¿Qué es el muestreo de respuestas de IA?
El muestreo de respuestas de IA es hacer las mismas preguntas en cada motor de IA más de una vez y leer cada cifra de visibilidad como una estimación a partir de esa muestra, no como un hecho fijo. Hazle la misma pregunta dos veces a un motor de IA y puedes obtener dos listas cortas distintas. Por eso ninguna respuesta aislada es una medición. Muestrear significa hacer un conjunto fijo de preguntas una y otra vez, en cada motor, y tratar la proporción de respuestas que te mencionan como una estimación con un rango.
¿Por qué hay que muestrear las respuestas de IA?
Porque los motores no son deterministas. La documentación de OpenAI indica que Chat Completions no es determinista por defecto, así que los resultados pueden variar de una solicitud a otra (documentación de la API de OpenAI, consultado el 15 de oct. de 2026).
Incluso con temperatura cero, el mismo Prompt se desvía. Thinking Machines Lab muestreó 1,000 respuestas de un mismo Prompt en un modelo abierto con temperatura cero y obtuvo 80 respuestas distintas; atribuyó la causa principal a que la carga del servidor cambia el tamaño del lote en el que cae cada solicitud (10 de septiembre de 2025, Thinking Machines). Parte de lo que dice una respuesta depende de qué tan ocupado estaba el servidor.
¿Cuántas respuestas son suficientes?
Las suficientes para que el intervalo sea más estrecho que el cambio que quieres detectar. Si un modelo realmente te menciona el 60% de las veces, así de ancho queda el intervalo de Wilson del 95% en cada tamaño de muestra (las cuentas):
| Respuestas | Menciones | Intervalo del 95% | Ancho |
|---|---|---|---|
| 5 | 3 | 23.1% a 88.2% | 65 puntos |
| 20 | 12 | 38.7% a 78.1% | 39 puntos |
| 40 | 24 | 44.6% a 73.7% | 29 puntos |
| 100 | 60 | 50.2% a 69.1% | 19 puntos |
¿Cómo se muestrean las respuestas de IA de forma justa?
Fija el método antes de mirar los resultados, y mantenlo igual en cada periodo:
- Las mismas preguntas, con las mismas palabras, en cada motor, para que una diferencia entre motores sea real.
- Preguntas que no te mencionan, con las preguntas de marca en su propio conjunto.
- Ejecuciones repartidas en varios días, no en una sola ráfaga, porque las respuestas se desvían con la carga y las actualizaciones de modelo.
- Las repeticiones palabra por palabra de una respuesta anterior se descartan: una repetición no es una segunda extracción.
- Los casos sin respuesta, como cuando no aparece un AI Overview, se dejan fuera en lugar de contarse como ausencias.
¿Cómo se ve el muestreo en un ejemplo real?
El ejemplo público de Tesla (4 de oct. de 2026) hizo 25 preguntas de compra una vez en cada uno de cuatro motores: 100 respuestas en total, pero solo 25 por motor. Por eso el 64% de ChatGPT lleva un rango de alrededor del 45% al 80%.
Repetir preguntas cambia el panorama. En tres días de escaneo (4, 8 y 15 de octubre), cinco formulaciones de una misma pregunta sobre almacenamiento en red de Tesla dieron 12 respuestas nuevas cada una: dos formulaciones mencionaron a Tesla 12 de 12 veces, una 7 de 12 y dos nunca (el post). Una sola ejecución de una sola formulación podría haber reportado cualquiera de esos resultados.
¿Cómo muestrea Proofsource?
Un plan de Proofsource se ejecuta todos los días o cada semana. En un plan diario, cada pregunta monitoreada se hace una vez en cada motor por día UTC, y cada tasa lleva un intervalo de Wilson, así que un movimiento tiene que superar el ruido antes de contar. Consulta con qué frecuencia se hacen los escaneos y Prompts.
Preguntas frecuentes sobre Muestreo de respuestas de IA
¿Basta una captura de ChatGPT para saber si la IA nos recomienda?
No. Una respuesta que te menciona es compatible con una tasa de menciones real tan baja como cerca del 21%, y una ausencia, con una tasa tan alta como cerca del 79%. Una captura muestra que algo puede pasar, no con qué frecuencia pasa.
¿Debo hacer la misma pregunta varias veces seguidas?
Mejor reparte las repeticiones en varios días. Las solicitudes seguidas pueden salir de caché o repetirse, y una repetición palabra por palabra no es una muestra nueva.
¿Un seed o la temperatura cero hacen que las respuestas sean repetibles?
Solo en parte. OpenAI describe los resultados con seed como mayormente deterministas, y las apps de consumo no exponen ninguno de los dos ajustes. Trata cada motor como una fuente de muestras.
¿Muestreo diario o semanal?
Elige según la decisión. El semanal sirve para una tendencia sobre un conjunto de preguntas grande y fijo. El diario ayuda cuando el conjunto es pequeño o cuando publicaste un cambio y quieres ver qué día se movieron las respuestas y si el cambio se sostuvo.
Términos relacionados
- Intervalo de Wilson
Un intervalo de Wilson es el rango en el que razonablemente puede estar un porcentaje medido, según cuántas respuestas lo respaldan.
- Volatilidad de las respuestas de IA
La volatilidad de las respuestas de IA es cuánto cambian las marcas que menciona un motor de IA cuando se repite la misma pregunta o se hace con otras palabras.
- Tasa de menciones
La tasa de menciones es la parte de las respuestas de IA a una pregunta que mencionan tu marca.
- Prompt
En visibilidad en IA, un Prompt es una pregunta que se monitorea en los motores de IA, escrita como la haría un comprador.
Ejemplo práctico: Tesla, respuestas públicas de IA, 4 de oct. de 2026: el primer escaneo de Tesla hecho por Proofsource, con 25 preguntas de compra y 5 preguntas de marca, una respuesta por pregunta en cada uno de cuatro motores. Una muestra pequeña de una sola marca, mostrada como ejemplo, no como benchmark.
Ve dónde te deja fuera la IA, y qué corregir.
Ve qué preguntas de compra mencionan tu marca, a quién mencionan en tu lugar y qué corregir. 200 respuestas. 25 Prompts/pregunta. Los principales motores de IA. 2 días. Gratis. Sin tarjeta.
Google AI OverviewsGoogle AI Mode
