producto analizadas en el artículo. Los detalles completos del conjunto de datos y del protocolo de recogida están en el preprint de arXiv.
