La investigación de prompts es el proceso de identificar las preguntas completas y conversacionales que tu comprador le hace a ChatGPT, Gemini o Perplexity, en lugar de las palabras clave sueltas que escribiría en Google. El keyword research tradicional falla en la búsqueda con IA porque las herramientas de SEO indexan términos de dos o tres palabras con volumen medible, mientras que las consultas reales a un asistente son frases largas, con contexto de rol y situación, que ninguna base de datos de keywords registra.
Esto no es una proyección sobre el futuro del marketing. En la propiedad de Search Console de Best Solution ya aparecen consultas de más de treinta palabras, escritas como se le habla a un asistente, posicionando en los primeros lugares. Este artículo muestra esas consultas reales, explica por qué tu herramienta de keywords no las ve, y entrega el procedimiento para construir tu propio inventario de prompts.
- Semrush analizó 126 millones de prompts de búsqueda con IA entre enero y abril de 2026 para su AI Visibility Index (Semrush, 2026).
- El 45% de los líderes de marketing no puede medir con precisión la visibilidad de su marca dentro de las respuestas generadas por IA (Semrush, 2026).
- ChatGPT cita en promedio 15 fuentes por respuesta; Gemini solo 3. La competencia por entrar en esa lista es radicalmente distinta en cada motor (Semrush, 2026).
- Las organizaciones que integran SEO y visibilidad en IA en una sola estrategia reportan aumento de tráfico o leads en un 81% de los casos, frente a un 36% de las que los gestionan por separado (Semrush, 2026).
¿Qué es la investigación de prompts y en qué se diferencia del keyword research?
La investigación de prompts documenta la pregunta completa que una persona le formula a un modelo de lenguaje, incluyendo el rol desde el que pregunta, la restricción que enfrenta y el resultado que busca. El keyword research documenta el fragmento mínimo que esa misma persona escribiría en un buscador para llegar a un listado de enlaces.
La diferencia no es de longitud, es de naturaleza. Una palabra clave es una consulta de recuperación: el usuario acepta revisar diez resultados y armar la respuesta por su cuenta. Un prompt es una consulta de resolución: el usuario delega el trabajo de sintetizar y espera una recomendación única.
Esa distinción cambia qué contenido gana. Para una palabra clave, gana la página que mejor coincide con el término. Para un prompt, gana la fuente que el modelo considera suficientemente confiable como para citarla dentro de una respuesta que él firma. Es la lógica que sostiene toda la disciplina del Generative Engine Optimization.
Un ejemplo del mismo comprador en los dos mundos. En Google escribe “agencia seo b2b”. En ChatGPT escribe: “soy socio director de una consultora de ingeniería con 40 personas, ¿qué debería hacer para que apareciéramos cuando alguien pregunta por proveedores de nuestro rubro en Chile?”. La intención comercial es idéntica. El contenido que responde cada consulta no tiene nada que ver.
¿Por qué las herramientas de keyword research no ven las consultas conversacionales?
Las herramientas de keyword research se alimentan de bases de datos de clickstream y de la API de Google Ads, que agrupan consultas por volumen mensual. Una frase de treinta palabras formulada por una sola persona en un mes no alcanza el umbral mínimo de registro: aparece como volumen cero o simplemente no existe en el índice.
El resultado es un punto ciego estructural. La herramienta te muestra un universo de términos cortos con volumen, y omite exactamente las consultas donde el comprador expone su contexto completo que son las que un modelo generativo puede resolver bien y las que tienen mayor intención de compra.
A esto se suma que los motores generativos no publican sus registros de consultas. No existe un Search Console de ChatGPT. Por eso el 45% de los líderes de marketing declara no poder medir su visibilidad en respuestas de IA (Semrush, 2026): no es negligencia, es ausencia de instrumentación nativa.
La consecuencia práctica es que la investigación de prompts no se resuelve comprando una licencia. Se resuelve construyendo el inventario a mano, desde fuentes que sí registran lenguaje conversacional.
¿Cómo se ven las consultas en formato prompt en una propiedad chilena real?
Estas son consultas registradas en la propiedad de Google Search Console de bestsolution.cl entre el 9 de mayo y el 6 de agosto de 2026. No son ejemplos construidos: son datos agregados y anónimos de personas que llegaron al sitio escribiendo así.
| Consulta registrada | Palabras | Posición |
|---|---|---|
| “como socio director de una consultora… ¿qué herramientas me dicen qué hacer para que nuestra consultora aparezca más en los motores de respuesta con ia cuando alguien busca servicios de consultoría?” | 31 | 1,5 |
| “mejores agencias de geo y seo en chile para empresas b2b” | 11 | 2,7 |
| “¿cuál es la mejor agencia geo (generative engine optimization) de chile?” | 11 | 3,2 |
| “qué agencias de marketing en latam se especializan en optimización para chatgpt y buscadores de ia” | 16 | 6,0 |
Tres observaciones que se desprenden de estos datos y que ninguna herramienta de keywords habría anticipado.
Primera: el rol viene declarado. La consulta de 31 palabras abre identificando a quien pregunta “como socio director de una consultora”. Ese encuadre es información de segmentación que el usuario entrega gratis y que en una palabra clave tradicional simplemente no existe.
Segunda: la pregunta trae su propia restricción. No pregunta “qué es GEO”, pregunta “qué herramientas me dicen qué hacer”. Está a dos pasos de contratar y busca un procedimiento, no una definición. El contenido que gana ahí es operativo, no divulgativo.
Tercera: el vocabulario del usuario incluye la desambiguación. Escribe “agencia geo (generative engine optimization)” porque sabe que “geo” es ambiguo. Está haciendo el trabajo de resolución de entidad dentro de su propia consulta y espera que la fuente que lo responda hable con esa misma precisión.
Una nota metodológica honesta: Search Console registra estas consultas porque el usuario terminó pasando por la Búsqueda de Google. Los prompts formulados directamente dentro de ChatGPT o Perplexity, sin escalar a un buscador, no aparecen en ningún panel. La muestra es real pero parcial, y ese es precisamente el argumento para complementarla con las fuentes que vienen a continuación.
“¿Cómo puedo saber qué le preguntan a la inteligencia artificial sobre mi empresa?”
Para saber qué le preguntan a la inteligencia artificial sobre tu empresa, primero revisa las consultas largas en tu Search Console. Después pregúntale directamente a ChatGPT, Gemini y Perplexity lo que preguntaría tu cliente, y anota qué empresas mencionan. Ese contraste entre lo que tú ofreces y a quién nombran ellos es tu punto de partida.
¿Cuáles son las fuentes reales para construir un inventario de prompts?
No existe una herramienta única que resuelva esto. La investigación de prompts se arma cruzando cuatro fuentes, cada una con una cobertura distinta y limitaciones propias.
#1. Search Console
Consultas largas de tu propia propiedad.
Filtra tus consultas por número de palabras y quédate con las de más de ocho. Es la única fuente donde ves lenguaje conversacional real dirigido específicamente a tu sitio, con posición y volumen medibles.
El Análisis: es tu fuente de mayor valor porque nadie más la tiene. Los prompts que aquí aparecen ya te encontraron: indican dónde tu contenido está funcionando en formato conversacional.
El Contrapunto: solo registra consultas que pasaron por la Búsqueda de Google. Los prompts resueltos íntegramente dentro de ChatGPT no aparecen nunca.
Cobertura: alta en precisión, parcial en alcance.
Ideal para: empezar el inventario con datos propios y verificables.
#2. Interrogación directa
Preguntar a los propios motores generativos.
Formula en ChatGPT, Gemini y Perplexity las preguntas que haría tu comprador y registra qué empresas mencionan, qué fuentes citan y con qué criterio ordenan las opciones.
El Análisis: es la única forma de observar el resultado real. Documenta además la asimetría entre motores: ChatGPT cita 15 fuentes por respuesta y Gemini solo 3, así que la dificultad de entrar en cada lista es distinta.
El Contrapunto: las respuestas varían entre sesiones y se personalizan por historial. Exige repetir la consulta en ventana privada y en varias fechas antes de concluir algo.
Cobertura: observación directa, sin volumen asociado.
Ideal para: medir tu Share of Answer frente a competidores.
#3. Conversaciones comerciales
El archivo de tu propio equipo de ventas.
Correos de clientes, formularios de contacto, transcripciones de reuniones y objeciones recurrentes. Ahí está el lenguaje exacto con el que tu comprador describe su problema antes de conocer tu jerga.
El Análisis: es la fuente más fiel a la intención de compra, porque proviene de personas que ya avanzaron en el proceso. Un prompt derivado de una objeción real convierte mejor que uno inferido de una herramienta.
El Contrapunto: requiere trabajo manual de lectura y clasificación, y depende de que el equipo comercial documente sus interacciones.
Cobertura: profunda en intención, baja en volumen.
Ideal para: detectar el vocabulario del cliente antes de la jerga técnica.
#4. Comunidades y foros
Reddit, LinkedIn y foros sectoriales.
Los modelos generativos se apoyan de forma notoria en plataformas comunitarias. Las preguntas que la gente publica ahí están escritas en el mismo registro conversacional que usan al consultar un asistente.
El Análisis: doble beneficio. Obtienes formulaciones auténticas y además identificas los espacios desde los que los motores extraen contexto sobre tu sector.
El Contrapunto: en Chile el volumen de discusión B2B en estas plataformas es bajo, y buena parte de las preguntas relevantes está en inglés y requiere adaptación.
Cobertura: amplia en formulación, débil en contexto local.
Ideal para: ampliar el inventario con variantes de redacción.
5 criterios para validar un prompt antes de escribir contenido
No todo prompt recolectado merece un artículo. Antes de invertir, exígele a cada uno estos cinco filtros:
- Trae un rol declarado: si la consulta identifica quién pregunta (“como gerente de operaciones…”), puedes escribir para un segmento concreto en lugar de para todos.
- Pide un procedimiento, no una definición: los prompts que empiezan con “cómo”, “qué debería” o “qué herramientas” están más cerca de la contratación que los que empiezan con “qué es”.
- Puedes responderlo con dato verificable: si solo puedes contestarlo con opinión, el modelo preferirá citar a quien aporte cifras. Sin dato propio, no compitas por ese prompt.
- No lo cubre ya otra página tuya: dos contenidos respondiendo el mismo prompt dividen la señal y ninguno consolida autoridad. Revisa tu inventario antes de escribir.
- Alguien más ya está siendo citado: si al formular el prompt el motor nombra empresas, hay demanda comprobada. Si responde en genérico, el nicho aún no está formado y el retorno será lento.
¿Qué se hace con los prompts una vez que tienes el inventario?
Un inventario de prompts no se convierte en un artículo por prompt. Se agrupa por intención y se traduce en estructura: cada grupo se transforma en un bloque de contenido cuyo encabezado reproduce la pregunta y cuyo primer párrafo la responde de forma autosuficiente.
La razón es técnica. Los sistemas de recuperación aumentada por generación no leen páginas completas: fragmentan el contenido y recuperan los fragmentos que mejor responden la consulta. Un bloque que responde una sola pregunta y se sostiene solo es recuperable; un párrafo que depende de los tres anteriores para entenderse, no. Es el mismo principio que rige la arquitectura silo aplicada a los AI Overviews.
Después viene la parte que casi nadie hace: cerrar el ciclo. Formula el prompt otra vez en cada motor treinta y sesenta días después de publicar, y registra si tu marca entró en la respuesta. Sin esa verificación no sabes si el contenido funcionó solo sabes que existe.
Ese seguimiento explica por qué las organizaciones que integran SEO y visibilidad en IA en una misma estrategia reportan aumento de tráfico o leads en un 81% de los casos, frente a un 36% de las que trabajan ambos frentes por separado (Semrush, 2026). No es una cuestión de escribir más, sino de medir lo que ya escribiste.
Preguntas frecuentes sobre investigación de prompts
¿La investigación de prompts reemplaza al keyword research tradicional?
No lo reemplaza, lo complementa. El keyword research sigue siendo válido para la demanda que pasa por buscadores tradicionales, que continúa siendo mayoritaria. La investigación de prompts cubre la capa conversacional que las herramientas de keywords no registran. Descartar una por la otra deja la mitad de la demanda sin atender.
¿Existe alguna herramienta que muestre los prompts reales de ChatGPT?
No existe un panel oficial equivalente a Search Console para ChatGPT, Gemini o Perplexity: ninguno publica sus registros de consultas. Hay plataformas comerciales que estiman prompts mediante paneles de usuarios y consultas simuladas, pero trabajan con muestras, no con datos censales. Por eso la investigación de prompts se construye cruzando varias fuentes en lugar de comprar una licencia.
¿Cuántos prompts necesito para empezar a trabajar?
Entre 20 y 30 prompts bien validados bastan para estructurar un plan de contenidos de varios meses. La cantidad importa menos que la calidad del filtrado: 25 prompts que declaran rol, piden procedimiento y puedes responder con dato propio valen más que 200 recolectados sin criterio. Aplica los cinco filtros antes de contar.
¿Sirve la investigación de prompts para una empresa pequeña?
Sirve especialmente. Los motores generativos no ponderan por tamaño de empresa sino por coherencia y verificabilidad de las señales, y las consultas conversacionales suelen ser demasiado específicas para que las grandes marcas las cubran. Una empresa pequeña con datos propios y respuestas concretas compite en ventaja frente a una corporación con contenido genérico.
¿Cuál es el primer paso concreto si nunca he hecho esto?
Entra a tu Search Console, abre el informe de rendimiento de los últimos tres meses y filtra las consultas que contengan más de ocho palabras o que incluyan signos de interrogación. Esa lista es tu primer inventario de prompts, sale de datos propios y no cuesta nada. A partir de ahí, contrasta con lo que responden ChatGPT y Perplexity sobre tu sector.
Deja de adivinar qué le preguntan a la IA sobre tu industria
Construir el inventario de prompts es la parte fácil. Lo difícil es traducirlo en arquitectura semántica que los motores generativos puedan recuperar y citar. En nuestra Agencia GEO en Chile partimos midiendo qué responden hoy ChatGPT, Gemini y Perplexity cuando alguien busca una empresa como la tuya, y a quién están citando en tu lugar.
Solicitar Auditoría GEO Gratuita
