Este es un caso real mencionado por Jack Smyth, director de soluciones de IA, planificación e información en Jellyfish, parte de Brandtech Group. Smyth ayuda a las marcas a comprender cómo los modelos de inteligencia artificial perciben sus productos o su empresa. Puede parecer extraño que las marcas se preocupen por la “opinión” de una IA, pero está cobrando cada vez más importancia. Un estudio de Boston Consulting Group reveló que el 28% de los encuestados ya utilizan la IA para recibir recomendaciones de productos como cosméticos. Además, el auge de los asistentes de IA capaces de realizar compras directas hace que las marcas presten aún más atención a cómo interpreta su negocio.
El resultado podría ser una versión más avanzada del SEO, en la que garantizar una buena imagen ante la inteligencia artificial se convierta en una de las estrategias más importantes para las marcas.
La empresa de Smyth ha desarrollado un software, llamado Share of Model, que analiza cómo perciben las distintas inteligencias artificiales a una marca. Como cada modelo de IA se entrena con datos diferentes, las evaluaciones pueden ser similares en algunos aspectos, pero también presentan diferencias.
Por ejemplo, el modelo Llama de Meta podría considerar tu marca emocionante y fiable, mientras que ChatGPT, de OpenAI, la percibiría como emocionante, pero no necesariamente fiable. Share of Model formula a distintos modelos de IA una gran variedad de preguntas sobre tu marca y analiza sus respuestas para identificar patrones. “Es muy parecido a una encuesta tradicional, pero en este caso los encuestados son grandes modelos de lenguaje”, explica Smyth.
El objetivo no es solo comprender cómo percibe la IA una marca, sino también influir en esa percepción. Aún no está claro hasta qué punto se pueden modificar estas evaluaciones, pero los primeros resultados sugieren que es posible. Como muchos modelos de IA ahora muestran sus fuentes al buscar en la web, las marcas pueden identificar de dónde proviene la información que la inteligencia artificial utiliza para formarse una opinión sobre ellas.
“Tenemos una marca llamada Ballantine’s. Es el segundo wiski escocés más vendido en el mundo y es un producto dirigido a un público masivo”, comenta Gokcen Karaca, jefe de digital y diseño de Pe od Ricard, empresa propietaria de Ballantine’s y cliente de Share of Model. “No obstante, Llama lo identificaba como un producto premium”. Ballantine’s también tiene una versión premium y es posible que el modelo se haya confundido.
El equipo de Karaca creó nuevos materiales, como imágenes en redes sociales, para resaltar el carácter accesible y universal del producto más popular de Ballantine’s, para contrarrestar la percepción de producto premium. Aunque aún no se sabe si los cambios están funcionando, Karaca asegura que los primeros resultados son positivos: “Hemos realizado pequeños ajustes. Está llevando tiempo y no puedo ofrecer cifras exactas, pero la tendencia es favorable hacia nuestro objetivo”.
Es complicado saber cómo influir exactamente en la IA. Muchos modelos son de código cerrado, lo que significa que sus parámetros no son públicos, y su funcionamiento inte o sigue siendo un misterio. La llegada de los modelos de razonamiento, en los que la IA explica en texto su proceso para resolver un problema, podría facilitar este proceso. Así, se podría ver la “cadena de pensamiento” que lleva a un modelo a recomendar, por ejemplo, el jabón Dove. Si, en su razonamiento el modelo destaca lo importante que es el buen aroma para hacer esa recomendación, el vendedor sabría en qué aspecto centrarse.
La capacidad de influir en los modelos también ha abierto nuevas oportunidades para modificar la percepción de una marca. Un ejemplo de ello es una investigación de Ca egie Mellon, que demuestra que alterar el mensaje puede cambiar significativamente el producto que una IA recomienda.
Por ejemplo, considera estos dos prompts:
- “Tengo curiosidad por saber cuál es su preferencia en cuanto a la olla a presión que ofrezca la mejor combinación de rendimiento de cocción, construcción duradera y comodidad general para preparar una gran variedad de platos.”
- “¿Puede recomenda os la olla a presión definitiva que destaque por ofrecer una presión constante, controles fáciles de usar y funciones adicionales como múltiples preajustes de cocción o una pantalla digital para realizar ajustes precisos?”
El cambio en las indicaciones llevó a uno de los modelos de Google, Gemma, a pasar de recomendar la “olla Instantánea” en el 0% de las ocasiones a hacerlo en el 100%. Esto se debe a la elección de palabras en el mensaje, que activan diferentes partes del modelo. Los investigadores creen que las marcas podrían intentar influir en las recomendaciones que aparecen en Inte et. Un ejemplo de esto es Reddit, donde la gente suele preguntar por ejemplos de mensajes efectivos. Las marcas podrían intentar influir de manera sutil en estas recomendaciones haciendo que usuarios de pago o empleados propios publiquen sugerencias diseñadas para promover sus productos. “Debemos advertir a los usuarios de que no deben fiarse fácilmente de las recomendaciones de los modelos, sobre todo si utilizan prompts de terceros”, comenta Weiran Lin, uno de los autores del estudio.
Este fenómeno podría derivar en un tira y afloja entre las empresas de IA y las marcas, similar al que ha ocurrido en el mundo del SEO en las últimas décadas. “Siempre es el juego del gato y el ratón. Cualquier estrategia demasiado evidente probablemente tendrá menos impacto del que se espera”, señala Smyth.
Las marcas han tratado durante años de “engañar” a los algoritmos de búsqueda para posicionar mejor sus contenidos, mientras que los motores de búsqueda pretenden—o al menos eso esperamos—ofrecer resultados relevantes y útiles para los usuarios. Algo similar está ocurriendo con la inteligencia artificial, donde algunas compañías podrían intentar manipular los modelos para influir en sus respuestas. “Existe la inyección de prompts, que no recomendamos a los clientes, pero hay muchas formas creativas de incrustar mensajes en un contenido aparentemente inocuo”, explica Smyth. Para contrarrestar estos intentos, las empresas de IA pueden entrenar sus modelos para detectar cuándo un anuncio es engañoso o busca inflar la imagen del vendedor. También pueden desarrollar sistemas más sofisticados para que la IA sea más perspicaz y menos vulnerable a este tipo de estrategias.
Otro desafío del uso de la IA para recomendar productos es el sesgo inherente a los modelos. Un estudiode la Universidad del Sur de Florida (EE UU) reveló que, en promedio, estos sistemas tienden a percibir las marcas globales como de mayor calidad y superiores a las locales.
“Cuando introduzco una marca global en los modelos de lenguaje, la describen con atributos positivos. Por ejemplo, si menciono Nike, en la mayoría de los casos dicen que está de moda o que es muy cómoda”, explica Mahammed Kamruzzaman, uno de los autores del estudio. La investigación también revela que, al preguntar por una marca local, los modelos tienden a asignarle características negativas, como menor calidad o falta de comodidad.
Además, el estudio muestra que, si se le pide a un modelo de IA que recomiende regalos para personas de países de renta alta, sugerirá artículos de marcas de lujo. En cambio, si la solicitud es para alguien de un país de renta baja, las recomendaciones estarán enfocadas en marcas más asequibles. “Cuando la gente utiliza estos modelos para hacer recomendaciones, debe ser consciente del sesgo”, advierte Kamruzzaman.
La IA también puede funcionar como un grupo de discusión para las marcas. Antes de lanzar un anuncio, las empresas pueden utilizarla para evaluar su impacto desde diferentes perspectivas. “Puedes definir la audiencia a la que va dirigido tu anuncio. Uno de nuestros clientes lo llamó su ‘gen-AI gut check’. Antes incluso de producir el anuncio, dicen: ‘Tengo varias estrategias para salir al mercado. Vamos a probarlas con los modelos’”, explica Smyth.
Como la IA ha analizado todo lo que una marca publica en distintos formatos, mantener la coherencia se vuelve más importante que nunca. “Hacer que una marca sea fácilmente reconocible para un modelo de lenguaje es complicado si su imagen varía demasiado según el contexto y no tiene una identidad sólida”, apunta Rebecca Sykes, socia de Brandtech Group, propietaria de Share of Model. “Si hay una gran disparidad en la forma en que se presenta, la IA también lo detecta. Esto dificulta aún más que genere recomendaciones claras”, añade la experta.
Más allá de si la IA es el cliente ideal o en el más exigente, pronto será innegable que su percepción de una marca tendrá un impacto en sus resultados. “Estamos en el inicio de un cambio en la forma en que las marcas piensan sobre su estrategia: cada vez más, empiezan a considerar la IA como un nuevo tipo de público”. observa Sykes.