Seis IA, una pregunta, casi ninguna fuente en común

Haga la misma pregunta a seis IA, el mismo día, y cada una citará fuentes para respaldar su respuesta. Es tentador imaginarlas bebiendo de un mismo fondo de páginas con autoridad, donde cada motor ordena ese fondo de manera algo distinta. Medimos lo que realmente tienen en común, pregunta por pregunta: dos motores comparten el 6,4% de sus fuentes de media, y ninguna pareja de las seis llega al 13%.

Esa cifra cambia la naturaleza de una estrategia de visibilidad. Si los motores bebieran de un fondo común, ser citado sería una sola competición mostrada en seis marcadores. No es así: son seis competiciones, y una página puede ganar varias sin encontrarse nunca dos veces con los mismos competidores.

La medición

Entre el 27 de julio y el 14 de agosto de 2026, nuestros trackers plantearon paneles de preguntas fijas a seis motores a través de sus API oficiales, en seis idiomas: 2.883 respuestas archivadas con cada una de sus fuentes, 22.229 citas en total. Mistral y Grok entraron en el catálogo medido a finales de julio y se leen aquí por primera vez, junto a ChatGPT, Claude, Gemini y Perplexity.

Comparar motores exige una unidad emparejable, y un total por motor no lo es: dos motores que citan sitios completamente distintos y dos motores que citan los mismos sitios producen los mismos totales. Por eso la comparación baja hasta la celda, es decir, una pregunta planteada en una medición, en una repetición dada. Dentro de una celda, a los motores se les preguntó lo mismo en el mismo instante, y eso es lo que hace legítima la comparación. Para cada celda tomamos el conjunto de dominios registrables citados por cada motor, y medimos la parte de sus fuentes reunidas que ambos nombraron. Las celdas en las que ninguno de los dos citó nada se cuentan aparte y salen de la media, ya que allí no hay nada que compartir.

Hallazgo 1: ninguna pareja de motores comparte más del 13% de sus fuentes

Cada pareja lleva su propio denominador, de 237 a 519 celdas comparables:

Ocho de las quince parejas están por debajo del 5%. Los dos motores más cercanos del conjunto, Claude y Mistral, guardan todavía siete fuentes de cada ocho para ellos solos. Y los dos motores que un equipo de marketing trata con más facilidad como intercambiables, ChatGPT y Claude, son los más alejados de todos: sobre las mismas preguntas, el 2,3% de las fuentes que nombran son las mismas.

Hallazgo 2: el resultado se mantuvo un mes después, sobre un corpus tres veces mayor

Una medición aislada puede ser un accidente de su ventana. Pasamos el mismo instrumento por nuestra medición de julio, que cubría cuatro motores y un tercio de las respuestas, y las seis parejas medibles en ambas olas se movieron muy poco:

El corpus se triplicó, dos idiomas pasaron a ser seis, y el techo se quedó donde estaba. Lo que separa a estos motores es entonces una propiedad de cómo cada uno recupera y selecciona, más que una singularidad de una quincena de preguntas.

Hallazgo 3: lo esencial de lo que un motor cita, lo cita solo

Compartir tiene un techo mecánico cuando dos motores citan cantidades distintas: Perplexity nombra 16,5 fuentes por respuesta con fuentes y Claude 4,6, de modo que aunque cada fuente citada por Claude figurara también en Perplexity, su solapamiento marcaría el 28%. Una segunda medición escapa por completo a ese techo planteando otra pregunta: de las fuentes que un motor cita en una celda, ¿qué parte no cita allí ningún otro motor?

Las tres cuartas partes de lo que cita ChatGPT no las cita ninguno de los otros cinco sobre la misma pregunta. Incluso Mistral, el más consensual de los seis, aporta cuatro fuentes de cada diez que nadie más aporta. Ser leído por un motor dice muy poco de los otros cinco, y eso se mide con los dos instrumentos a la vez.

Hallazgo 4: citan de forma distinta porque leen de forma distinta

Los perfiles detrás de estas distancias son estables, y cada uno explica una parte:

• ChatGPT se inclina hacia lo institucional: Lonely Planet, National Geographic, la UNESCO, Tripadvisor y Wikipedia encabezan sus fuentes, y YouTube está ausente de su top 100.
• Perplexity lee primero las plataformas: YouTube y Reddit llevan entre los dos el 10,9% de sus citas, por delante de LinkedIn y Facebook. Lo que lee en YouTube es la transcripción.
• Gemini es el más repartido: 5.124 citas en 2.318 dominios, donde operadores especializados y blogs personales comparten la cabeza con Reddit.
• Claude trabaja la cola larga: su dominio más citado lleva el 1,1% de sus citas, y detrás vienen páginas de expertos firmadas. También lee mucho más de lo que muestra, con 1.497 páginas leídas sin ser citadas.
• Grok se ancla en los foros y las redes profesionales: Reddit primero, luego Semrush, LinkedIn y Malt.
• Mistral cita una pequeña web de nicho y de páginas de reseñas: 542 dominios, encabezados por sitios especializados y Trustpilot.

El hábito de búsqueda hace el resto: Perplexity buscó en el 100% de sus respuestas, Grok en el 98,2% y Gemini en el 95,6%, frente a ChatGPT 70,9%, Mistral 60,6% y Claude 50,7%. Donde un motor no busca, responde el corpus de entrenamiento, y ese corpus se congeló hace meses.

Qué cambia esto para una marca

1. Lea su visibilidad por motor, y actúe por motor. Un promedio sobre seis motores no describe a ninguno, porque sus conjuntos de fuentes apenas se cruzan. Es sobre lo que está construido nuestro método, y por qué un ranking de búsqueda ya no predice una presencia en las respuestas.
2. Una brecha en un motor es un trabajo aparte. Ganar ChatGPT con registros institucionales y prensa no hace nada por Grok, donde son los foros y las redes profesionales los que sostienen la respuesta. Cuando un competidor tiene la respuesta que usted quería, está en las fuentes que ese motor lee, y la corrección es el conjunto de fuentes propio de ese motor.
3. Seis conjuntos casi disjuntos son seis aperturas. Una página modesta puede entrar en el conjunto citado de un motor sin enfrentarse a todo lo que ya ocupa los otros cinco. Medir qué motores le citan, y cuáles le leen sin citarle, es un trabajo en sí mismo, y Claude puede hacer la lectura.

Método

2.883 respuestas recogidas entre el 2026-07-27 y el 2026-08-14 por los trackers de Epovest a través de las API oficiales de los motores, sobre paneles fijos formulados como los plantean sus clientes, en seis idiomas. El solapamiento se mide celda por celda, siendo una celda una pregunta en una medición y en una repetición dada, de modo que a los motores emparejados se les preguntó lo mismo en el mismo instante. Las fuentes se cuentan como conjuntos de dominios registrables, solo citas: las páginas leídas sin ser citadas quedan excluidas, ya que un solo motor las expone. Cada pareja se mide sobre las celdas en las que ambos motores respondieron, de 237 a 519 celdas, de manera que añadir un motor al catálogo deja intactas las parejas existentes. Las celdas en las que ninguno citó nada se cuentan aparte. Esta ola sustituye a la medición de julio, que sigue disponible. Las cifras pueden reutilizarse con atribución.