Reputación algorítmica. ¿El fin del greenwashing?
El consumidor del futuro no se va a leer los informes de sostenibilidad. Delegará la tarea en agentes IA que sí lo harán.
La semana pasada comunicábamos que Asesores de Relaciones Públicas y Comunicación se incorpora a Good Rebels. Una firma que lleva treinta años trabajando en reputación, influencia y relato. Y la unión de sus capacidades a las de creatividad, diseño, tecnología y datos de Good Rebels se produce en un momento en que nos cuestionamos cómo los motores de IA (y en breve, los agentes de compra) entienden la reputación corporativa e influyen en la misma.
Cuando alguien pregunta a ChatGPT qué proveedor es más fiable o qué marca elegir, la respuesta se construye a partir de señales de autoridad: medios, expertos, consistencia, calidad de las fuentes. La reputación editorial pasa a ser reputación algorítmica. En este escenario, el PR es una pieza clave.
Bienvenidos, Asesores!
La reputación corporativa ha llevado asociada durante décadas un trabajo de narrativa. Los departamentos de comunicación construían el relato, la publicidad lo amplificaba, el branding lo convertía en una promesa difícil de verificar pero fácil de recordar. El edificio descansaba sobre una asimetría cómoda: las empresas sabían más sobre sí mismas que sus clientes (sobre todo antes de Internet), y esa ventaja informativa permitía moldear la percepción con márgenes amplios de licencia poética.
Ahora, la inteligencia artificial sumada a las vastas cantidades de información que la digitalización pone al alcance del consumidor es capazs de cuestionar el relato oficial antes de cada decisión de compra. La convergencia de tres fuerzas - los LLMs como nueva capa de descubrimiento, los agentes autónomos de compra y la trazabilidad verificable - rebalanceará la asimetría informativa. La confianza, que era un activo controlado, se está convirtiendo en un dato auditable.
La autoridad ya no se deposita en instituciones o individuos, y menos en campañas de marketing: se ha reensamblado en grafos de conocimiento, y desde allí, se calcula. La IA convertirá la reputación corporativa en una cuestión de arquitectura de datos. El consumidor del futuro no leerá el informe de sostenibilidad; lo delegará en un agente que sí lo hará. Evolucionaremos de la persuasión emocional a la verificación fáctica.
Tres Nobel de Economía que lo predijeron sin saberlo.
En 1961, George Stigler publicó The Economics of Information con un argumento sencillo: los consumidores dejan de buscar cuando el coste marginal de seguir haciéndolo supera el beneficio esperado. De ahí que nos conformemos con opciones suficientemente buenas en lugar de óptimas. Un agente de IA, sin embargo, compara centenares de productos y miles de reseñas en segundos. El coste de búsqueda tiende a cero. El consumidor transita sin esfuerzo de "esto me sirve" a "esto es lo mejor", y la lealtad a una marca queda expuesta en cuanto aparece una opción con mejores credenciales verificables.
En 1970, George Akerlof demostró en The Market for Lemons que la asimetría informativa degrada los mercados: cuando compradores y vendedores conocen cosas distintas, los productos malos expulsan a los buenos porque nadie paga más por una calidad que no puede distinguir. El branding y la publicidad nacieron, entre otras cosas, para resolver este problema separando melocotones (productos con calidad) de limones. Pero si la IA permite al consumidor verificar por su cuenta si los claims de la marca se sostienen en datos, buena parte del aparato deja de ser necesario. La reputación algorítmica funciona como antídoto contra la opacidad.
En 1973, Michael Spence añadió en Job Market Signaling la pieza que faltaba: en mercados asimétricos, los candidatos a puestos laborales de alto nivel invierten en señales costosas para diferenciarse. En marketing, cada anuncio premium, cada patrocinio, cada sello vistoso es una señal à la Spence. Pero la señal tiene sentido mientras la calidad real sea difícil de verificar. El día que un agente pueda consultar directamente datos sobre la cadena de suministro, las condiciones laborales o las reseñas no pagadas, el galón pintado en la solapa pierde valor informativo.
Stigler ganó el Nobel en 1982. Akerlof y Spence lo compartieron con Joseph Stiglitz en 2001. Los tres estudiaron mercados asimétricos que pavimentaron el marketing moderno. Y los tres anticiparon, sin saberlo, lo que ocurre cuando esa asimetría desaparece.
El consumidor que hace due diligence.
La transición de una IA asistencial (que sugiere) a una IA agéntica (que ejecuta) no parece tener un horizonte muy lejano. Morgan Stanley estima que los agentes de compra autónomos gestionarán entre 190.000 y 385.000 millones de dólares en transacciones B2C en EEUU para 2030. La cifra es incluso conservadora si se compara con los 3 a 5 billones de dólares que McKinsey calcula. En el B2B, Gartner proyecta que el 90% de las compras serán intermediadas por agentes de IA en 2028, moviendo un volumen de 15 billones de dólares.
Los datos de comportamiento parecen sustentar estas macroproyecciones. Un estudio de IBM y NRF publicado en enero revela que el 45% de los compradores ya usa IA en alguna parte del proceso de compra: un 41% para investigar productos y un 33% para interpretar reseñas. Adobe, por su parte, documentó que el tráfico hacia retailers procedente de plataformas generativas creció casi un 700% interanual en la campaña navideña de 2025. Y lo más relevante: ese tráfico convierte un 31% más que el procedente de otras fuentes. El consumidor que llega por mediación de un agente no viene a curiosear; viene con un filtro ya aplicado.
Imaginemos la conservación con el agente IA. “Quiero comprar 2 kilos de café en grano, presupuesto máximo 40 €. Solo consideraré opciones con sello de Comercio Justo y certificación de agricultura ecológica, condiciones salariales dignas y ausencia de pesticidas químicos. Prioriza marcas de comercio directo con cooperativas locales y que utilicen packaging compostable“. Hace dos años, esta consulta habría exigido horas de investigación, y seguramente habría quedado incompleta.
La reputación que los algoritmos leen.
Todo esto presupone algo que hoy todavía es excepcional: datos estructurados, verificables y auditables sobre la operación de cada marca. En este contexto blockchain podría adquirir un rol ya anticipado: trazabilidad inmutable de cadenas de suministro, registros no manipulables de emisiones, verificaciones de terceros “hasheadas” en cadena. El mercado de tecnologías blockchain para trazabilidad pasará de unos 4.560 millones $ en 2026 a más de 55.310 millones en 2035.
Hay casos operativos suficientes para que esto deje de ser prospectiva. Unilever lleva años rastreando el aceite de palma desde la cosecha hasta el producto final con GreenToken, la solución blockchain de SAP, que procesó en Indonesia más de 188.000 toneladas de fruto. Hyundai y Kia han implementado un sistema en blockchain y IA para monitorizar las emisiones de CO2 de cada proveedor. El proyecto TRACE-RICE en Portugal vinculó una app con códigos QR en los paquetes de arroz. Al escanearlos, el cliente accede en tiempo real a la información de origen y prácticas agrícolas, respaldadas por blockchain.
Por supuesto, blockchain no es indispensable. La función que cumple (un registro auditable que ningún actor controla unilateralmente) puede asumirla también un certificador de tercera parte con autoridad reconocida y metodología transparente. Un modelo más analógico que lleva décadas funcionando: agencias de rating financiero, sellos como Fairtrade o EcoVadis, o la certificación B Corp, que evalúa a las empresas en cinco áreas (gobernanza, trabajadores, comunidad, medio ambiente y clientes) con cerca de 200 preguntas verificadas y una puntuación pública. Good Rebels está certificada B Corp obteniendo 81,5 puntos en su última evaluación.
El EU Digital Product Passport podría actuar de catalizador regulatorio. Empezará a implementarse en 2026, con vigor pleno en 2030 y exigirá que prácticamente todos los productos vendidos en la UE incluyan datos verificables sobre composición, huella de carbono e instrucciones de reciclaje, accesibles mediante un identificador digital único.
Es la reputación convertida en base de datos: cada faceta (huella de carbono, diversidad de la plantilla, condiciones laborales, procedencia de materiales, cumplimiento ético) queda fragmentada en métricas comprobables, registros cifrados y pruebas de terceros. El relato se vuelve auditoría: cada claim de calidad deberá estar respaldado por un hash en cadena o un certificado digital. El consumidor del futuro no se va a leer los informes de sostenibilidad. Esa tarea la delegará en agentes IA que sí lo harán.
Reputación algorítmica: del claim al feed.
Para pensar la transición con algo más de estructura que el mero asombro, conviene distinguir tres regímenes de comunicación reputacional que coexisten hoy en distintas proporciones según la madurez de cada marca. Llamémosles claims, proof y feeds.
Claim. Es el régimen Spence en estado puro. La marca afirma algo sobre sí misma y la afirmación se sostiene gracias a la inversión en señalización: anuncios caros, patrocinios prestigiosos, sellos vistosos, storytelling de propósito. Funciona mientras el coste de verificación sea alto para el comprador y mientras la institución que emite el claim tenga autoridad narrativa suficiente.
Proof. La marca puede demostrar lo que afirma si alguien se molesta en preguntar. Existen informes ESG, certificaciones de terceros, auditorías de sostenibilidad, reportes de huella de carbono. Son evidencias reales pero mediadas por instituciones humanas y, sobre todo, pensadas para lectores humanos que rara vez las consultan. El régimen proof es una transición imperfecta: hay pruebas, pero el coste de acceder a ellas sigue siendo prohibitivo para el consumidor individual. Es donde viven hoy la mayoría de compañías grandes y bien intencionadas.
Feed. La marca (o certificadores externos) expone sus credenciales en formatos que una máquina puede consumir sin intermediación humana: APIs de trazabilidad, datos estructurados sobre emisiones por lote, registros en cadena de condiciones laborales, passports digitales compatibles con DPP, metadatos agent-readable en el catálogo. La reputación se convierte en una fuente de datos verificable por el agente del consumidor en el mismo instante en que éste está evaluando alternativas. No hay informe que leer ni historia que contar: hay un feed que un algoritmo interpreta.
Algunos de los proyectos GEO sobre reputación corporativa en los que trabajamos hoy desde Good Rebels, se ejecutan desde el “claim”. Cómo los modelos recogen los valores declarados (por la marca o por terceros). La mayoría de compañías europeas tienen su proof razonablemente en orden (la regulación ha obligado) pero no se ha empezado siquiera a pensar en feeds. Quien arranque ese trabajo con tiempo llegará a la economía agéntica con cierta ventaja.
El final de los mercados opacos… y del greenwashing.
Durante décadas, la teoría económica ha descrito mercados ideales con información perfecta presuponiendo que estos nunca existirían. Los departamentos de comunicación y marketing han explotado ese hueco entre la ficción y la realidad poco verificable y el greenwashing campa a sus anchas.
La IA podría terminar permitiendo, por primera vez a escala, que los mercados funcionen como los manuales suponían que deberían funcionar. Con información razonablemente completa. Sin intermediarios narrativos. Con precios y atributos auditables. Akerlof tenía razón: los mercados opacos se llenan de limones. Y los mercados transparentes recompensan a quienes trabajan para serlo, no sólo parecerlo.
Volvemos a tu buzón en 15 días!
Fernando y Carlos.
Lanzamos el I Barómetro de IA en Marketing y Comunicación en España.
Foro IA y la Asociación de Marketing de España (AMKT) acaban de publicar la primera radiografía del estado de adopción de la IA en el sector en España: el 84% lo considera crítico, el 86% la usa para generar contenidos, solo el 27,5% ha integrado la IA de forma madura y apenas el 10% ve impacto en variables de negocio.
Hay tres hallazgos que merecen lectura pausada: las empresas medianas (50-99) van por delante de las grandes; las que se declaran “en transformación” tienen menos gobernanza que las que se declaran un escalón por debajo.
Descarga el informe completo aquí.
Actualidad.
La conferencia HumanX (del 6 al 9 de abril en San Francisco) confirmó la claudemanía del sector: mientras Open AI se percibe como una entidad dispersa con un porfolio de productos caótico, Anthropic se ha ganado a los desarrolladores y al mercado empresarial con su enfoque obsesivo en herramientas de productividad sólidas. La evolución de las suscripciones de empresas a modelos IA en EEUU que recoge Ramp parece indicar que el dominio de Open AI está a próximo a terminar. En lo que sí coinciden ambas es en la necesidad de aumentar ingresos para cubrir los costes de entrenamiento astronómicos: la inferencia (procesar las consultas de los usuarios) aún consume más de la mitad de los ingresos, aunque se espera que la eficiencia técnica haga bajar progresivamente ese coste.
Y Anthropic lanzó Claude Opus 4.7. La función “Pensamiento adaptativo” ha tenido una acogida agridulce. Y también ha lanzado Claude Design, una herramienta para desarrollar prototipos, presentaciones y materiales de marketing a través de instrucciones de voz, que lleva a la industria de la negación a la aceptación (pasando por la ira).
Forbes ha presentado la lista AI 50 (8ª edición). Más allá de los dos grandes dominadores (Anthropic y Open AI), el panorama actual destaca por una diversificación estratégica y una intensa competencia. Surgen nuevas potencias en áreas especializadas: Physical Intelligence en robótica, Suno en creación musical, Chai Discovery en farmacología y Mistral como alternativa soberana en Europa.
Deep Research y Deep Research Max están diseñadas para ejecutar tareas de investigación de “largo horizonte”. Con una precisión del 93.3% en tareas de investigación compleja, generan de forma nativa visualizaciones, gráficos e infografías, convirtiendo datos brutos en informes profesionales listos para su uso. GOOGLE
Reflexiones.
La IA está transformando la economía tecnológica: hemos pasado de costes marginales cero (distribuir software a un usuario más no costaba nada) a medir el coste de oportunidad del cómputo. Ben Thompson explica que la potencia de cálculo es hoy un recurso finito y extremadamente caro; por eso, Microsoft, OpenAI o Anthropic deben decidir a qué dedicar sus chips: si a mejorar sus propios productos, a dar servicio a clientes o a investigar nuevos modelos. En este contexto, Meta se encuentra en una posición única con Muse: al no tener servicios para empresas, puede volcar todo su potencial en el mercado de consumo, sin los sacrificios que atenazan a sus competidores. STRATECHERY
Andrej Karpathy cree que la percepción de la IA se ha fracturado en dos: mientras los usuarios de versiones gratuitas critican errores básicos y alucinaciones, los profesionales usan modelos agénticos (Codex o Claude Code) con capacidades asombrosas resolviendo problemas complejos de ingeniería y seguridad. Esta brecha se debe a que las empresas de IA priorizan dominios verificables y rentables, como la programación, y han dejado en segundo plano las tareas creativas o el asesoramiento general. Este artículo del MIT apunta en la misma linea.
Investigación.
El AI Index Report de la Universidad de Stanford mide el pulso anual del estado de la IA. Es un informe extenso y detallado, pero el MIT ofrece un resumen: EEUU y China empatan en la carrera tecnológica (EEUU domina en infraestructura, China en patentes y robótica), el coste ambiental es alto (los centros de datos consumen energía equivalente a todo el estado de Nueva York) y hay opiniones divergentes respecto al impacto en el empleo: el 73% de los expertos son optimistas, pero solo el 23% de los estadounidenses comparte esa visión.
Otro estudio que incide en la brecha entre productividad individual y estructural: el 65% de los trabajadores afirma que la IA ha mejorado su rendimiento personal (especialmente en roles de liderazgo, salud y técnicos), pero solo el 10% cree que la tecnología ha transformado realmente la operativa de su organización. GALLUP
Casi un tercio (32,7%) de los ciudadanos de la UE utilizamos la IA generativa en 2025. Los principales usos son privados (25%), profesionales (15%) y educativos (9%). Entre quienes no la usan, el motivo principal (39%) es la falta de necesidad. EUROSTAT
Tres años después del lanzamiento de ChatGPT, no hay evidencias de un desplazamiento laboral masivo en el Reino Unido. Un análisis de 412 ocupaciones muestra que no hay diferencias significativas en los niveles de empleo entre los sectores más y menos expuestos a la IA. LINK
Según un estudio de Writer y Workplace Intelligence, un 29% de los empleados (44% en la Generación Z) admite boicotear la estrategia de IA de su compañía por FOBO (Fear Of Becoming Obsolete): usan herramientas no aprobadas, filtran datos confidenciales o degradan la calidad del trabajo que hace la IA para hacer que parezca ineficaz. Lo llamativo es que tiran piedras contra su propio tejado, porque los súperusuarios de la IA tienen tres veces más probabilidades de obtener ascensos y aumentos salariales. FORTUNE
MCX (mkt, comms y cx).
Andon Labs ha hecho un experimento para medir la capacidad de gestión de la IA en el mundo real. Creó un agente (Luna, basado en Claude 4.6) y le dotó de un presupuesto de 100.000 dólares y autonomía total para crear y gestionar una boutique física en San Francisco. Hubo luces y sombras: la IA localizó el local, negoció con el propietario, contrató profesionales para la reforma, entrevistó y seleccionó a los empleados, pagó a proveedores y eligió el inventario para crear una experiencia de compra física real y funcional. Pero también equivocó los turnos (los clientes encontraran la tienda cerrada en la inauguración), intentó vender productos que no tenía, y le costó entender o procesar algunas peticiones y matices. Tal vez en un par de generaciones, habrá corregido esos errores.
En el reciente festival de Coachella han proliferado los influencers generados con IA que simulan su presencia en el evento, muchos con un realismo asombroso y sin advertir de que se trata de contenido sintético. La autenticidad se sacrifica a cambio de atraer patrocinios o derivar tráfico a plataformas de contenido para adultos como OnlyFans o Fanvue. THE VERGE
Starbucks ha lanzado una app en ChatGPT para descubrir y personalizar bebidas mediante lenguaje natural e imágenes. La herramienta interpreta vibras o contextos visuales; por ejemplo, se le puede pedir algo “brillante para la mañana”, o subir una foto de un atardecer para recibir una sugerencia que combine con ese momento. LINK
El 75% de los norteamericanos desconfiaría de un agente IA en el momento en que supiera que una marca ha pagado para que recomiende sus productos. NASDAQ
Mientras, Open AI ha lanzado su gestor de anuncios para empresas (ad manager) y pretende alcanzar 100.000 millones $ de ingresos publicitarios en 2030. Un objetivo no sólo posible, sino probable. LINK
Puma ha estrenado un vendedor IA en su tienda de Las Vegas. Recomienda productos y responde en más de 100 idiomas. LINK
Aún hay más…
Pew Research analiza el rol de las RRSS en la vida de los adolescentes: el 70% de los jóvenes describe su experiencia como positiva o neutra, mientras el 24% de los padres cree que estas redes dañan la salud mental de sus hijos. PEW RESEARCH
Aunque hace quince días ya hablamos de los riesgos para la ciberseguridad de Claude Mythos, no anticipamos correctamente la seriedad del asunto. Ni la portada de The Economist.
Meta superará este año por primera vez los ingresos publicitarios de Google, según las previsiones de eMarketer. REUTERS
Fabula es un asistente desarrollado por Google Research para ayudar a autores a crear y refinar historias. X
Sony AI ha construido un robot capaz de batir a jugadores de élite en el tenis de mesa. LINK
The Economist, célebre desde 1843 por el anonimato de sus redactores, va a lanzar Economist Play: corresponsales y editores darán la cara en análisis, debates y entrevistas, para competir en vídeo con los creadores individuales. NYT
Allbirds (la marca de calzado sostenible que fue icono de Silicon Valley) se refunda como NewBird AI y se pasa al negocio de la infraestructura (GPU-as-a-Service). ARS TECHNICA