Estar arriba importa menos de lo que crees: la auditoría causal de las citas de IA

Un preprint publicado el 14 de septiembre de 2026 por los investigadores independientes Sriram Selvam y Anneswa Ghosh —proyecto CITECHOICE— audita por primera vez con control causal qué hace que un motor de IA cite un documento en vez de otro. El resultado central: en los datos observacionales, la brecha de tasa de cita entre la posición 1 y la posición 5 del retrieval es de 42,3 puntos porcentuales; al reordenar los mismos documentos de forma controlada, el efecto se reduce a +7,9 puntos porcentuales, no significativo, y a 0,0 puntos porcentuales en la muestra de comprobación (held-out).

El diseño es un replay contrafactual: CITECHOICE congela 129 transcripciones auténticas de búsqueda agéntica multi-turno, aísla 113 pares de documentos que sostienen el mismo hecho dentro de la misma conversación —103 confirmados por revisión humana ciega— y vuelve a ejecutar la respuesta cambiando una sola variable cada vez: el orden del par o el formato del documento. Tres avisos van pegados a cada cifra de este preprint: corre sobre un solo motor, GPT-5.4 vía Exa, sin dato de si Gemini, Claude o Perplexity reparten el crédito igual; los autores no declaran afiliación institucional; y es la versión 1 de un preprint sin revisión por pares, fechada apenas seis días antes de esta pieza, a 20 de septiembre de 2026.

1. ¿Cuánto de la ventaja de estar arriba es causa, y cuánto es casualidad?

La mayor parte de la ventaja de estar arriba es confusión, no causa: los documentos mejor colocados en el retrieval ya eran mejores por otras razones, y forzar el reordenamiento apenas mueve la aguja.

Cifra destacada 42,3 pp

CITECHOICE mide la brecha de tasa de cita en dos mundos. En observación —sin tocar nada— la diferencia entre citar la posición 1 y citar la posición 5 es de 42,3 puntos porcentuales. Al forzar el reordenamiento con control causal, el efecto cae a +7,9 puntos porcentuales en el replay principal, no significativo, y a 0,0 puntos porcentuales en la muestra de comprobación held-out. Selvam y Ghosh publican esta comparación en el preprint del 14 de septiembre de 2026, sobre 113 pares de documentos revisados.

Observado · posición 1 vs 5Causal · replay controlado

42,3 pp+7,9 pp

El propio preprint lo resume así: «Second, observational position differences exceed controlled reordering effects: the citation-rate gap between rank 1 and rank 5 is 42.3 percentage points, compared with +7.9 percentage points in the main replay and 0.0 percentage points held out» (Selvam y Ghosh, preprint del 14 de septiembre de 2026, versión 1, sin revisión por pares; en español: las diferencias de posición observacionales superan los efectos del reordenamiento controlado; la brecha de tasa de cita entre el puesto 1 y el puesto 5 es de 42,3 puntos porcentuales, frente a +7,9 puntos porcentuales en el replay principal y 0,0 puntos porcentuales en el held-out).

Esto matiza también si posicionar en Google sirve para que un motor de IA te cite: el survey crítico de GEO (Olivier Martinez, 45 trabajos revisados entre 2023 y 2026) recuerda que el paper original que popularizó el optimismo del sector —el de GEO de Princeton, arXiv:2311.09735, con tácticas de laboratorio como citas, estadísticas y comillas— prometía hasta un +40 % de visibilidad, pero ese resultado vale «solo dentro de su marco experimental» y no es una promesa de tráfico. CITECHOICE llega meses después con el mismo escepticismo, pero con un mecanismo causal detrás.

Fuente: Survey crítico de GEO (Olivier Martinez) · arXiv, 15-jul-2026

El lado observacional de esta misma cuestión ya lo contamos aparte: cuánto pesa el ranking orgánico en Google sobre las citas de los resúmenes de IA, con datos de Conductor sobre millones de citas de AI Overviews en Estados Unidos. Léelo junto a esta pieza: aquí está el mecanismo causal que faltaba, allí el patrón observado a gran escala.

Fuente: Rigol&Co · el 57 % de las citas de los resúmenes de IA sale de fuera del top 10

2. ¿Qué es lo único que sobrevive al control: el formato del documento?

Lo único que sí sobrevive al control causal es el formato del documento: estructurarlo bien gana citas, y esta vez con significación estadística.

Cifra destacada +0,50 citas/respuesta IC 95% [+0,20, +0,84] · p=.033

Es la primera vez que tenemos un efecto causal limpio detrás de una recomendación que llevaba meses repitiéndose por correlación. El meta-análisis de Zyppy Signal (Cyrus Shepard, ex-Moz, sobre 54 estudios y 23 factores de cita puntuados por fuerza de evidencia, 7 de mayo de 2026) ya puntuaba los datos estructurados con 5,6 sobre 9,5 —modesto, pero con la nota de que «prácticamente todo estudio que lo mira encuentra relación positiva»—; CITECHOICE es el primero en medir ese positivo con un diseño causal, no solo correlacional. Shepard vende una newsletter y consultoría sobre estos mismos factores: el sesgo comercial va pegado a su ranking, aunque la metodología —agregar y ponderar 54 fuentes— sea abierta y autocrítica.

Fuente: Zyppy Signal (Cyrus Shepard) · meta-análisis de 54 estudios y 23 factores de cita, 07-may-2026 · vende newsletter y consultoría de GEO sobre estos mismos factores

El mismo meta-análisis de Zyppy puntuaba el ranking de búsqueda (Search Rank) con 9,4 sobre 9,5 y el ranking del fan-out con 9,3 —los factores mejor evidenciados del sector, justo detrás de la accesibilidad de la URL—, basado en estudios mayormente correlacionales. La auditoría causal de CITECHOICE, sin sustituir ese consenso, le pone un límite concreto: dentro del propio retrieval, la ventaja causal de estar arriba se queda en +7,9 puntos porcentuales, no en los 42,3 que sugiere mirar solo la correlación.

Fuente: Zyppy Signal (Cyrus Shepard) · meta-análisis de 54 estudios y 23 factores de cita, 07-may-2026 · vende newsletter y consultoría de GEO sobre estos mismos factores

3. ¿Por qué un test de una sola pasada no mide nada fiable?

Porque la propia medición de citas tiene un suelo de variación que no depende de que cambie nada del documento: cualquier test de visibilidad de una sola pasada es, en buena parte, ruido.

Cifra destacada 15 % ~45 % de la varianza

El survey crítico de GEO llega a la misma alarma desde otro ángulo: al auditar herramientas comerciales de seguimiento GEO encuentra «low source overlap, substantial run-to-run variability, and persistent fidelity gaps» —baja coincidencia de fuentes, variabilidad relevante entre pasadas y huecos de fidelidad persistentes— entre herramientas que miden lo mismo. Dos fuentes independientes entre sí y de CITECHOICE por autores y centro —Olivier Martinez frente a Selvam y Ghosh— llegan a la misma conclusión desde ángulos distintos: sin varias pasadas, un número de visibilidad no se puede defender.

Fuente: Survey crítico de GEO (Olivier Martinez) · arXiv, 15-jul-2026

4. ¿Qué hacer con esto, y qué no prometer?

Con esto delante, la prioridad de trabajo cambia poco en la superficie y mucho en el peso que le das a cada palanca.

Con lo que hay, y sin prometer causalidad donde no la hay

1. No priorices "salir primero en el retrieval" como palanca aislada: el efecto causal medido es de +7,9 puntos porcentuales y no significativo — mucho menos de lo que sugiere la brecha observada de 42,3 puntos.
2. Sí prioriza el formato: estructurar el documento es la única palanca con efecto causal medido y significativo en este experimento, +0,50 citas por respuesta.
3. Desconfía de cualquier informe de visibilidad de una sola pasada: re-decodificar la misma conversación cambia el 15 % de las decisiones de cita — pide varias pasadas antes de reportar un número a un cliente.
4. No traslades esto a Gemini, Claude o Perplexity sin más: el experimento mide un solo motor, GPT-5.4 vía Exa, y nada garantiza que otros repartan el crédito igual.

Lo que este preprint no dice, y conviene no forzarlo: no dice que la posición no importe —+7,9 puntos no es cero, y en el Google clásico el ranking sigue siendo el mejor predictor individual de cita medido hasta ahora—, ni es una guía táctica de GEO con pasos garantizados. A septiembre de 2026 es, sobre todo, el primer experimento causal limpio que separa qué de lo que se recomienda tiene un mecanismo detrás y qué es solo la foto de una correlación.

Todas las cifras verificadas del tema, con fecha: el hub de datos de SEO y búsqueda con IA de Rigol&Co reúne el resto de datos verificados hasta ahora sobre citas de motores de IA, con su fuente, su fecha y su sesgo declarado.

Fuente: Rigol&Co · Estadísticas de SEO y búsqueda con IA 2026