Un análisis de 5 días monitoreando cómo las principales plataformas de inteligencia artificial construyen sus recomendaciones sobre banca de personas en Guatemala.
¿Por qué medir la visibilidad en IA?
Durante más de dos décadas, posicionarse en Google significó aparecer entre los primeros resultados de búsqueda. Hoy, una parte creciente de las personas ya no busca: pregunta. Le piden directamente a ChatGPT, Gemini o a Claude, que les recomiende un banco, un proveedor o un servicio, y confían en la respuesta sin necesariamente visitar una página web.
Esto cambia por completo la forma en que una marca debe pensar su presencia digital. Ya no basta con ser encontrado; hay que ser la fuente que la inteligencia artificial considera lo suficientemente confiable para recomendar.
Para demostrar cómo funciona esto en la práctica, en Perinola diseñamos un estudio con un caso que cualquier persona puede entender de inmediato: la banca en Guatemala. No porque seamos expertos en finanzas, sino porque es una industria que todos reconocen, y eso hace que los hallazgos sean fáciles de interpretar y de trasladar a cualquier otro sector.
Metodología del estudio
¿Qué preguntamos?
Diseñamos 5 preguntas (prompts) que reflejan cómo una persona real le consultaría a una inteligencia artificial sobre banca personal en Guatemala:
| No. | Prompt |
|---|---|
| 1 | ¿Cuál es el mejor banco de Guatemala? |
| 2 | ¿Qué banco es más confiable en Guatemala? |
| 3 | Compara los principales bancos de Guatemala para personas |
| 4 | ¿Qué banco tiene la mejor app o banca móvil en Guatemala? |
| 5 | ¿Cuál es el banco más seguro de Guatemala? |
¿Dónde monitoreamos?
Las respuestas se capturaron en las cinco plataformas de IA con mayor adopción actual: ChatGPT, Gemini, Claude, Google AI Overview y Google AI Mode.
¿Durante cuánto tiempo?
El monitoreo se realizó de forma diaria del 2 al 7 de julio de 2026 (5 días), utilizando Semrush AIO Enterprise — una plataforma de monitoreo de IA a la que muy pocas agencias en Centroamérica tienen acceso.
¿Qué bancos incluimos?
Se incluyeron los siguientes bancos comerciales registrados en el listado oficial de participantes de cámara de compensación del Banco de Guatemala (Banguat) con presencia digital activa:
| No. | Nombre |
|---|---|
| 1 | Banco Agromercantil (BAM) |
| 2 | Banco de América Central (BAC) |
| 3 | Banco de Antigua |
| 4 | Banco de Desarrollo Rural (Banrural) |
| 5 | Banco G&T Continental |
| 6 | Banco Industrial (BI) |
| 7 | Banco Internacional (Interbanco) |
| 8 | Banco Promerica |
| 9 | Banco Ficohsa Guatemala |
| 10 | Banco de los Trabajadores (Bantrab) |
| 11 | Crédito Hipotecario Nacional (CHN) |
| 12 | Banco Azteca |
| 13 | Banco Cuscatlán |
El criterio de selección fue exclusivamente el listado oficial de Banguat — ningún banco fue incluido o excluido por relación comercial, tamaño o patrocinio con Perinola.
Disclaimer metodológico: Este estudio se enfoca exclusivamente en banca de personas (retail). La oferta de banca empresarial varía significativamente entre instituciones y no permite una comparación homogénea, por lo que fue excluida deliberadamente del análisis.
Nota de transparencia: Con 5 días de monitoreo, este estudio capta un corte puntual del comportamiento de las IA, no una tendencia de largo plazo. Las respuestas de los modelos pueden variar con el tiempo — por eso hablamos de «lo observado durante el periodo monitoreado» en lugar de conclusiones absolutas.
Lo que encontramos
1. Un banco domina de forma abrumadora y de manera consistente entre plataformas
BI (Banco Industrial) obtuvo un Share of Voice promedio de 87.4%, muy por encima del resto de instituciones monitoreadas. Fue, además, la marca mencionada en la posición #1 en las cinco preguntas del estudio, sin excepción — sin importar si el usuario preguntaba por «el mejor banco», «el más seguro» o «la mejor app».
Gráfica 1 — Share of Voice promedio por banco, 5 días de monitoreo, 5 modelos de IA
Lo más revelador no es solo que un banco domine, sino qué tan parejo es ese dominio entre plataformas distintas: el Share of Voice de BI se mantuvo entre 84% y 90% en los cinco modelos evaluados, una variación de apenas 6 puntos porcentuales.
Gráfica 2 — Share of Voice de BI por modelo de IA
Esta consistencia entre modelos —que no comparten el mismo entrenamiento ni las mismas fuentes internas— sugiere que la IA no está «opinando» de forma aislada, sino leyendo señales de autoridad que existen de forma independiente en internet y que distintos modelos coinciden en detectar.
2. La IA casi nunca cita al banco mismo — cita a terceros
Analizamos las 256 fuentes que las plataformas de IA utilizaron para construir sus respuestas durante el estudio. El resultado: 91.6% de las citas provienen de fuentes externas —medios especializados, rankings internacionales, foros como Reddit, redes sociales— y solo 8.4% corresponden a contenido publicado por los propios bancos.
Gráfica 3 — Origen de las fuentes citadas por las IA durante el monitoreo
Esto es, quizás, el hallazgo con mayor implicación práctica del estudio: la autoridad digital ante una inteligencia artificial no se construye únicamente optimizando el sitio propio. Se construye, en su gran mayoría, a través de terceros que hablan de la marca — medios, reseñas, comparadores, menciones en foros. El sitio institucional del banco fue, en promedio, la fuente menos citada entre todas las categorías analizadas.
3. Cinco de los bancos monitoreados resultaron prácticamente invisibles para la IA
Interbanco, Ficohsa, CHN, Banco de Antigua y Banco Cuscatlán registraron un Share of Voice cercano a cero durante los cinco días de monitoreo. Ninguno de los cinco prompts los posicionó como una recomendación relevante, a pesar de ser instituciones bancarias reguladas y con presencia digital activa.
Gráfica 4 — Share of Voice de los 13 bancos monitoreados
La ausencia no significa que estas instituciones no existan o no sean sólidas financieramente — significa que, durante el periodo observado, no tenían la señal de autoridad digital suficiente para que un modelo de IA las considerara al construir una recomendación.
4. El liderazgo no es uniforme: cambia según la categoría de la pregunta
Al desglosar las menciones por categoría temática, BAC superó a BI en menciones relacionadas con experiencia digital y banca móvil (123 menciones frente a 88), aunque BI mantuvo el liderazgo general de Share of Voice.
Gráfica 5 — Menciones por categoría temática, principales bancos
Esto confirma que la visibilidad en IA no es una sola competencia: un modelo puede reconocer a una marca como líder en un atributo específico (por ejemplo, experiencia digital) sin que eso se traduzca en liderazgo general. Para cualquier empresa, esto implica que la estrategia de autoridad digital puede — y quizás debería — construirse por categoría o atributo, no solo de forma genérica.
5. Ser el más mencionado no es lo mismo que ser el más visitado
Al cruzar estos resultados con datos históricos de tráfico referido desde plataformas de IA (noviembre 2025 a mayo 2026), encontramos que Banrural recibió más visitas totales atribuibles a IA (6,525) que BI (4,159), a pesar de que BI concentra el mayor Share of Voice de menciones.
Este matiz es importante: el Share of Voice mide qué tan seguido una IA menciona o recomienda una marca al construir su respuesta, mientras que el tráfico real depende también de otros factores —cómo se presenta el enlace, si el usuario decide dar clic, o si la mención llevó a una búsqueda posterior de marca en Google. Ser mencionado con frecuencia es una condición favorable, pero no garantiza automáticamente más visitas.
Hallazgo destacado
9 de cada 10 veces que una inteligencia artificial recomienda un banco en Guatemala, la información no proviene del sitio web del banco — proviene de un tercero. Y 5 de los 13 bancos más establecidos del país fueron prácticamente invisibles para la IA durante el periodo monitoreado.
¿Qué significa esto para las marcas?
Los patrones que observamos en este estudio no son exclusivos de la banca. Cualquier empresa que quiera ser la respuesta que una inteligencia artificial recomienda necesita construir las mismas señales de confianza:
| No. | Señal | Descripción |
|---|---|---|
| 1 | Autoridad temática | Contenido profundo y consistente sobre su especialidad, no solo páginas de ventas. |
| 2 | Reputación digital externa | Menciones en medios, reseñas verificadas y presencia en fuentes que la marca no controla directamente — el hallazgo más consistente de este estudio. |
| 3 | Datos estructurados | Información técnica (schema markup) que facilita que los modelos de lenguaje entiendan de qué trata el negocio. |
| 4 | Consistencia de marca | El mismo nombre, los mismos datos de contacto y la misma propuesta de valor repetida de forma coherente en todo internet |
Las empresas que empiecen a construir esto hoy tendrán una ventaja difícil de igualar cuando los agentes de IA —que ya no solo responden preguntas, sino que empiezan a comparar proveedores y tomar acciones— sean parte del proceso habitual de decisión de compra.
¿Tu marca aparece en ChatGPT, Gemini o Claude?
La mayoría de las empresas en Guatemala todavía no lo sabe. Nosotros sí podemos medirlo, con la misma metodología y las mismas herramientas que usamos en este estudio. Realizamos auditorías de SEO y Visibilidad en AIO, para ayudar a organizaciones a descubrir cómo está su visibilidad digital.
Sobre este estudio
En Perinola llevamos desde 2007 ayudando a empresas de Guatemala, Centroamérica, Estados Unidos y Europa a construir autoridad digital. Somos Semrush Enterprise Partner para Guatemala y Centroamérica, una certificación que nos da acceso a inteligencia competitiva y herramientas de análisis que muy pocas agencias en la región poseen — la misma capacidad que usamos para este estudio.
Este es el primer estudio de una serie que continuaremos publicando en distintas industrias, con el mismo objetivo: mostrar de forma concreta y con datos reales cómo funciona la visibilidad de marca en la era de la inteligencia artificial.
Si tu empresa busca fortalecer su posicionamiento en buscadores e inteligencia artificial, en Perinola somos una agencia de SEO en Guatemala con más de 19 años construyendo autoridad digital para marcas en la región.
Preguntas frecuentes
¿Qué es la visibilidad en IA (AIO)?
Es la disciplina que mide y optimiza qué tan seguido y de qué forma una marca aparece mencionada en las respuestas de plataformas de inteligencia artificial como ChatGPT, Gemini o Claude. Es la evolución natural del SEO tradicional hacia un entorno donde las personas ya no solo buscan, también preguntan directamente.
¿Cómo deciden ChatGPT, Gemini o Claude (y otras IA) qué marca recomendar?
Los modelos de IA construyen sus respuestas evaluando señales de confianza: autoridad del sitio, calidad y profundidad del contenido, menciones en medios confiables, reseñas y consistencia de la información de marca en distintas fuentes. Como muestra este estudio, priorizan de forma abrumadora las fuentes externas por encima del contenido propio de la marca.
¿Por qué el estudio se enfoca solo en banca de personas y no empresarial?
Porque la oferta de banca empresarial varía mucho de un banco a otro, lo que hace difícil comparar «manzanas con manzanas«. La banca de personas es más homogénea entre instituciones, lo cual permite una comparación metodológicamente más sólida.
¿Con qué frecuencia cambian las respuestas de las IA?
Varían con el tiempo y no siempre son idénticas entre plataformas o incluso entre consultas del mismo día. Por eso este estudio se realizó con monitoreo diario durante varios días, en lugar de basarse en una sola consulta puntual.
¿Qué pueden hacer las empresas para mejorar su visibilidad en plataformas de IA?
Los primeros pasos son: auditar cómo las describen hoy las distintas plataformas de IA, fortalecer el SEO técnico del sitio, implementar datos estructurados, y construir autoridad mediante menciones en medios y fuentes externas relevantes para su industria — el factor que este estudio identificó como más determinante.
¿Perinola planea hacer estudios similares en otras industrias?
Sí. Este es el primero de una serie de estudios que continuaremos publicando en distintos sectores, con el objetivo de demostrar con datos reales cómo funciona la visibilidad de marca en la era de la inteligencia artificial.
