Qué es el corpus de ChatGPT
Cuando ChatGPT responde una pregunta, no está buscando en internet. Está generando texto basado en patrones que aprendió durante su entrenamiento, a partir de un conjunto enorme de textos llamado corpus.
Ese corpus incluye Common Crawl (una copia parcial de internet con miles de millones de páginas), libros digitalizados, Wikipedia, foros como Reddit y datos propietarios que OpenAI ha ido añadiendo con el tiempo. El modelo no memoriza esos textos: aprende relaciones, estructuras, maneras de hablar sobre los temas. Por eso puede resumir, explicar o comparar cosas sin estar consultando nada en tiempo real.
Common Crawl
Miles de millones de páginas web archivadas. La mayor fuente de datos de entrenamiento.
Libros y Wikipedia
Contenido largo, estructurado y con autoridad temática validada.
Foros y redes
Reddit, conversaciones públicas. Lenguaje natural y opiniones reales.
La pregunta que más me hacen: ¿ChatGPT busca en internet o no?
Depende de una sola cosa: si tiene la navegación web activada o no.
Sin navegación, no busca nada. Todo lo que dice viene de su entrenamiento. Puede sonar como si hubiera consultado algo, pero no lo hizo. Está completando patrones con lo que aprendió antes de su fecha de corte, que en las versiones actuales ronda entre 2024 y 2025.
Con navegación activada, sí ejecuta búsquedas reales. Y aquí es donde pasa algo interesante: el modelo no espera que tú le escribas una query. Toma el contexto de toda la conversación y construye la búsqueda internamente. Si llevas varios mensajes hablando de un tema específico, usa ese contexto para afinar lo que busca. Por eso parece tan preciso: la búsqueda que ejecuta ya viene cargada de contexto, no es una búsqueda fría.
El problema: La interfaz se ve igual en los dos modos. El tono del modelo es igual de confiado tanto cuando tiene acceso a internet como cuando no. No hay un aviso claro que diga "esto lo saqué de mi entrenamiento" o "esto lo acabo de buscar". La mayoría de usuarios asume que siempre está conectado — y eso es un error caro.
Sin navegación web
Responde desde el corpus. La información puede tener meses o años de antigüedad. Tono igualmente confiado.
Con navegación web activa
Ejecuta búsquedas reales usando el contexto de la conversación. Más preciso en datos recientes.
¿Cada cuánto se actualiza ChatGPT?
No hay una frecuencia fija. Los modelos base se entrenan con datos hasta una fecha de corte, y después de esa fecha el modelo no incorpora nada nuevo por sí solo. Las actualizaciones no son automáticas: OpenAI decide cuándo lanzar una nueva versión con datos más recientes.
Lo que sí cambia con más frecuencia es la capa de navegación web. Pero incluso en ese modo, el modelo solo accede a lo que está indexado y visible en internet en ese momento. Si tu marca no aparece en esas fuentes, no existe para el modelo.
Lo que esto significa para tu marca
El comportamiento del consumidor está cambiando. Los modelos de lenguaje están pasando de ser herramientas de búsqueda a convertirse en el punto donde se toman decisiones de compra.
No es que ChatGPT haya reemplazado a Google. La dinámica es distinta: Google captura el momento de búsqueda, ChatGPT captura el momento de decisión. Son capas distintas del mismo proceso, y la mayoría de marcas solo está optimizando para una.
Si alguien le pregunta a ChatGPT sobre tu industria, tu categoría de producto o el problema que tú resuelves, el modelo va a responder con lo que aprendió. La pregunta es si tu marca forma parte de ese aprendizaje o no.
Atención: Si ChatGPT habla de tu marca con información desactualizada o incorrecta — con el mismo tono seguro de siempre — eso puede ser peor que no aparecer. Una marca mal representada en estos modelos tiene un problema que la mayoría ni sabe que tiene.
Cómo se trabaja esto
Existe una disciplina llamada GEO (Generative Engine Optimization) que se ocupa exactamente de esto: hacer que tu marca sea visible para los modelos de lenguaje, no solo para Google.
Esto no depende de tener una cuenta en OpenAI ni de subir información en ningún lado. Depende de cuánta presencia tiene tu marca en los textos que el modelo consumió: artículos, reseñas, menciones en medios, contenido en tu propio sitio que otras fuentes citan.
Y cuando el modelo navega, el mismo criterio aplica: busca por problema y categoría, no por nombre de marca. Las marcas que aparecen son las que estaban asociadas a esos contextos en las fuentes que encuentra.
El punto de partida es saber dónde estás ahora. Eso implica revisar con qué frecuencia y en qué contexto te menciona ChatGPT cuando se le hacen preguntas relevantes para tu categoría, y comparar eso contra tu competencia. A eso se le llama share of voice en IA.
Con ese diagnóstico encima de la mesa se puede construir una estrategia: qué contenido crear, en qué medios hay que aparecer, cómo estructurar la información para que los modelos la procesen bien. Después de implementar, se vuelve a medir para ver si el share of voice cambió.
Preguntas frecuentes
¿ChatGPT siempre tiene la navegación web activada?
No. Depende de la versión y la configuración. En la app web de ChatGPT, el modelo puede activar búsqueda cuando lo considera necesario, pero muchas respuestas se generan directamente desde el corpus de entrenamiento sin verificar nada en tiempo real.
¿Mi sitio web aparece automáticamente en el corpus?
No es automático. El corpus se construyó a partir de rastreos web hasta la fecha de corte del modelo. Si tu sitio existía y estaba indexado, es posible que parte de su contenido forme parte del entrenamiento. Pero lo que importa no es solo estar, sino qué tan citado y referenciado eres por otras fuentes.
¿En qué se diferencia GEO del SEO tradicional?
El SEO optimiza para motores de búsqueda que devuelven listas de resultados. GEO optimiza para modelos generativos que sintetizan respuestas. El objetivo en GEO no es aparecer en un ranking, sino ser la fuente que el modelo elige citar o tomar como referencia cuando habla de tu categoría.
¿Cuánto tiempo tarda en verse el impacto de una estrategia GEO?
Depende del canal. En Perplexity, que usa búsqueda en tiempo real, los cambios pueden verse en semanas si empiezas a publicar contenido de calidad. En ChatGPT sin navegación, el impacto se refleja en la próxima actualización del modelo base, que puede tardar meses. Por eso una buena estrategia GEO trabaja en ambas capas.
¿Quieres saber cómo te ve ChatGPT hoy?
Puedo hacer ese análisis — share of voice en IA, qué dice el modelo de tu categoría, dónde está tu competencia. Es el punto de partida antes de cualquier otra decisión.
Solicitar diagnóstico GEO →