Hace unos días me llamaron para visitar una azulejera en Castellón. Grande, de las que exportan a medio mundo. Un equipo de marketing de 15 personas, todos con años de oficio y muy claros en lo que hacían. Yo mismo dirigí en su día un equipo de marketing en Castellón, más pequeño, enfocado sobre todo en campañas de ads y generación de demanda. Conozco bien el ritmo del sector: catálogos densos, presión por lanzar colecciones y la sensación constante de ir detrás del calendario.

Me enseñaron con entusiasmo su «integración de IA en el flujo de contenido». Cada mañana los redactores abrían ChatGPT, pedían textos para fichas de producto, los pegaban en el PIM, los revisaban y publicaban. La responsable de RRSS hacía lo mismo para Instagram. El equipo de email copiaba asuntos casi tal cual. Había incluso un Google Doc interno, «Prompts útiles», que circulaba entre todos.

Irene, la coordinadora de implementación de nuevas tecnologías, era la persona más preparada del equipo en este tema. Había leído mucho, había hecho varios cursos sobre cómo aplicar IA a procesos internos de marketing, tenía carpetas enteras con frameworks y casos de uso. Y aun así, me dijo algo que resume lo que les pasa a muchos equipos ahora mismo: «Tengo tanta información que ya no sé qué decisión tomar». No era falta de criterio. Era exceso de inputs sin un marco propio para filtrarlos.

Cuando abrí Perplexity y busqué «mejores azulejeras de Castellón para proyectos contract», me devolvió un mapa de comercios locales con puntuaciones de Google, no un ranking de fabricantes. La marca no aparecía. Probé la misma pregunta en Gemini y en ChatGPT: ambas dieron un ranking de fabricantes encabezado por los grandes del sector, y en ninguno de los dos aparecía la marca. Dos bloques de respuesta completamente distintos: ranking sectorial por un lado, mapa de comercio local por otro. Y al revisar la web descubrí parte del porqué: los Schema estaban prácticamente sin implementar. Ni los datos estructurados de producto, ni los de organización, ni los de breadcrumbs estaban correctamente marcados. Una marca con ese volumen de catálogo, invisible para los motores que leen la web de forma estructurada.

La lección fundamental: lo que tu equipo ve como un proceso obvio puede estar produciendo resultados invisibles.

Este es el patrón que más veo en 2026. Equipos profesionales incorporan la IA como un paso más dentro de un flujo que ya funcionaba, mientras dejan sin tocar las bases técnicas que hacen que una marca sea recuperable. La IA no se suma al flujo, lo cambia. Y no se trata solo de aparecer: se trata de aparecer en la lógica correcta. Un comprador contract no busca en un mapa de Google, busca referentes sectoriales. Si tu marca solo está optimizada para un tipo de lógica, desapareces justo donde tu cliente te espera.

3 filtros para revisar si vuestro uso de la IA está dando resultados reales:

1. Prueba del prompt ciego: coge un prompt que usa tu equipo y dáselo mentalmente a un redactor de la competencia. Si le serviría igual de bien, ese prompt no tiene nada vuestro dentro.
2. Prueba del modelo externo (y no solo uno): pregunta a Perplexity, ChatGPT y Gemini lo mismo que preguntaría un cliente vuestro antes de comprar. Comprueba no solo si aparecéis, sino qué tipo de respuesta devuelven. No es el mismo juego en cada una, y casi siempre parte de la respuesta está en los Schema.
3. Prueba del vocabulario: revisa diez textos generados esta semana. ¿Cuántos contienen terminología específica de vuestro sector que la competencia no sabría usar con la misma naturalidad? Si la respuesta es pocos, estáis produciendo texto intercambiable.

La IA no convierte a un buen equipo en uno mejor por defecto. Acelera lo que ya hacíais, con vuestras virtudes y también con los puntos ciegos que ni siquiera sabíais que existían.

¿Cuánto de lo que publica tu equipo esta semana podría haber salido del marketing de cualquier competidor vuestro?