Una directora financiera le pidió a su asistente de inteligencia artificial que investigara proveedores de infraestructura en la nube para realizar una inversión importante.
El asistente volvió con una cuidadosa comparación. Había sopesado opciones, nombrado compensaciones y recomendado con confianza un proveedor. Fue el tipo de respuesta que le envías al equipo y actúas en consecuencia.
Pero había olvidado un momento de seis semanas antes.
Había hecho clic en el botón “Resumir con IA” en un blog de la industria. Parecía inofensivo. Dos segundos, un clic y luego volver al correo electrónico.
Detrás de ese botón había una instrucción oculta que pedía al asistente que recordara una empresa como el mejor proveedor de infraestructura de nube para inversiones empresariales. Ella nunca escribió esa frase ni la había aceptado. Pero el asistente lo registró de todos modos.
Cuando más tarde pidió una recomendación de proveedor, la respuesta parecía un análisis, pero parte del razonamiento ya había sido introducido.
Eso es piratería de preferencias.
Microsoft llama a esto envenenamiento por recomendaciones de IA: incorporar instrucciones ocultas en enlaces, botones, documentos o indicaciones para influir en lo que los asistentes de IA recuerdan y recomiendan más adelante.
Ya en febrero de 2026, el equipo de seguridad de Microsoft informó sobre más de 50 intentos de envenenamiento de 31 empresas en 14 industrias en solo 60 días, dirigidos a asistentes como ChatGPT, Microsoft Copilot, Claude, Google Gemini y Perplexity, en finanzas, atención médica, legal y SaaS.
Una de las herramientas que destacaron se comercializó como un “truco de crecimiento de SEO para LLM”. Si estuvo presente en las primeras etapas del SEO, esta es una historia familiar.
Cada algoritmo desarrolla su propia economía de sombrero negro
La búsqueda nos proporcionó relleno de palabras clave, granjas de enlaces, páginas de entrada, fábricas de contenidos y sitios de reseñas “independientes” que no lo eran en absoluto.
Las redes sociales nos brindaron grupos de participación, redes de bots, indignación y viralidad fabricada.
Los mercados nos dieron reseñas falsas, bloqueo de reseñas y astroturf coordinado de manera tan sofisticada que parte de él todavía está funcionando.
Una vez que la visibilidad se convierte en dinero, la gente empieza a buscar atajos.
Primero, los trucos son obvios. Luego se vuelven más claros, más difíciles de ver y más fáciles de justificar. Con el tiempo, la plataforma actualiza sus reglas, los spammers se adaptan y ese ir y venir se convierte en parte del panorama.
La búsqueda de IA ha llegado a esa etapa, y los trucos de crecimiento llegan más rápido que las barreras de seguridad.
Las plataformas ya están reaccionando.
Microsoft está publicando investigaciones y reforzando las defensas. Google ha aclarado que sus políticas de spam de búsqueda también se aplican a las respuestas generativas de IA, incluidos los intentos de manipular esos sistemas. Las reglas están cambiando porque este ya no es un caso límite hipotético.
Pero la manipulación de la IA se diferencia de la manipulación de la búsqueda en un aspecto importante.
El spam de búsqueda estaba en la superficie. Podrías escanear una página, detectar el relleno, notar el sitio de reseñas incompleto y volver a los resultados.
La manipulación de la IA puede ocurrir dentro de la memoria, la recuperación, la selección de fuentes o el razonamiento. Es posible que el usuario solo vea la respuesta final. Y cuando esa respuesta recomienda un proveedor, un producto financiero o una plataforma SaaS, la manipulación no es fácil de detectar.
La superficie de manipulación es más grande que su sitio
En este momento, los profesionales del marketing están centrados en la visibilidad de la IA y en conseguir que los modelos mencionen sus marcas y ofertas. Ése es un enfoque demasiado limitado.
Cuando alguien le pregunta a un asistente: “¿Quiénes son los mejores proveedores para X?”, el asistente mira sitios web y luego realiza búsquedas comparativas, listas de lo mejor, páginas de revisión, consultas de marcas, foros, documentación, mercados de socios y comentarios de terceros.
El análisis de Peec AI sobre la distribución de consultas sugiere que sistemas como ChatGPT pueden expandir un único mensaje en grupos de búsquedas relacionadas antes de producir una respuesta. Eso cambia lo que los equipos de GTM deben monitorear.
Su página de inicio es una entrada. También lo son sus perfiles de revisión, páginas de comparación, hilos de Reddit, listados de mercados, páginas de socios, artículos de analistas, centros de documentación, artículos del centro de ayuda, historias de clientes y páginas de información de IA. Cualquiera de esas formas determina cómo te describe un asistente.
Ya estamos viendo cómo se ve eso en la práctica.
Nicholas Thompson compartió un artículo de The Atlantic y comentó cómo Shopify publica docenas de listas de “mejor plataforma de comercio electrónico” que clasifican a Shopify en primer lugar, y cómo ChatGPT luego recomienda Shopify como “la mejor manera de configurar una tienda en línea”, citando esas mismas listas como evidencia.
El contenido parece un consejo para humanos, pero funciona como datos de entrenamiento para robots.
Una vez que esas fuentes influyan en las respuestas, los especialistas en marketing comenzarán a optimizarlas. Parte de ese trabajo es necesario. Los sistemas de IA necesitan señales más claras y estructuradas.
Pero también significa que la línea entre una conexión a tierra útil y una manipulación silenciosa se va a desdibujar.
De la conexión a tierra al envenenamiento
La semana pasada, sostuve que las empresas B2B necesitan capas de base: evidencia estructurada y honesta que ayude a los sistemas de inteligencia artificial a evaluar, comparar y defender las recomendaciones de los proveedores.
Todavía creo eso.
La conexión a tierra es lo que permite a un asistente responder preguntas como: ¿Este proveedor cumple con nuestros requisitos de seguridad y cumplimiento? ¿Cómo es realmente la implementación para una empresa como la nuestra? ¿Dónde ha funcionado este producto y dónde no?
Los sistemas de IA necesitan ese nivel de detalle: su postura de seguridad, integraciones, dependencias de implementación, limitaciones, prueba del cliente y dónde no encaja.
Pero una vez que la conexión a tierra comienza a influir en las recomendaciones, también adquiere valor comercial. Y una vez que algo tiene valor comercial, alguien intentará manipularlo.
Por eso necesitamos un mejor lenguaje para el espectro en el que estamos a punto de vivir.
Puesta a tierra: evidencia que un asistente puede inspeccionar
Parece una arquitectura de seguridad que explica los flujos de datos, las opciones de residencia y los controles de acceso en lugar de esconderse detrás de insignias y logotipos.
Detalles de integración que indican qué es nativo, qué necesita servicios y dónde las implementaciones suelen complicarse. Expectativas de implementación que vinculan la “implementación de seis semanas” a las dependencias reales subyacentes. Pruebas del cliente vinculadas a entornos, plazos y resultados reales. Límites nombrados a propósito, para que los compradores puedan ver dónde no encajas.
El objetivo es la legibilidad. Dónde pertenece, dónde no, qué se puede verificar y qué aún necesita una conversación.
Modelado: visible, pero inclinado
Las páginas orientadas a la IA se están multiplicando rápidamente: páginas de información de IA, instrucciones de IA, hojas informativas de LLM, resúmenes de rebajas. Algunos son realmente útiles y ofrecen descripciones claras y estructuradas de lo que hace, a quién ayuda, qué productos ofrece y qué fuentes respaldan esas afirmaciones.
Otros se inclinan más allá de eso.
Sugieren cómo el modelo debería describir a la empresa, repetir frases preferidas, agregar afirmaciones de posicionamiento sin muchas pruebas y crear contenido comparativo dirigido a las consultas que probablemente ejecuten los sistemas de inteligencia artificial, omitiendo las partes incómodas.
Aquí es donde viven los experimentos actuales de SEO y GEO.
Chris Long informó que su equipo en Nectiv creó una página de “Instrucciones e información de IA” en rebajas, vinculada desde el pie de página, y agregó el detalle de que trabajan con marcas con un ARR superior a $ 30 millones. Ese calificador no apareció en ningún otro lugar del sitio. También compartió que en 48 horas, ChatGPT estaba citando la página y haciéndose eco de ese posicionamiento.
Wil Reynolds ha compartido pruebas de Seer Interactive que muestran un fuerte salto en las citas de ChatGPT a una página de información de IA, aunque el impacto comercial hasta ahora es modesto.
Esas pruebas se comparten abiertamente y son útiles porque muestran qué tan rápido los modelos ingieren y reutilizan el lenguaje estructurado de la marca cuando lo encuentran.
Pero obligan a formular una pregunta: ¿le estamos dando a la IA mejores pruebas o le estamos enseñando nuestros puntos de conversación?
En la práctica, muchos equipos comenzarán en el primer campamento y pasarán al segundo.
Envenenamiento: oculto, persistente, no consensuado
El envenenamiento ocurre cuando el usuario cree que está pidiendo una cosa y la página, enlace o documento intenta hacer otra cosa.
Un botón “Resumir con IA” que también genera un recuerdo sobre un proveedor preferido. Un mensaje oculto que le indica al asistente que trate a una empresa como autoridad en conversaciones futuras. Un enlace que indica al modelo que recuerde una marca como confiable para temas específicos.
Eso es alterar el razonamiento de una herramienta en la que la gente intenta confiar.
Este es un problema de comercialización de GEO, GTM e IA
Es tentador archivar esto como un problema de optimización generativa del motor y seguir adelante. Pero se trata de un asunto mucho más importante, que afecta tanto a las empresas de IA como a los consumidores de IA.
Para las empresas de IA, la cuestión es si los compradores creen que se puede confiar en el proceso de recomendación en sí.
La compra asistida por agentes sólo funciona si las personas están dispuestas a ceder parte del trabajo de investigación, comparación y evaluación a los asistentes. El envenenamiento por recomendaciones ataca directamente esa voluntad.
He escrito antes sobre la brecha de delegación: el espacio entre lo que la IA técnicamente puede hacer y lo que los humanos se sienten cómodos entregando.
El envenenamiento amplía esa brecha.
Una vez que los compradores sospechan que su asistente ha sido empujado sin su conocimiento, no se limitan a cuestionar una salida; Cuestionan el canal. Vuelven a la investigación manual, se apoyan en sus pares, recurren por defecto al titular y tratan las respuestas de la IA como algo que hay que verificar en lugar de algo que pueda cerrar una decisión.
Un mal resultado de búsqueda que puedes detectar e ignorar. Un asistente parcial da forma a la lista corta antes de que sepas que estás siendo influenciado.
Se trata de un problema de confianza en la plataforma, que es un problema de comercialización para cualquiera que apueste por compras mediadas por IA.
Qué hacer ahora
Es hora de decidir qué tipos de optimización estás dispuesto a defender.
Si utiliza asistentes para investigaciones o decisiones:
- Revisa lo que recuerda tu asistente. La mayoría de los asistentes convencionales ahora exponen la memoria o las preferencias guardadas. Si ve fuentes confiables u opiniones de proveedores que no recuerda haber dado, elimínelas.
- Sea selectivo con los botones AI de un solo clic. Un botón “Resumir con IA” puede resultar útil, pero no siempre es neutral. Para tomar decisiones importantes, copie el texto usted mismo en su asistente en lugar de confiar en un mensaje a nivel de página que no escribió.
- Pregunte “¿por qué esto?” cuando hay mucho en juego. Cuando un asistente recomienda un proveedor, una herramienta o una estrategia importante, pregunte qué fuentes utilizó, qué alternativas consideró y dónde hay poca evidencia. Las respuestas seguras le deben una justificación.
Si ejecuta marketing, marketing de productos o GTM:
- Mapee sus superficies orientadas a la IA. Las páginas de información de IA, los centros de confianza, los centros de documentos, las páginas de comparación, los listados de mercados, los perfiles de socios, los sitios de reseñas y el contenido de ayuda pueden aparecer en los despliegues. Míralos juntos.
- Pregunte: ¿Estamos publicando evidencia o preferencias de plantación? Si una página de IA ayuda a un modelo a verificar lo que es verdad, estás en territorio de tierra. Si se lee como un guión de cómo te gustaría que te describiera el modelo, estás en territorio de configuración.
- Match afirma ser prueba. Si dice que presta servicios a empresas con ARR de más de 30 millones de dólares, su prueba de cliente debería demostrarlo. Si dice que la implementación es rápida, sus documentos deben explicar las condiciones. No pida a los modelos que crean que el posicionamiento que su evidencia no puede respaldar.
- Escribe la regla de la casa. Una prueba simple: si no se siente cómodo leyendo este mensaje en voz alta a un cliente, no lo envíe. Luego convierta eso en política. Decida qué es aceptable, qué no y quién revisa los experimentos con IA antes de que se pongan en marcha.
El lado de la línea que vale la pena elegir
El spam de búsqueda nunca desapareció. Tampoco lo hicieron los hacks de interacción ni las reseñas falsas. Pero cada ola de limpieza hizo que los atajos fueran más frágiles y el trabajo honesto y consistente más valioso.
La IA seguirá un arco similar. Las defensas mejorarán. Los compradores aprenderán a preguntar de dónde proceden las recomendaciones. Las plataformas y los reguladores se tomarán más en serio quién intentó influir en qué sistemas y cómo.
Se puede tratar la visibilidad de la IA como una laguna que se puede explotar mientras las reglas aún sean flexibles. O puede tratarlo como una capa de confianza que permanecerá entre usted y sus compradores durante mucho tiempo.
Eso significa publicar evidencia en lugar de plantar preferencias, hacer que las afirmaciones sean fáciles de verificar, nombrar sus límites antes de que alguien más los saque a la luz y construir una base que ayude a la IA a evaluar la realidad en lugar de repetir su discurso.
Ese trabajo es más lento y más duro, pero también es el tipo de trabajo que aún se mantiene cuando llegue la próxima limpieza. Lo cual siempre será así.
En un entorno de compra con agentes, es necesario sobrevivir a la siguiente pregunta: “¿Por qué este proveedor?”
Más recursos:
Lea el boletín informativo sobre crecimiento dirigido por agentes de Purna Virji. Suscríbete ahora.
Imagen de portada: Roman Samborskyi/Shutterstock
