En ChatGPT, buscar ya iguala a escribir. Y el contenido sigue en modo ensayo
OpenAI Signals muestra que consultar ya iguala a escribir en ChatGPT. El mismo set no mide citas: conviene publicar páginas que respondan, no ensayos.
En agosto de 2026, buscar información igualó a escribir en ChatGPT de consumidor por primera vez en la serie de uso que publica OpenAI: 20,7% de los mensajes contra 20,6%. En septiembre la escritura recuperó la delantera, 21,4% contra 20,2%, pero las dos líneas ya están encimadas. Con los números de OpenAI en la mano, ChatGPT funciona como herramienta de consulta casi tanto como generador de texto.
Ese cambio justifica replantear el contenido. No justifica citarlo como prueba de que el posicionamiento en IA funciona, porque la fuente no puede ver lo que estarías afirmando. OpenAI Signals v3.0, publicado el 26 de octubre, informa qué le pide la gente a ChatGPT. No informa si ChatGPT abrió un sitio para responder ni cuál abrió.
Qué mide el set
Signals muestrea un millón de mensajes al mes en cuentas de consumidor Free, Go, Plus y Pro, de usuarios que declararon 18 años o más. El uso empresarial y Codex quedan fuera, así que el uso técnico y de negocios está subrepresentado por diseño. Cada mensaje recibe un tipo de conversación (pedir, hacer, expresar) y un tema.
La trayectoria de la serie es la noticia:
| Tipo de conversación | Julio 2024 | Septiembre 2026 |
|---|---|---|
| Escritura | 34,1% | 21,4% |
| Búsqueda de información | 16,7% | 20,2% |
| Ayuda técnica | 13,5% | 4,6% |
Lee la columna de escritura: el caso de uso "redáctame este correo" perdió un tercio de su participación en veintiséis meses. Lee la fila de búsqueda: el caso "explícame cómo funciona esto o qué debería comprar" creció alrededor de un quinto en términos relativos. La orientación práctica, que incluye consejos de cómo hacer algo y tutoría, es la categoría más grande todos los meses de la serie.
Es un cambio real de demanda, y va en contra de cómo la mayoría de las empresas sigue encargando contenido. El brief habitual es "escríbenos un artículo sobre X". El prompt detrás es cada vez más "¿X sirve, cuánto cuesta y quién más lo hace?".
Dos cifras oficiales que no coinciden
La cifra que cites depende de la entrega que elijas. En septiembre de 2025, un paper de OpenAI y Harvard (working paper NBER 34255) reportó que la búsqueda de información había crecido de 14% a 24% del uso de ChatGPT en el año posterior a julio de 2024. Signals, con los mismos prompts de clasificación, pone ese mismo mes en 18,3%.
Los dos salen de los clasificadores de OpenAI. Difieren en seis puntos porque cambian el muestreo y la ponderación, no porque haya cambiado el comportamiento. Si necesitas una cifra que aguante una reunión, toma la que se actualiza cada mes y se puede descargar y volver a correr, y di qué entrega usaste. La cifra que suena mejor es la vieja, y esa suele ser la peor razón para preferirla.
La columna que no existe
Signals mide temas y, a un nivel más grueso, si el mensaje pide, hace o expresa. No publica nada sobre acceso a fuentes externas ni sobre citas por respuesta. La lectura que hizo Search Engine Journal de la entrega llega al mismo hueco: los datos dicen con qué frecuencia la gente consulta, no si ChatGPT consultó un sitio para contestar.
El hueco corta en las dos direcciones. Quien usa "uno de cada cinco mensajes busca información" para argumentar que las citas en IA están creciendo pide prestada credibilidad a un set que no puede ver una cita. Quien usa el mismo hueco para argumentar que la recuperación en IA no importa comete otro error: demanda y entrega son preguntas distintas, y esta entrega solo contesta la primera.
La parte de entrega es desordenada por su cuenta. El comportamiento de citación cambia tanto entre motores que un solo número de "visibilidad en IA" ronda lo inútil; la comparación de 40.000 puntos entre AI Mode, AI Overviews y ChatGPT es donde desarmamos eso. Lo que cambió esta semana está del lado de la demanda.
Qué pide una consulta
Si la gente hace más preguntas y pide menos borradores, el contenido que gana la recuperación cambia de forma, no de tema. Una página que funcionaba como lectura lineal se vuelve una mala fuente de consulta, y el arreglo es estructural.
| Forma del prompt | Qué quiere la persona | La unidad que se extrae | Qué falla |
|---|---|---|---|
| "Qué es X, cómo funciona" | una definición que pueda repetir | una frase llana, luego el alcance, luego lo que no es | tres párrafos de contexto antes de la respuesta |
| "X contra Y para un equipo de cinco" | un juicio | una tabla de criterios con un ganador por caso de uso | un ensayo equilibrado que termina en "depende" |
| "El mejor X para esta situación" | una lista corta | tres a cinco opciones con nombre, restricciones y rango de precio | un listicle sin límite y sin criterio de orden |
| "Cuánto cuesta X, vale la pena" | reducir riesgo | rangos, qué mueve el precio, qué queda excluido | "contáctanos para cotizar" |
| "X soporta Y" | un sí o un no, con condiciones | el sí/no en la primera frase, después la condición | copy que insinúa y nunca confirma |
La columna del medio es la que hay que discutir. Los motores no recuperan tu página y la leen como una persona. Extraen pasajes que responden la subpregunta que tienen delante. Si la respuesta a "cuánto cuesta" está repartida en cuatro secciones y un PDF, el pasaje que se extrae es el del competidor que la escribió en una línea.
Primero la respuesta, después el contexto
La regla de trabajo es aburrida y arregla la mayoría de las páginas: las dos primeras frases debajo de un encabezado tienen que sobrevivir si alguien las copia fuera de la página, sin nada alrededor. Sin "como vimos arriba", sin pronombres que necesiten antecedente, sin repetir el encabezado con otras palabras.
La segunda regla es de especificidad. "El precio depende del alcance" no le da nada que citar a un modelo. Un rango, la lista de lo que lo mueve y las exclusiones le dan una frase que puede atribuir. Lo mismo con fechas, versiones y cualquier afirmación que tenderías a suavizar. El copy vago es seguro para el abogado e inútil para la recuperación.
Ahí es donde viven de verdad las señales de experiencia. Se habla de E-E-A-T como si fuera una insignia. En la práctica es una página que afirma un dato verificable, con fecha y fuente nombrada, incluidos los datos que no te favorecen: el límite de tu propio método, el caso en que tu producto es la mala elección. Nadie cita una página que matiza todo.
Un trimestre de trabajo, en orden
- Elige las diez páginas con intención comercial, no los cincuenta posts que traen tráfico. Páginas de categoría, de comparación, de precios, y las dos o tres de servicio que importan.
- Escribe las preguntas que cada página debería responder, en palabras del comprador. El buzón de ventas y tus últimas veinte llamadas sirven más que una herramienta de keywords: la forma en que alguien le habla a un asistente se parece más a cómo habla que a cómo busca.
- Pon la respuesta en las dos primeras frases bajo el encabezado que corresponde. Si no hay encabezado que corresponda, es un problema de estructura, no de redacción.
- Agrega lo específico que vienes guardando: rangos, exclusiones, para quién la oferta es mala idea, versión y fecha.
- Fija una fecha de repetición a noventa días y guarda la salida cruda. Un panel de prompts corrido una vez es una anécdota; corrido cuatro veces es una tendencia. Cómo armar el panel es el protocolo que usamos.
Para el paso dos, casi todos los equipos ya tienen el insumo: vive en un documento compartido con las preguntas que ventas contesta en llamadas, y nadie lo abre porque no es una hoja de cálculo.
Lo que esto no te dice
La serie mide cuentas de consumidor, así que subestima el uso B2B y técnico, por admisión de la propia OpenAI. Una participación de 20% en consultas de consumidor no dice nada sobre cada cuánto tu comprador le pregunta a un asistente por tu categoría. Ese número sale de tus datos: demanda de búsqueda, conversaciones de venta y los referrers de tu analítica.
Tampoco prueba que las páginas con forma de respuesta vayan a recibir citas. Prueba que la razón para intentarlo se hizo más fuerte. El problema de medición sigue igual: puedes ver las llegadas desde superficies de IA si segmentas bien los referrers, y no puedes ver las citas que no produjeron clic. Ningún panel ha resuelto eso todavía. Es el argumento de el problema de las métricas vanity en GEO, y sigue en pie.
La versión incómoda
Si la escritura era un tercio de lo que la gente le llevaba a ChatGPT hace dos años y hoy es un quinto, una parte de la industria de contenido perdió a su comprador principal. El post marginal, escrito para que lo lea de arriba a abajo alguien que llegó desde un resultado de búsqueda, tiene menos trabajo que hacer.
La página marginal que responde con precisión verificable una pregunta que alguien hizo de verdad tiene más. No es un problema de volumen y publicar más posts no lo resuelve. Es un problema de forma, y se arregla página por página, empezando por las que se pagan solas.
Si quieres eso mapeado sobre tus propias páginas en vez de discutido en abstracto, es el trabajo de nuestro servicio de SEO y GEO.
Preguntas Frecuentes
¿Qué es OpenAI Signals?
El set mensual de OpenAI sobre cómo se usa ChatGPT en cuentas de consumidor. La versión 3.0, publicada en octubre de 2026, muestrea un millón de mensajes al mes de cuentas Free, Go, Plus y Pro de usuarios que declararon tener 18 años o más, y excluye el uso empresarial y Codex.
¿Consultar ya superó a escribir en ChatGPT?
Pasó una vez y por poco, en agosto de 2026: 20,7% de los mensajes de consumidor contra 20,6% de escritura. En septiembre volvió a liderar la escritura, 21,4% contra 20,2%. Conviene leerlo como convergencia entre los dos usos, no como un cruce definitivo.
¿Sirven los datos de uso de OpenAI para demostrar que mi sitio recibe citas en ChatGPT?
No. Signals reporta tipos de conversación y temas. No publica si ChatGPT consultó una fuente externa ni qué sitio usó, así que no puede sostener ninguna afirmación sobre tus citas.
