Ese es el eje de “La paradoja de la credibilidad: avanzando en la optimización de motores generativos desde la visibilidad hacia la reputación”, el nuevo informe de Burson, consultora global de comunicación, que analiza cómo distintas audiencias perciben las respuestas generadas por IA sobre empresas y marcas.

Las empresas, ante la paradoja de la credibilidad

El estudio plantea un giro en la conversación sobre Optimización para Motores Generativos, o GEO. La discusión ya no pasa únicamente por lograr que una compañía aparezca en las respuestas de los modelos de lenguaje, sino por conseguir que esas respuestas estén respaldadas por evidencias suficientes como para resultar confiables.

La firma define ese fenómeno como “la paradoja de la credibilidad”: una marca puede ser visible, citada o mencionada por la IA, pero perder valor reputacional si la narrativa que se genera sobre ella no convence a las audiencias relevantes.

“En el mundo actual de cero clics, los modelos de lenguaje son los nuevos guardianes de la reputación. Definen cómo se descubre y se evalúa una marca. Pero aparecer no es lo mismo que ser creíble”, explicó Corey duBrowa, CEO global de Burson.

Y agregó: “La IA sintetiza, resume y entrega información de forma directa. Aparecer en esas respuestas es necesario, pero no alcanza. Nuestro trabajo ya no es solo lograr visibilidad, sino construir un respaldo de evidencias tan sólido que lo que diga la inteligencia artificial resulte creíble para las audiencias que realmente importan. Este estudio es nuestra hoja de ruta para convertir esa paradoja en una ventaja competitiva”.

Para realizar el informe, Burson se alió con Profound, una plataforma especializada en marketing con inteligencia artificial. El análisis incluyó miles de prompts reputacionales en siete plataformas de IA: ChatGPT, Claude, Google AI Mode, Google AI Overviews, Google Gemini, Grok y Perplexity.

La muestra abarcó 85 empresas, 10 industrias, ocho dimensiones reputacionales y tres tipos de audiencias: población general, élites de opinión y decisores de negocios. Las dimensiones evaluadas fueron innovación, creatividad, reputación como empleador o workplace, productos y servicios, desempeño financiero, gobernanza, ciudadanía corporativa y liderazgo.

En total, Burson produjo más de 55.000 pronósticos de credibilidad mediante Burson Decipher, una herramienta desarrollada junto con Limbik, firma especializada en inteligencia artificial cognitiva. Cada respuesta fue evaluada según su nivel de credibilidad para los distintos públicos analizados.

IA y marcas: la prueba pesa más que el discurso

La principal conclusión del estudio es que la IA premia los hechos antes que las declaraciones institucionales. Los atributos más creíbles son aquellos que los modelos generativos pueden respaldar con señales externas, observables y verificables.

Según el ranking general de credibilidad por dimensión, la innovación aparece como el atributo más fuerte, seguido por creatividad, workplace, productos y servicios, desempeño financiero, gobernanza, ciudadanía corporativa y, en último lugar, liderazgo.

La diferencia es significativa. Los atributos asociados a “prueba” (como innovación, productos, creatividad o experiencia laboral) tuvieron un ranking promedio de 2,5. En cambio, aquellos más vinculados a “postura” o afirmaciones institucionales (como gobernanza, ciudadanía o liderazgo) registraron un promedio de 6,5.

En otras palabras: la IA tiende a construir relatos más creíbles cuando encuentra evidencia concreta. La cobertura periodística, las reseñas de usuarios, las opiniones de empleados, los rankings laborales, las señales de contratación, los informes financieros, la conversación en redes sociales y la validación de terceros pesan más que los mensajes propios de una compañía.

Esto implica un cambio relevante para las estrategias de comunicación. En el nuevo entorno de búsqueda generativa, las empresas ya no pueden depender únicamente de comunicados, postulados corporativos o campañas institucionales. Necesitan un ecosistema de evidencia consistente, actualizado y reforzado por voces externas.

El clima laboral, un activo reputacional subestimado

Uno de los hallazgos más destacados del informe es el peso del workplace, o reputación como empleador, en la construcción de credibilidad. Para el público general, los factores más creíbles fueron el clima de trabajo y productos, incluso por encima de innovación.

El dato sugiere que las audiencias masivas tienden a confiar más en señales humanas, concretas y experienciales que en conceptos más abstractos. En ese sentido, las reseñas de empleados, la información disponible en plataformas como Glassdoor o LinkedIn, la cobertura sobre cultura interna, los rankings laborales y los testimonios externos pueden convertirse en insumos relevantes para que la IA construya una narrativa positiva sobre una empresa.

Burson presenta al workplace como un “multiplicador de credibilidad”. No se trata solo de una dimensión vinculada a recursos humanos, sino de un activo reputacional que puede incidir en la forma en que los modelos generativos describen a una compañía ante clientes, inversores, talentos, reguladores o consumidores.

Sin embargo, el informe también advierte que muchas empresas todavía no aprovechan ese frente de manera estratégica. En un contexto en el que los modelos de lenguaje sintetizan información proveniente de múltiples fuentes, la experiencia de empleados y exempleados puede tener un impacto directo en la percepción pública de una marca.

Liderazgo, el punto más vulnerable

Si el workplace aparece como una oportunidad, el liderazgo surge como el principal punto débil. Las menciones a CEOs, equipos directivos y liderazgos corporativos fueron las menos creíbles en todas las industrias analizadas. De acuerdo con el informe, liderazgo quedó en los últimos dos puestos de credibilidad en cada uno de los sectores evaluados.

La explicación está en la naturaleza de las fuentes que utiliza la IA. Las afirmaciones sobre liderazgo suelen depender de comunicados de prensa, perfiles institucionales o mensajes corporativos, mientras que los modelos generativos tienden a valorar más la evidencia independiente. Cuando no encuentran datos de gobernanza, resultados financieros, validación externa o cobertura objetiva que respalde esas afirmaciones, la credibilidad cae.

El estudio marca algunas excepciones, especialmente en los sectores de tecnología y aeroespacial. En esos casos, la mayor credibilidad del liderazgo aparece asociada a empresas cuyos referentes están respaldados por datos de desempeño, innovación, gobernanza o validación de terceros, y no solo por discursos institucionales.

Quiénes creen más en lo que dice la IA

Otro hallazgo central del informe es que la credibilidad no funciona igual para todas las audiencias. Una misma respuesta generada por inteligencia artificial puede resultar convincente para un grupo y menos sólida para otro.

Según Burson, los decisores de negocios calificaron las respuestas generadas por IA como 10% más creíbles, en promedio, que la población general. Además, este público se mostró más receptivo a argumentos basados en innovación, desempeño y contexto de negocio.

La diferencia obliga a repensar las estrategias de GEO. No existe una fórmula universal para construir reputación en entornos de IA. Una narrativa que funciona para inversores puede no ser suficiente para consumidores; una explicación técnica puede convencer a decisores B2B, pero resultar poco clara para audiencias masivas; y una promesa institucional puede ser bien recibida por una comunidad, pero no tener respaldo suficiente para los algoritmos.

El informe distingue, en ese punto, entre dos tipos de problemas. El primero es la “carga de credibilidad”: la audiencia entiende el mensaje, pero exige pruebas más fuertes. El segundo es la “carga de traducción”: el valor de una empresa puede ser real, pero difícil de explicar o visualizar, especialmente en sectores técnicos, B2B o regulados.

Los sectores mejor y peor posicionados frente a la IA

El análisis sectorial también muestra diferencias marcadas. Tecnología fue el rubro más fuerte: quedó entre los dos primeros lugares en todas las dimensiones reputacionales. Aeroespacial también mostró una credibilidad elevada, con posiciones dentro del top tres en todos los indicadores.

En el extremo opuesto, Energía fue el sector más castigado. De acuerdo con el informe, terminó último en todas las dimensiones medidas, algo que Burson interpreta como una carga estructural de credibilidad.

La lectura es relevante porque muestra que la IA no evalúa a todas las industrias desde el mismo punto de partida. Algunas cuentan con mayor volumen de evidencia pública, más cobertura sobre innovación, productos o resultados, y una narrativa más fácil de traducir en señales verificables. Otras, en cambio, enfrentan mayores exigencias de prueba, escrutinio regulatorio, debates ambientales o dificultades para explicar su valor de manera simple.

El desafío para América Latina

El informe también plantea una advertencia específica para América Latina. La autoridad global y el contenido en inglés no siempre se traducen en credibilidad local. Para que una marca sea confiable en respuestas generadas por IA dentro de la región, necesita evidencia en español o portugués, validación de medios locales, fuentes reconocidas, reguladores, clientes y señales propias de cada mercado.

Esto implica que las empresas no pueden depender únicamente de su reputación internacional ni de contenidos producidos para audiencias globales. En mercados como la Argentina, Brasil, México, Chile o Colombia, la credibilidad también se construye con presencia local, cobertura regional, referencias culturales comprensibles y pruebas disponibles en el idioma en el que las audiencias buscan información.

Para las compañías que operan en varios países, el desafío es doble: sostener una narrativa global consistente, pero adaptarla a los contextos, fuentes y códigos de confianza de cada mercado.

Qué hacer: de los mensajes al ecosistema de evidencia

A partir de los hallazgos, Burson propone que las empresas pasen de una estrategia centrada en mensajes a una arquitectura de GEO basada en reputación. Esa arquitectura combina tres ejes: una narrativa consistente, autoridad acumulada por terceros y contenidos repetidos en múltiples formatos, voces y plataformas.

La propuesta integra cobertura orgánica, contenido propio y conversación en redes sociales dentro de una estrategia unificada. El objetivo es construir un ecosistema de voces independientes y creíbles que refuercen la narrativa de la compañía a lo largo del tiempo.

“Hasta ahora, el debate en torno al GEO se ha limitado a la presencia: asegurar que las marcas aparezcan en las respuestas de la IA. Pero la presencia sin credibilidad no genera valor reputacional; es solo exposición sin influencia”, señaló Rosina Barbastefano, Líder Regional de Insights, Datos e Inteligencia de Burson.

Y concluyó: “Los datos de este nuevo estudio demuestran que lo que comenzó como un desafío de visibilidad hoy es la prueba decisiva de si la reputación ganada en el mundo real es legible, está respaldada y resulta creíble para los algoritmos. Este informe revela que la confianza de las audiencias depende de la calidad e independencia de las evidencias disponibles, consolidando definitivamente al GEO como el nuevo terreno en la gestión de la reputación”.

Así las cosas, en el nuevo contexto, para las marcas, el nuevo desafío no es únicamente aparecer. Es lograr que, cuando la IA las juzgue, encuentre motivos suficientes para creerles.

La compañía dijo que al 31 de mayo tenía aproximadamente 141.000 empleados de tiempo completo, frente a 162.000 un año antes, una caída cercana al 13% de su plantilla global.

Oracle, entre la IA y el recorte de costos

Según su presentación anual ante los reguladores, Oracle dejó asentado que la expansión de la IA en sus operaciones ya tuvo efectos directos sobre su estructura interna. La frase más fuerte del documento fue esta: “La adopción y el despliegue de tecnologías de IA en todas nuestras operaciones han provocado, y podrían seguir provocando, reducciones en nuestra plantilla”, dijo Oracle en la presentación. Ese pasaje es clave porque no habla de una automatización hipotética, sino de un impacto presente y potencialmente persistente sobre el empleo.

La reducción de personal no parece explicarse por un solo factor. La propia empresa atribuyó los ajustes también a cambios de gestión y de productos, problemas de desempeño, giros estratégicos y adquisiciones. Aun así, el mensaje de fondo es que Oracle está usando la IA como parte de una reconfiguración más amplia de su negocio y de su estructura de costos.

Despidos por IA: qué dijo Oracle

Además de sus palabras sobre el impacto de la inteligencia artificial, en la misma presentación, Oracle advirtió que sus “reestructuraciones y reorganizaciones periódicas de la fuerza de trabajo pueden ser disruptivas”. Esa formulación sugiere que la compañía quiere anticipar a inversionistas y empleados que los cambios organizativos seguirán siendo parte de su hoja de ruta. En otras palabras, el ajuste no sería un hecho aislado, sino una tendencia asociada a la nueva etapa de inversión tecnológica.

El recorte de 21.000 puestos también coincide con una fuerte apuesta financiera por la infraestructura necesaria para competir en IA. De hecho, la compañía fundada por Larry Ellison invertirá este año más de u$s 50.000 millones en centros de datos.

Un cambio de fase para el trabajo

Más allá del caso Oracle, el episodio confirma un patrón que ya atraviesa al sector tecnológico. Meta, Microsoft y Amazon también impulsaron recortes o ajustes de personal en paralelo a sus inversiones en IA, en varios casos con el argumento de ganar eficiencia.

El contexto general también es consistente con un mercado laboral tech más presionado por la automatización. En ese marco, Oracle se suma a una lista de compañías que ya no presentan la IA solo como una promesa de productividad, sino como una herramienta que también achica plantillas.

Ola de despidos por IA

El caso de Oracle se inserta en una ola más amplia de recortes en tecnología, de la cual estos son los casos más notables:

• Amazon encabeza la lista con más de 30.000 puestos corporativos eliminados desde octubre de 2025.
• Meta anunció a fines de abril la eliminación de 8.000 empleados —el 10% de su plantilla global—, dejando sin cubrir otras 6.000 vacantes, mientras proyecta un gasto de hasta 169.000 millones de dólares en infraestructura de IA para 2026.
• Microsoft despidió 15.000 empleados en 2025 y ofreció bajas voluntarias a otros 8.750 en 2026 —medida inédita en sus 51 años de historia—.
• Intel eliminó 27.058 puestos para ahorrar 10.000 millones de dólares.
• Salesforce redujo su plantilla de atención al cliente de 9.000 a 5.000 personas. Su CEO Marc Benioff lo resumió sin eufemismos: “Necesito menos cabezas”. Los agentes de IA ya manejan hasta el 50% del trabajo.
• El exchange cripto Coinbase, uno de los más grandes del mundo, anunció esta semana el despido de 700 empleados (14% de su plantilla).
• PayPal planea eliminar el 20% de su personal en tres años.
• Snap recortó 1.000 puestos (16%).
• Block, la fintech de Jack Dorsey, creador de Twitter, eliminó 4.000 empleados —el 40% de su staff—.
• Workday despidió a 1.750 personas en 2025.
• Pinterest redujo un 15% de su fuerza laboral, unos 700 empleados, en enero de este año.