Geographic Context Collapse: Cuando la IA se olvida de que existes

TL;DR: Entre el 19 y el 30 de marzo de 2026, la visibilidad de Qonto en GPT-5.3 cayó un 42%, de una media base del 38% a una media post-colapso del 22%. Nuestra investigación revela que no fue un problema de Qonto. Un fenómeno que hemos bautizado como Geographic Context Collapse hizo que GPT-5.3 sustituyera marcas financieras europeas por alternativas estadounidenses como Chase, Wells Fargo y Bank of America, incluso cuando los usuarios preguntaban explícitamente sobre banca francesa. Luego lo confirmamos en otros sectores: un marketplace español de motos perdió el 60% y una marca española de salud fue borrada un 93%. Mientras tanto, tres marcas estadounidenses que monitorizamos. Kaggle, Tesla y Kyndryl, se mantuvieron estables o subieron. El colapso es geográfico, es unidireccional y va de Europa a Estados Unidos.

Nota sobre la métrica: pico a valle, la caída de Qonto llega al 73% (del 44% al 12%); sobre la media base-vs-post-colapso es un 42%. Ambas son reales; en este artículo usamos el 42% porque es la métrica directamente comparable con las otras seis marcas del dataset.

El día que la IA se olvidó de Francia

El 19 de marzo de 2026 pasó algo absurdo.

Le hicimos a GPT-5.3 una pregunta sencilla en francés: “Quelles sont les meilleures alternatives à la Société Générale pour une petite entreprise?”, “¿Cuáles son las mejores alternativas al Société Générale para una pequeña empresa?”

Société Générale es uno de los mayores bancos de Francia. La pregunta estaba en francés. El contexto era francés por los cuatro costados.

La IA recomendó Chase, Bank of America, Wells Fargo, Citibank y U.S. Bank.

Cinco bancos americanos. Para un pequeño empresario francés. En respuesta a una pregunta en francés sobre un banco francés.

Imagínatelo al revés: preguntas en castellano por alternativas al Santander para tu pyme y te recomiendan cinco bancos de Nebraska. Ridículo, ¿verdad? Pues eso pasó. Y no solo en Francia. También en España, como vas a ver enseguida.

No fue un error puntual. Lo sabemos porque en EchoWi medimos y optimizamos a diario cómo aparecen marcas, productos, servicios y marcas personales en las respuestas de los buscadores de IA, más de 100 prompts por workspace, todos los días, en varios modelos. Lo hacemos desde Madrid, y cuando vimos lo de Qonto, empezamos a comprobar si el mismo problema estaba afectando a marcas españolas.

Spoiler: sí.

Lo que descubrimos: el precipicio invisible de Qonto

Qonto es el neobanco líder para empresas en Francia, más de 600.000 clientes, presente en 8 mercados europeos (incluida España), 449 millones de euros en ingresos. Un actor principal de la banca empresarial europea. De los nuestros.

En EchoWi, monitorizamos la visibilidad de Qonto con más de 100 prompts diarios. Preguntas que un usuario real le haría a una IA sobre banca empresarial en Francia. Cosas como “¿Cómo abrir una cuenta de empresa sin un banco tradicional en Francia?” o “¿Qué bancos digitales son mejores para emprendedores franceses?”

Durante los primeros 18 días de marzo, las métricas de Qonto iban bien. Estables, sólidas:

• Visibilidad: 36-44% (aparecía en unas 4 de cada 10 consultas)
• Share of Voice: 8-13% de todas las menciones de marca
• Posición media: 1,3-2,5 (a menudo la recomendación número 1)
• Sentimiento: Positivo de forma consistente (0,6-0,8)

Y entonces, el 19 de marzo, el suelo se hundió.

Los datos

Lee otra vez la última columna: las marcas estadounidenses en las respuestas pasaron de 2 a 66 en un solo día.

Los más de 100 prompts estaban en francés. Muchos mencionaban entidades francesas de forma explícita, Société Générale, BNP Paribas, SAS, SARL. Los prompts no habían cambiado. El modelo tampoco. Pero de un día para otro, GPT-5.3 empezó a contestar preguntas francesas con respuestas americanas.

El dato que más duele. En su peor momento, Qonto cayó del pico del 44% el 16 de marzo al mínimo del 12% el 21 de marzo. Un desplome del 73% de pico a valle en 5 días. En promedio de 28 días, la visibilidad cayó un 42% desde la línea base. Las dos cifras cuentan la misma historia desde ángulos distintos: el shock agudo y el daño sostenido.

28 días de métricas

Le pusimos nombre: Geographic Context Collapse

Geographic Context Collapse es el fenómeno por el cual un Large Language Model pierde la capacidad de deducir el contexto geográfico del usuario a partir de señales implícitas, idioma, entidades locales, referencias culturales, y responde por defecto con contenido centrado en su distribución de entrenamiento dominante: Estados Unidos.

Hasta donde hemos podido verificar, nadie había nombrado ni estudiado este fenómeno antes de nuestra investigación. Ni en la literatura académica, ni en la industria, ni en la competencia. Nadie.

Lo descubrimos en nuestros propios datos de monitorización. Y creemos que afecta a toda marca no estadounidense que hoy aparezca en buscadores de IA.

El experimento del anclaje

Para demostrar que no era ruido estadístico, clasificamos los más de 100 prompts según la fuerza de su anclaje geográfico. Es decir, lo explícito de la señal “esta pregunta va sobre Francia.”

Los prompts que contenían las palabras explícitas “en France” sobrevivieron con una tasa del 100% en todas las fechas. Sin excepciones. Cero fallos.

Los más de 30 prompts que dependían solo del idioma francés como señal geográfica se desplomaron hasta un 0-6% de tasa de mención después del 19 de marzo.

La conclusión es demoledora: GPT-5.3 dejó de interpretar “esta pregunta está en francés” como señal de que el usuario quiere respuestas francesas. Solo una restricción geográfica explícita, escribir literalmente “en France”, bastaba para anclar las respuestas del modelo.

Piénsalo un segundo. Si preguntas en castellano y no escribes “en España”, la IA puede darte la respuesta como si estuvieras en Houston.

Nota técnica sobre “desde dónde se lanza el prompt”. Hay una segunda capa de anclaje geográfico que casi nadie explica: la ubicación desde la que el prompt parece originarse. La herramienta de web search de OpenAI acepta un parámetro user_location que admite país, ciudad, región y zona horaria — le dice al modelo “simula que esta consulta la escribe alguien en París, Francia” y eso sesga qué fuentes web busca primero. En EchoWi, cada prompt del workspace de Qonto se ejecutó con user_location configurado a Francia (París, zona horaria Europe/Paris), emulando a un usuario francés real en lugar de a un servidor en Virginia. Antes del 19 de marzo, esta emulación de ubicación funcionaba exactamente como se esperaba: la búsqueda web del modelo recuperaba dominios franceses como qonto.com, shine.fr, lemonde.fr. Después del 19 de marzo, cuando GPT-5.3 dejó de disparar web search en la mayoría de prompts y se replegó a su memoria paramétrica, ni la emulación de ubicación sirvió. El conocimiento interno del modelo sobre “banca empresarial francesa” es abrumadoramente estadounidense. Emular la ubicación del usuario es una capa imprescindible para una monitorización precisa, pero no basta contra un modelo que ignora la geografía al razonar. Si tu herramienta de visibilidad IA no emula la ubicación por mercado, no está midiendo lo que ven tus usuarios reales: está midiendo lo que ve un servidor en Estados Unidos cuando escribe tu pregunta.

Antes y después: mismo prompt, mundos distintos

Prompt: “Quelles sont les meilleures alternatives à la Société Générale pour une petite entreprise?”

Antes (16 de marzo):

1. Qonto
2. Shine
3. Crédit Agricole Pro
4. BNP Paribas Pro
5. Sage

100% marcas francesas. Lo esperable.

Después (21 de marzo):

1. BNP Paribas
2. Crédit Agricole
3. JPMorgan Chase
4. Bank of America
5. Wells Fargo

Tres bancos americanos. Para una pregunta sobre banca para pymes en Francia. Absurdo.

Prompt: “Marre des frais cachés de BNP Paribas, où trouver un compte pro transparent?”

Antes (16 de marzo):

1. Qonto (nº 1)
2. Shine
3. Indy

Después (21 de marzo):

1. Mercury Bank (EE.UU.)
2. Novo (EE.UU.)
3. Brex (EE.UU.)
4. Axos Bank (EE.UU.)

El usuario se queja de las comisiones de un banco francés. En francés. Y la IA le recomienda cuatro bancos americanos que ni siquiera operan en Francia.

Por qué ocurrió: la tormenta perfecta

Nuestra investigación identificó cuatro causas convergentes. Ninguna por sí sola explica el colapso, fue la combinación simultánea de las cuatro.

Factor 1: Cambios en la infraestructura del modelo

El 17 de marzo de 2026, OpenAI lanzó GPT-5.4 mini y GPT-5.4 nano, desplegando cambios masivos en su infraestructura de servicio. Solo ese día se registraron cuatro incidentes en su página de estado.

Nuestra monitorización se ejecutaba sobre GPT-5.3, que no se actualizó de forma explícita. Pero los datos contaban otra historia:

El uso de búsqueda web cayó del 25% al 10% de las ejecuciones.

Antes del 19 de marzo, GPT-5.3 usaba su herramienta de búsqueda web en aproximadamente 1 de cada 4 prompts. Recuperando fuentes francesas como qonto.com, shine.fr, lemonde.fr y banquepro.fr. Después del 19 de marzo, dejó de buscar en la web casi por completo. Se replegó sobre su conocimiento paramétrico interno.

Y ese conocimiento interno es abrumadoramente americano. La investigación académica ha demostrado que los datos de entrenamiento de los LLM contienen más de un 60% de contenido en inglés de origen estadounidense. Cuando el modelo deja de anclar sus respuestas en resultados de búsqueda web, recurre a lo que mejor conoce: el mercado de EE.UU.

La cascada fue esta:

1. 17 de marzo: OpenAI despliega cambios de infraestructura para GPT-5.4
2. 16 de marzo: Actualización del algoritmo de Bing altera los rankings de búsqueda
3. 18-19 de marzo: El backend de búsqueda web de GPT-5.3 devuelve resultados franceses menos relevantes
4. GPT-5.3 deja de usar la búsqueda web (25% → 10% de uso)
5. Sin búsqueda web, recurre al conocimiento paramétrico centrado en EE.UU.
6. Prompts franceses → respuestas americanas

Lo verificamos: cada respuesta de la API seguía identificando el modelo como gpt-5.3 antes y después de la caída. No hubo cambio de modelo a nivel de API. Pero OpenAI mantiene sub-versiones internas (encontramos referencias a gpt-5-nano-2025-08-07-4292 en el historial de su página de estado) y tiene un historial documentado de cambios de comportamiento silenciosos que se remonta a GPT-3.5.

Factor 2: La era de los partnerships con LLM

Mientras la visibilidad de Qonto se desplomaba, sus competidores ejecutaban una estrategia sin precedentes: integrarse directamente dentro de las plataformas de IA.

QuickBooks y Xero no solo optimizan su contenido para IA, están integrados dentro de las plataformas. Cuando le preguntas a ChatGPT sobre contabilidad empresarial, QuickBooks es una herramienta nativa que la IA puede invocar. Cuando le preguntas a Claude sobre planificación financiera, los datos de Xero son directamente accesibles.

Intuit pagó más de 100 millones de dólares por ese acceso. Xero firmó acuerdos plurianuales con los dos principales proveedores de LLM. Brex anunció el 18 de marzo, un día antes del colapso de Qonto. Que gestiona las operaciones financieras globales de OpenAI.

Qonto tiene cero partnerships con ningún proveedor de LLM.

Esto genera lo que llamamos el LLM Integration Feedback Loop:

1. La empresa firma un partnership con un proveedor de LLM
2. Sus herramientas se integran en ChatGPT o Claude
3. El LLM tiene conocimiento programático y en tiempo real de la empresa
4. El partnership genera cobertura mediática masiva
5. Esa prensa entra en la búsqueda web y los datos de entrenamiento del LLM
6. El LLM recomienda más a la empresa → más cobertura → más recomendaciones

Un círculo vicioso. Y si no estás dentro, cada vuelta te deja más fuera.

Factor 3: La brecha de contenido IA de Qonto

Qonto no hizo nada mal en marzo de 2026. Pero tampoco hizo nada para proteger su visibilidad en IA:

• Blog pausado unos 3 meses: sin publicaciones en inglés desde noviembre de 2025 hasta febrero de 2026. Los LLM priorizan la frescura del contenido.
• Artículo de Wikipedia huérfano: marcado como huérfano en diciembre de 2025 (cero enlaces entrantes desde otros artículos de Wikipedia). Con 8.783 bytes, es 2,3x más pequeño que el de QuickBooks (20.484 bytes) y 3x más pequeño que el de Xero (26.900 bytes).
• Desajuste en la entidad de Wikidata: registrada como “Olinda” (el nombre legal) con “Qonto” solo como alias, lo que genera fricción en la resolución de entidades.
• Sin llms.txt: el estándar emergente para contenido AI-friendly devuelve un 404 en qonto.com/llms.txt.
• Sin bloque de contenido definitorio: ningún párrafo autocontenido que responda “¿Qué es Qonto?” y que una IA pueda citar directamente.
• robots.txt de septiembre de 2023: sin actualizar para la era de los crawlers de IA.

Nuestra puntuación de Visibilidad IA para qonto.com: 58 sobre 100.

Lo positivo: los crawlers de IA (GPTBot, ClaudeBot, PerplexityBot) tienen acceso permitido. El problema no es el bloqueo, es la ausencia de contenido optimizado para IA.

Factor 4: Amplificación del contexto de mercado

El panorama mediático en marzo de 2026 era directamente hostil para los neobancos europeos:

• Revolut dominó el ciclo informativo: licencia bancaria en UK (11 de marzo), beneficio récord de 2.300 millones de dólares e ingresos de 6.000 millones (24 de marzo), plan de expansión de 13.000 millones con París como sede para Europa Occidental. Qonto publicó cero notas de prensa en marzo.
• Narrativa “Neobanco 1.0 ha muerto”: Capital One adquirió Brex por 5.150 millones de dólares con un descuento del 58%. PayFit y Spendesk perdieron el estatus de unicornio. Société Générale se desprendió de Shine.
• Brecha de datos FICOBA (18 de febrero): 1,2 millones de cuentas bancarias francesas expuestas. Erosionando la confianza en la infraestructura financiera francesa.
• Presión regulatoria: acuerdo provisional PSD3/PSR que favorece a los grandes jugadores multimercado.

Cuando un modelo de IA con problemas de contexto geográfico busca en la web “banca empresarial francesa”, los resultados que encuentra en marzo de 2026 están copados por la expansión de Revolut y narrativas de consolidación, no por contenido de Qonto, que no existía.

No es solo Qonto: validación cruzada en tres sectores y dos países

Si fuera un problema exclusivo de Qonto, de reputación de marca o de producto. Lo veríamos solo en su workspace. Y además, solo en fintech. Lo comprobamos.

Analizamos 7 marcas en 4 sectores, 3 países y 2 idiomas durante el mismo periodo. El resultado es demoledor.

Marcas europeas (grupo de tratamiento)

Marcas estadounidenses (grupo de control)

Controles adicionales

El dato que lo resume todo: el 19 de marzo, el día exacto en que las tres marcas europeas se desplomaron, Kaggle alcanzó su máximo del periodo: 86%. El mismo modelo, el mismo día, el mismo pipeline. A una marca estadounidense le va de maravilla. A tres europeas les cae el techo encima.

El colapso no fue generalizado. Fue quirúrgicamente geográfico.

Caso español 1: un marketplace español de motos. Lemon Squad para vender motos en Madrid

Analizamos también un marketplace español de motos de segunda mano con sede en Madrid. Digitaliza la compraventa: inspecciones mecánicas, pagos en custodia, logística, gestión de papeles con la DGT. Compite contra Wallapop, Milanuncios, Mundimoto, marcas que cualquier español conoce. (A petición del cliente, mantenemos la marca anónima.)

Los 25 prompts de monitorización estaban en castellano, con contexto español inequívoco: referencias a Madrid, Barcelona, Sevilla, Wallapop, Milanuncios, DGT, ITV, cambio de nombre. Preguntas como “mejores opciones para vender una moto rápido y sin líos de papeles en Madrid” o “quiero comprar una moto en Barcelona pero vivo en Sevilla, ¿cómo lo hago?”

Lo que pasó

Antes del 19 de marzo, el panorama competitivo en las respuestas de la IA tenía sentido: el 73,3% de las marcas eran españolas (Wallapop, Milanuncios, Mundimoto, Revisamostumoto) y solo un 6,7% eran estadounidenses, apariciones puntuales de eBay Motors y poco más.

Después del 19 de marzo, las marcas españolas cayeron al 38,1% y las estadounidenses se dispararon al 36,9%. Un incremento de 5,5 veces.

Las marcas que aparecieron

Aquí es donde la cosa se vuelve grotesca. Estas son marcas que GPT-5.3 recomendó en respuesta a preguntas en castellano sobre comprar y vender motos en Madrid, Barcelona y Sevilla:

• Lemon Squad, servicio de inspección pre-compra en EE.UU. No opera en España.
• Cycle Trader, portal de anuncios de motos en EE.UU. No existe en España.
• Sherpa Auto Transport. Transporte de vehículos en EE.UU. No opera en España.
• Montway Auto Transport, otro transportista de vehículos estadounidense.
• CARCHEX, garantía extendida de vehículos en EE.UU.
• Craigslist. Portal de anuncios americano sin presencia en España.
• OfferUp, marketplace de segunda mano estadounidense.

Un usuario pregunta en castellano cómo vender su moto de forma segura en Madrid, mencionando la DGT y el cambio de nombre. Y la IA le recomienda Lemon Squad y Sherpa Auto Transport. Servicios que solo existen en EE.UU. Para una transacción entre Madrid y Sevilla.

Es como si le preguntaras a tu asesor financiero dónde invertir tus euros y te hablara del mercado de futuros de ganado de Wyoming.

Tres días a cero

El marketplace tuvo tres días consecutivos a 0% de visibilidad entre el 20 y el 22 de marzo, algo que no había ocurrido nunca en el periodo previo (el máximo de días consecutivos a cero fue 2). Y cuando recuperó alguna mención, su cuota de voz normalizada se había desplomado del ~5% al ~2%, porque competía contra un ejército de marcas americanas que no tienen ninguna relación con el mercado español.

Caso español 2: una marca española de salud. Walmart para comprar vitaminas en farmacias españolas

Monitorizamos también una marca española de salud que vende vitaminas veganas en formato gominola y opera en España y Reino Unido. Gominolas de omega-3 para niños, multivitamínicos, calcio, equinácea, sin gelatina animal, sin colorantes artificiales, zumo de fruta real. Se vende en farmacias online españolas como Farmaciasdirect, PromoFarma y GoodFarma. (También aquí mantenemos la marca anónima por petición del cliente.)

Los 20 prompts estaban en castellano, muchos con contexto español explícito: “busco vitaminas para niños que sean veganas y de zumo de fruta real, ¿cuáles son las mejores marcas en farmacias?”, “dónde comprar vitaminas para niños que no tengan gelatina animal ni colorantes artificiales en Madrid”, “opiniones sobre vitaminas infantiles de propóleo y equinácea para la vuelta al cole en España.”

El efecto canario

Esta marca española de salud es lo que en minería se llama el canario en la mina, la señal de alarma temprana. Las marcas pequeñas son las primeras que desaparecen cuando el contexto geográfico se colapsa.

Fíjate en la última fila: el modelo mencionaba más marcas después del 19 de marzo, no menos. Pero eran las marcas equivocadas. El espacio que antes ocupaban marcas europeas (Sunday Natural, Pediakid, Vegums, Novomins) fue invadido por Garden of Life, Smartypants, Nature Made, Vitafusion, MaryRuth Organics, Olly. Todas estadounidenses.

La prueba de fuego: mismo prompt, universo distinto

La evidencia más contundente viene de un prompt concreto: “busco vitaminas para niños que sean veganas y de zumo de fruta real, ¿cuáles son las mejores marcas en farmacias?”

14 de marzo, Resultado:

1. [la marca española de salud, posición #1]
2. Floradix
3. Vegavivo
4. Swedish Nutra

Cuatro marcas europeas. Fuentes web europeas (grocefully.com, vegavivo.com). Todo correcto.

22 de marzo, Mismo prompt exacto:

1. Garden of Life
2. Rainbow Light
3. VegLife
4. The Vitamin Shoppe
5. Walmart
6. CVS
7. Walgreens
8. Rite Aid
9. Target

Nueve marcas. Todas estadounidenses. Incluidas cinco cadenas de distribución que no existen en España. Fuentes web: vitaminshoppe.com, rainbowlight.com, walmart.com.

Léelo otra vez. Un usuario pregunta en castellano dónde comprar vitaminas veganas para niños en farmacias. “Farmacias”, el sistema farmacéutico español, que cualquier hablante de castellano asocia con la farmacia de su barrio. Y la IA le recomienda Walmart, CVS, Walgreens, Rite Aid y Target. Cinco cadenas de distribución estadounidenses que no tienen ni una sola tienda en España.

Es el ejemplo más grotesco de todo el estudio. Y es real. Datos verificables en nuestra plataforma.

26 de marzo, Mismo prompt:

1. Rainbow Light (EE.UU.)
2. Llama Naturals (EE.UU.)
3. [la marca española de salud, posición #3]

La marca española reapareció un solo día de los 15 posteriores al colapso. Y cuando volvió, ya no era la primera opción. Quedó relegada a la tercera posición, detrás de dos marcas americanas. El desplazamiento clásico: primero desapareces, y si vuelves, es con menos relevancia.

El efecto canario: cuanto más pequeña la marca, peor el impacto

Los datos muestran un gradiente claro: cuanto más pequeña y más regional es la marca, más severo el colapso.

Cuadra con la investigación de EverTune que muestra que GPT-5.4 recomienda un 37% menos de marcas que su predecesor. Las 3-5 marcas top mantienen o ganan cuota. El resto desaparece. Y si encima no eres estadounidense, el efecto se amplifica.

Para las pymes españolas, esto es una sentencia. Un marketplace madrileño de motos. Una marca de vitaminas veganas con dominio .es. Marcas que dependen del mercado español, que compiten contra Wallapop y farmacias online españolas. Borradas de las respuestas de la IA y sustituidas por empresas americanas que no operan aquí.

Los controles estadounidenses: estables como una roca

Mientras las marcas europeas se desplomaban, las tres marcas estadounidenses que monitorizamos mostraron una estabilidad absoluta.

Kaggle

Visibilidad media antes del 19 de marzo: 78,3%. Después: 79,3%. Delta: +1,3%. Coeficiente de variación: 4,9%, estabilidad de libro de texto. El 19 de marzo alcanzó el 86%, su máximo absoluto del periodo. Mientras Qonto perdía la mitad de su visibilidad, Kaggle tenía su mejor día.

Tesla

Visibilidad media antes del 19 de marzo: 45,6%. Después: 50,7%. Delta: +11,1%. Y lo más revelador: los competidores europeos de Tesla, Mercedes-Benz, Audi, Porsche, Volvo. Se mantuvieron estables en las respuestas durante todo el periodo. La IA no “se olvidó” de las marcas europeas cuando respondía sobre marcas estadounidenses. Solo se olvidó de ellas cuando respondía sobre marcas europeas.

Kyndryl

Estable en torno al 6,6%, lo esperable para una marca B2B de servicios IT. Su panorama competitivo era geográficamente correcto: IBM, Accenture, Capgemini (Francia), Wipro (India), Infosys (India). Sin contaminación geográfica alguna.

La asimetría

El desplazamiento geográfico solo va en una dirección:

• Marcas europeas → sustituidas por marcas estadounidenses: confirmado en Qonto, el marketplace español de motos y la marca española de salud.
• Marcas estadounidenses → sustituidas por marcas europeas: no observado en ningún caso.

La IA no olvidó que Europa existe cuando le preguntabas sobre Tesla. Solo lo olvidó cuando le preguntabas sobre Qonto, el marketplace español de motos o la marca española de salud.

La fecha: 19 de marzo de 2026

Los tres casos fuertes de colapso muestran el mismo punto de inflexión, con precisión de ±1 día:

El 17 de marzo, OpenAI desplegó la infraestructura de GPT-5.4 mini y nano. Dos días después, tres marcas europeas de tres sectores distintos (fintech, automoción, salud), en dos países (Francia y España), en dos idiomas (francés y castellano), colapsaron simultáneamente.

Eso no es coincidencia. Eso es un cambio a nivel de modelo.

El sesgo estructural: por qué las marcas no estadounidenses juegan con desventaja

El Geographic Context Collapse no es un bug aislado. Es una propiedad estructural de cómo funcionan los LLM actuales. Y la evidencia académica no deja lugar a dudas:

• Oxford Internet Institute (20,3 millones de consultas): el 71% del mundo necesita “cultural prompting” explícito para obtener resultados localmente relevantes de los LLM. (Fuente)
• Conferencia IUI 2025: Los LLM mostraron un 100% de sesgo hacia recomendaciones de productos de países WEIRD (Western, Educated, Industrialized, Rich, Democratic) en condiciones base. (Fuente)
• Georgia Tech: El sesgo cultural occidental persiste incluso en modelos afinados con datos no ingleses.
• Ahrefs (75.000 marcas): Las menciones en YouTube son el factor más determinante en la visibilidad IA (correlación: 0,737), desventaja estructural para marcas B2B y mercados no anglófonos. (Fuente)
• geoSurge (Londres): Documentaron la desaparición de Ryanair, Chanel, Burberry y Michael Kors de las recomendaciones de GPT-5. Todas marcas europeas. (Fuente)
• Writesonic (1.161 citas, 16 categorías): GPT-5.4 y GPT-5.3 citan un 93% de fuentes diferentes a pesar de usar el mismo backend de búsqueda, es el algoritmo de selección del modelo, no las fuentes disponibles, lo que genera el sesgo.

El problema de fondo: los datos de entrenamiento de los LLM son aproximadamente un 60% contenido en inglés de origen estadounidense. Cuando un modelo no logra determinar con confianza el contexto geográfico del usuario, recurre a su prior estadístico, que es americano.

Para marcas B2B europeas como Qonto, la desventaja se acumula capa a capa:

• Menos contenido en inglés (estrategia de contenido primero en francés)
• Mínima presencia en YouTube (el factor nº 1 de visibilidad IA)
• Poca huella en Reddit (señal fuerte de citación IA)
• Optimización insuficiente para Bing (el SEO europeo se centra en Google, pero la búsqueda web de ChatGPT funciona sobre Bing)
• Artículos de Wikipedia más pequeños con menos backlinks

Para las pymes españolas el problema es todavía peor. El marketplace español de motos y la marca española de salud no son marcas globales con millones de menciones en inglés. Son empresas españolas que venden en España, en castellano, a clientes españoles. Su contenido vive en dominios .es, su contexto es local por definición. Y aun así, la IA las sustituye por Lemon Squad y Walmart.

Nuestras empresas españolas, nuestras marcas europeas, están siendo reemplazadas en las respuestas de la IA por marcas americanas. Sin que nadie lo decida conscientemente. Sin que nadie lo detecte. Y sin que nadie lo corrija, salvo que empecemos a medirlo.

Cómo EchoWi va a detectar y resolver esto

Esta investigación no solo reveló un problema, nos empujó a diseñar las herramientas para detectarlo antes de que impacte a nuestros clientes. Son tres métricas nuevas que vamos a incorporar a la plataforma en las próximas semanas, fruto directo de este estudio. Las construimos desde Madrid, para empresas europeas que se enfrentan a este sesgo cada día.

Geographic Leakage Score (en desarrollo)

Vamos a lanzar una nueva métrica en nuestra plataforma: el Geographic Leakage Score. El porcentaje de respuestas de IA que mencionan marcas de fuera de tu mercado objetivo.

Con la metodología que hemos desarrollado en este estudio, podemos decir que para Qonto, el 19 de marzo, el Geographic Leakage Score se disparó del ~15% al 62%. Para el marketplace español de motos, las marcas estadounidenses pasaron del 7% al 37% del panorama competitivo. Para la marca española de salud, del 46% al 73%. Cuando la métrica esté disponible en la plataforma, cualquier cliente afectado recibirá una alerta en cuestión de horas, días antes de que el impacto total se materialice.

Ninguna otra plataforma de visibilidad IA ofrece esta métrica. Lo comprobamos: EverTune, Profound, BrightEdge, Conductor, SparkToro, Otterly.ai, ninguna detecta sesgo geográfico en las respuestas de los LLM.

Geographic Context Strength Indicator (en desarrollo)

En nuestro editor de prompts, cada prompt va a mostrar la fuerza de su anclaje geográfico:

• FUERTE (“en France” / “en España” explícito). Resiliente a la deriva geográfica
• MEDIO (entidades locales como “SAS”, “BNP”, “Santander”, “DGT”), parcialmente resiliente
• DÉBIL (solo idioma local), vulnerable al colapso

Esto ayudará a nuestros clientes a diseñar conjuntos de prompts robustos contra exactamente el modo de fallo que hemos descubierto en esta investigación.

Alertas de Geographic Drift (en desarrollo)

Cuando el Geographic Leakage Score de tu marca suba más del 20% respecto a su línea base de 7 días, EchoWi enviará una alerta automática. Sabrás de la deriva de contexto geográfico antes de que afecte a tus métricas. Y antes de que tus competidores detecten la oportunidad.

Roadmap: las tres funcionalidades están en desarrollo activo y se liberarán a todos los planes en las próximas semanas. Si quieres acceso anticipado, escríbeme a [email protected] y te incluyo en el beta privado.

Cómo asesoramos a nuestros clientes

Cuando detectamos vulnerabilidad geográfica, trabajamos con el cliente en:

1. Blindaje de contenido: creación de archivos llms.txt, corrección de la presencia en Wikipedia, incorporación de bloques de contenido definitorio con contexto geográfico explícito
2. Optimización de prompts: asegurar que los prompts de monitorización tengan anclajes geográficos adecuados (sin inflar artificialmente los resultados)
3. Inteligencia competitiva: rastrear cuándo los competidores firman partnerships con LLM que podrían desplazar tu visibilidad
4. Optimización Schema.org: añadir areaServed, addressCountry y serviceArea a los datos estructurados
5. Monitorización multi-modelo: ejecutar los mismos prompts en GPT, Claude, Gemini y Perplexity para identificar vulnerabilidades específicas de cada modelo

Consulta el Geographic Leakage Score de tu marca → Prueba gratis

Qué puedes hacer hoy

Tanto si usas EchoWi como si no, aquí tienes pasos concretos para proteger tu marca del Geographic Context Collapse:

Nivel 1: Hazlo ya (5 minutos)

Nivel 2: Esta semana

Nivel 3: Estratégico (próximas semanas)

1. Crea un archivo llms.txt que declare explícitamente tus mercados operativos
2. Corrige tu artículo de Wikipedia: asegúrate de que indica tu geografía en la primera frase, tiene enlaces entrantes y existe en las ediciones de idiomas relevantes
3. Añade un bloque de contenido definitorio a tu página de inicio, algo como: “Somos un marketplace de motos de segunda mano con sede en Madrid que digitaliza la compraventa en España” o “Somos una marca de vitaminas veganas disponible en farmacias españolas”
4. Implementa datos geográficos Schema.org: areaServed, addressCountry, serviceArea
5. Plantéate un MCP server: una forma directa de hacer tu producto accesible para asistentes de IA (QuickBooks y Xero ya los tienen, tú también puedes)
6. Retoma la publicación de contenido: una pausa de 3 meses en el blog es una sentencia de muerte para la visibilidad IA
7. Monitoriza con una herramienta especializada: las herramientas SEO genéricas no rastrean la visibilidad IA. Usa una plataforma como EchoWi que monitorice las respuestas de los LLM a diario

Implicaciones para el mercado

Los partnerships con LLM son el nuevo SEO

Las empresas que ganan en visibilidad IA no solo optimizan contenido. Se integran directamente dentro de las plataformas. Intuit pagó más de 100 millones por estar dentro de ChatGPT. Xero firmó acuerdos plurianuales con Anthropic y con OpenAI. El resultado es un sistema de dos niveles: marcas que son parte de la IA, y marcas que simplemente son mencionadas por ella.

¿Adivinas en qué nivel están la mayoría de las empresas europeas?

Ninguna empresa debería confiar en la estabilidad de los modelos

OpenAI tiene un historial documentado de cambios de comportamiento silenciosos en modelos desplegados. Investigadores de Stanford y Berkeley descubrieron que la precisión de GPT-4 identificando números primos cayó del 84% al 51% entre marzo y junio de 2023, sin ninguna actualización anunciada. En abril de 2025, el propio postmortem de OpenAI reconoció cinco cambios significativos no divulgados. Los IDs de snapshot de modelos fijados no garantizan consistencia de comportamiento.

Traducido: la IA que hoy recomienda tu marca, mañana puede dejar de hacerlo. Sin previo aviso.

El Geographic Context Collapse afecta a toda marca no estadounidense

Si tu marca opera fuera de Estados Unidos, eres vulnerable. El 71% del mundo necesita “cultural prompting” explícito para obtener respuestas localmente relevantes de la IA. Eso incluye España, Francia, Alemania, Italia, toda Europa, toda Latinoamérica, toda Asia. La pregunta no es si te afecta. La pregunta es si lo estás midiendo.

Para las empresas españolas, el mensaje no puede ser más directo: hemos documentado cómo un marketplace de motos con sede en Madrid ve cómo la IA recomienda Lemon Squad y Sherpa Auto Transport para vender una moto en Madrid. Hemos documentado cómo una marca de vitaminas disponible en farmacias españolas es sustituida por Walmart, CVS y Walgreens. Cadenas que no tienen una sola tienda en España.

Esto no es un caso aislado francés. Está pasando aquí. En tu mercado. Con tu marca. Desde EchoWi, con sede en Madrid, lo vemos cada día. Y por eso lo construimos.

Metodología

Este estudio se basa en datos propios de EchoWi, la plataforma de visibilidad IA que mide y optimiza cómo aparecen marcas, productos, servicios y marcas personales en ChatGPT, Claude, Gemini y Perplexity.

• Periodo de datos: 1 de marzo – 3 de abril de 2026 (28-33 días según la marca)
• Workspace principal: Qonto (fintech francesa, más de 100 prompts diarios)
• Workspaces de validación cruzada: 6 marcas adicionales, un marketplace español de motos (ES, motos, 25 prompts, anonimizado), una marca española de salud (ES, vitaminas, 20 prompts, anonimizada), Kaggle (US, data science, 50 prompts), Tesla (US, automoción, 25 prompts), Kyndryl (US, servicios IT, 50 prompts), HP Inc. (global, electrónica)
• Total de marcas analizadas: 7 marcas en 4 sectores, 3 países, 2 idiomas
• Total de prompts monitorizados: más de 245 prompts diarios
• Ejecuciones analizadas: más de 500 respuestas individuales de LLM con texto completo de respuesta y menciones de marca extraídas
• Modelo: GPT-5.3
• Fuentes públicas consultadas: más de 200 (artículos académicos, changelogs de APIs, foros, cobertura de prensa, anuncios corporativos)
• Validación cruzada: datos propios contrastados con investigación publicada de EverTune, Oxford Internet Institute, Georgia Tech, Ahrefs, geoSurge y Writesonic

Nuestra metodología de análisis:

1. Ejecución automatizada diaria de prompts y extracción de menciones de marca
2. Detección de anomalías en métricas de visibilidad, SOV y posición competitiva
3. Investigación profunda desencadenada por la anomalía del 19 de marzo
4. Clasificación de prompts por fuerza de anclaje geográfico
5. Comparación entre workspaces para validar el alcance
6. Análisis de composición geográfica del panorama competitivo (clasificación manual de todas las marcas mencionadas por país de origen)
7. Análisis de uso de búsqueda web y fuentes
8. Investigación de fuentes públicas sobre cambios en modelos, actividad de competidores y contexto de mercado

Limitaciones

1. Muestra de marcas europeas pequeña: 3 marcas europeas con GCC confirmado y 1 parcial es direccional, pero una muestra más amplia reforzaría la conclusión.
2. Visibilidad base baja: el marketplace español de motos (~5%) y la marca española de salud (~4%) tienen bases tan bajas que las fluctuaciones diarias son ruidosas. La tendencia agregada es clara, pero los puntos individuales tienen intervalos de confianza amplios.
3. Solo Francia y España: No tenemos datos de Alemania, Italia, UK u otros mercados europeos.
4. Correlación vs causalidad: La correlación temporal con el despliegue de GPT-5.4 es fuerte, pero no constituye prueba causal directa.

Preguntas frecuentes

¿Qué es el Geographic Context Collapse?

Es un fenómeno por el cual un Large Language Model pierde la capacidad de deducir el contexto geográfico de una consulta a partir de señales implícitas como el idioma, los nombres de entidades locales y las referencias culturales. En lugar de dar respuestas relevantes para tu mercado, el modelo recurre por defecto a respuestas centradas en Estados Unidos, su distribución de entrenamiento dominante. El término fue acuñado por EchoWi en abril de 2026 a partir de datos propios de monitorización en 7 marcas de 4 sectores.

¿Afecta a todos los LLM o solo a GPT?

Nuestra investigación se centró en GPT-5.3, pero la causa de fondo. Una distribución de datos de entrenamiento sesgada hacia contenido en inglés de EE.UU., es común a todos los principales LLM. La investigación académica de Oxford, Georgia Tech y la conferencia IUI 2025 ha documentado sesgo geográfico en múltiples familias de modelos. Recomendamos monitorizar la visibilidad en varios LLM a la vez.

¿Cómo puedo comprobar si mi marca está afectada?

La prueba más rápida: hazle a un asistente de IA una pregunta sobre la categoría de tu producto en castellano, sin mencionar explícitamente España. Si la IA recomienda marcas de otros mercados (sobre todo estadounidenses), puedes estar sufriendo Geographic Context Collapse. Para una monitorización sistemática, EchoWi rastrea la visibilidad de tu marca en IA a diario y te alerta sobre la deriva geográfica.

¿Qué es el Geographic Leakage Score?

Es una métrica desarrollada por EchoWi que mide el porcentaje de respuestas de IA que mencionan marcas de fuera de tu mercado objetivo. Un 0% significa que todas las marcas recomendadas son relevantes para tu mercado. Un 62% (como el que experimentó Qonto el 19 de marzo) significa que casi dos tercios de las marcas que recomienda la IA pertenecen a un mercado diferente.

¿Por qué añadir “en France” solucionó el problema?

Las restricciones geográficas explícitas convierten una tarea de inferencia (el modelo tiene que deducir la ubicación del usuario) en una tarea de satisfacción de restricciones (el modelo sabe que la respuesta debe ser sobre Francia). La primera falla cuando la capacidad de inferencia geográfica del modelo se degrada. La segunda resiste porque es una restricción dura, no una inferencia probabilística.

¿Puedo prevenir el Geographic Context Collapse para mi marca?

Puedes reducir la vulnerabilidad con tres estrategias: (1) asegúrate de que tu contenido web indique de forma explícita tu geografía operativa en pasajes autocontenidos y citables; (2) mantén contenido fresco y de calidad para que el modelo tenga información reciente que referenciar; (3) monitoriza tu visibilidad IA con una herramienta especializada que detecte la deriva geográfica. No puedes prevenirlo del todo porque la causa raíz está en la arquitectura del LLM, no solo en tu contenido.

¿Qué es el “efecto canario”?

Es el patrón que documentamos con la marca española de salud: las marcas pequeñas y regionales son las primeras en desaparecer cuando se produce el Geographic Context Collapse. Tienen menos datos de entrenamiento, aparecen solo en consultas muy específicas, y no tienen la inercia de marca necesaria para resistir el desplazamiento. Si eres una pyme española, eres el canario. Cuando la IA pierde el contexto geográfico, tú eres la primera marca que borra.

¿Los partnerships con LLM (como QuickBooks/OpenAI) son injustos?

Es una cuestión regulatoria que está abierta. La FTC ha declarado que no existe “exención IA” de la legislación publicitaria. El artículo 52 del AI Act de la UE exige divulgación de componentes pagados o patrocinados en los outputs de IA. Todavía no se ha producido ninguna acción de aplicación contra colocaciones de partnerships en LLM, pero es probable que la brecha regulatoria se cierre conforme la práctica se generalice.

Fuentes y referencias

Datos propios

• Plataforma de Monitorización de Visibilidad de Marca en IA EchoWi, 28-33 días de métricas diarias para 7 workspaces, más de 500 análisis de ejecuciones individuales, análisis de composición geográfica del panorama competitivo para todas las marcas

Investigación académica

• Oxford Internet Institute. Estudio de 20,3 millones de consultas sobre requisitos de cultural prompting en LLM
• Georgia Tech, Sesgo cultural occidental en LLM multilingües
• Conferencia IUI 2025, Sesgo hacia países WEIRD en recomendaciones de productos de LLM
• arXiv. Los motores de búsqueda LLM citan una media de 4,3 URLs frente a 10,3 de la búsqueda tradicional (concentración estructural)
• Stanford/Berkeley (2023), Deriva de comportamiento de GPT-4: identificación de primos 84% → 51% sin cambios anunciados
• Stanford AI Index Report (2025), Composición de datos de entrenamiento y distribución de contenido de origen estadounidense
• PLOS One (feb 2026). Estudio longitudinal de diez semanas confirmando la deriva de comportamiento en servicios transformer

Investigación de la industria

• EverTune AI, “ChatGPT Gets Pickier: GPT-5.4 mini Recommends 37% Fewer Brands”, 220.000 prompts, 9 industrias
• geoSurge. Pérdida de visibilidad de marcas europeas en GPT-5, Documentados Ryanair, Chanel, Burberry, Michael Kors
• Ahrefs, Estudio de Visibilidad de Marca en LLM. 75.000 marcas, YouTube como factor nº 1 (correlación 0,737)
• Writesonic, 1.161 citas en 16 categorías: GPT-5.4 y GPT-5.3 citan un 93% de fuentes diferentes

Anuncios corporativos

• Partnership Intuit-Anthropic (24 feb 2026)
• Lanzamiento de apps de Intuit en ChatGPT (5 feb 2026)
• Partnership Xero-Anthropic (27 mar 2026)
• Brex gestiona operaciones de OpenAI (18 mar 2026)
• Capital One adquiere Brex ($5.150M, 22 ene 2026)
• Revolut obtiene licencia bancaria UK (11 mar 2026)

Documentación de OpenAI

• OpenAI API Changelog, Marzo 2026
• Anuncio de GPT-5.4 mini y nano
• OpenAI Web Search Tool. Parámetro user_location
• GPT-5.4 System Card
• OpenAI Status Page, Incidentes del 17 de marzo de 2026
• OpenAI Model Release Notes
• OpenAI Deprecations Page

Análisis de terceros

• Nanonets, “Are OpenAI and Google intentionally downgrading their models?”
• Promptfoo. “Your model upgrade just broke your agent’s safety”
• Help Net Security, Análisis de seguridad de GPT-5.4

Inteligencia de mercado y competitiva

• Cuota de mercado de QuickBooks: perspectivas globales e industriales 2026
• Xero Developer Blog, Actualización de marzo 2026 (MCP Server, Agentic SDKs)
• Brex EU Payment License
• Google March 2026 Core Update
• QuickBooks MCP Server: github.com/intuit/quickbooks-online-mcp-server
• Xero MCP Server: github.com/XeroAPI/xero-mcp-server

Schema.org JSON-LD (para incrustar en la web)

{
  "@context": "https://schema.org",
  "@type": "TechArticle",
  "headline": "Geographic Context Collapse: Cuando la IA se olvida de que existes",
  "alternativeHeadline": "Qonto cayó un 42% de media, un marketplace español de motos un 60% y una marca española de salud un 93% — todo la misma semana",
  "description": "Estudio que revela el Geographic Context Collapse — un fenómeno donde los LLM pierden el contexto geográfico y recomiendan marcas estadounidenses ante consultas europeas. Validado en 7 marcas de 4 sectores y 2 países con datos propios.",
  "inLanguage": "es",
  "author": {
    "@type": "Person",
    "name": "Maher El Ouahabi",
    "jobTitle": "Cofundador y CTO",
    "worksFor": {
      "@type": "Organization",
      "name": "EchoWi",
      "url": "https://echowi.ai"
    }
  },
  "publisher": {
    "@type": "Organization",
    "name": "EchoWi",
    "url": "https://echowi.ai",
    "description": "Plataforma de monitorización de visibilidad de marca en IA que rastrea cómo aparecen las marcas en las respuestas de los LLM",
    "address": {
      "@type": "PostalAddress",
      "addressLocality": "Madrid",
      "addressCountry": "ES"
    }
  },
  "datePublished": "2026-04-10",
  "about": [
    {
      "@type": "Thing",
      "name": "Geographic Context Collapse",
      "description": "Fenómeno por el cual los Large Language Models pierden la capacidad de inferir el contexto geográfico a partir de señales implícitas y recurren por defecto a respuestas centradas en EE.UU."
    },
    {
      "@type": "Thing",
      "name": "AI Brand Visibility"
    },
    {
      "@type": "Thing",
      "name": "Generative Engine Optimization"
    }
  ],
  "mentions": [
    {
      "@type": "Organization",
      "name": "Qonto",
      "url": "https://qonto.com"
    },
    {
      "@type": "Organization",
      "name": "OpenAI"
    }
  ],
  "keywords": "Geographic Context Collapse, visibilidad IA, sesgo geográfico LLM, búsqueda IA, visibilidad de marca, GEO, Generative Engine Optimization, Qonto, marcas europeas, marcas españolas, recomendaciones IA, pymes España",
  "wordCount": 7500,
  "speakable": {
    "@type": "SpeakableSpecification",
    "cssSelector": ["h1", "h2", "blockquote", ".faq-answer"]
  }
}

¿Preguntas sobre este estudio? Escríbeme a [email protected].

Reservar Demo · Prueba gratis