¿62% o 87%? Cómo leer un reporte de IA sin que te engañen
Abres un reporte y dice que ChatGPT concentra el 87% del tráfico de IA. Abres otro y dice 62%. Los dos son de fuentes serias, los dos están bien hechos, y los dos se publicaron casi al mismo tiempo. ¿Cuál te creo? La respuesta incómoda: los dos.
Aprender por qué los dos pueden tener razón a la vez es, para mí, la habilidad más subvalorada de cualquiera que trabaje con datos hoy. Te la enseño con este caso real.
El caso: dos números que no cuadran
Respuesta corta: un estudio mide la cuota de ChatGPT en 62,6% y otro en 87,4%. No se contradicen porque uno esté mal — miden universos distintos, con metodologías distintas, en fechas distintas.
Los números reales: Goodie, en su reporte de 2026, midió la cuota de ChatGPT en referidos B2B cayendo a 62,6% (promediando marzo-abril 2026), con Claude subiendo a 18,5% (Goodie). Conductor, en cambio, reportó 87,4% para ChatGPT (Conductor). Veinticinco puntos de diferencia. Para el mismo dato, en teoría.
¿Por qué dan números tan distintos?
Acá está la letra chica, que es justo lo que casi nadie lee. Hay tres diferencias que lo explican.
1. Miden poblaciones distintas. Goodie midió referidos B2B —tráfico de negocios. Conductor midió 10 industrias mezcladas. No es la misma torta: el comportamiento de quien busca software empresarial no es el de quien busca una receta.
2. Cuentan distinto. Y este es el detalle clave. Goodie usa un promedio por marca: cada marca pesa igual, sin importar su tamaño. Tanto, que sus cinco cifras suman 103% —no es un error, es que no son porciones de un mismo total, son promedios. Conductor, en cambio, pondera por volumen: las marcas grandes pesan más. Son dos formas legítimas de contar que dan resultados naturalmente distintos.
3. Son de fechas distintas. En un terreno que se mueve tan rápido como este, dos meses de diferencia ya cambian la foto. Goodie venía mostrando a ChatGPT en 89% meses antes; la caída al 62% es parte de una tendencia, no una foto fija.
Y si sumas una tercera fuente, Statcounter global lo pone en 78% para marzo de 2026 (Statcounter). Tres fuentes, tres números, ninguna mintiendo.
Las tres preguntas que le hago a cualquier dato antes de creerlo
Esto es lo accionable, lo que quiero que te lleves. Cuando veas un número de IA en un reporte o en un post de LinkedIn, antes de repetirlo, pregúntale tres cosas:
¿Quién está en la muestra? B2B no es lo mismo que retail. Global no es lo mismo que Chile. Móvil no es lo mismo que desktop. Si no sabes a quién midieron, no sabes qué te están diciendo.
¿Cómo lo contaron? Promedio simple o ponderado. Visitas o usuarios únicos. Con referrer o estimado. Si las cifras suman más de 100%, ahí hay una decisión metodológica que tienes que entender antes de usar el número.
¿De cuándo es? En IA, un dato de hace seis meses puede estar describiendo un mundo que ya no existe. La fecha no es un detalle, es parte del dato.
Si un reporte no te deja responder esas tres, no es que sea malo: es que no lo puedes usar todavía. Y repetir un número que no entiendes es la forma más rápida de quedar mal cuando alguien te pregunta la fuente. Lo mismo aplica a los datos locales, como expliqué con el 74% de ChatGPT en Chile.
Por qué esto importa más en la era de la IA
Antes, los datos malos morían en un PDF. Hoy, un número suelto se vuelve viral en LinkedIn en horas, y de ahí lo cita una IA, y de ahí lo repite alguien más como verdad. El dato sin contexto se propaga más rápido que nunca.
Por eso ser la persona que lee la metodología —no la que comparte el titular— es una ventaja real. Te equivocas menos, decides mejor, y cuando alguien te cuestiona, tienes la fuente y la letra chica a mano.
Yo trato de aplicarme esto a mí mismo todo el tiempo, sobre todo en este sitio: cada dato que publico lleva su fuente enlazada, justamente para que cualquiera pueda hacerle a mis números las mismas tres preguntas. Si no resisten ese examen, no los publico. Es parte de tener la casa firme.
¿Cuál fue la última cifra que compartiste sin revisar la fuente? A todos nos ha pasado. Te leo.
Preguntas frecuentes
¿Por qué los reportes dan cifras tan distintas sobre la cuota de ChatGPT?
Porque miden poblaciones distintas (B2B vs todas las industrias), cuentan distinto (promedio por marca vs ponderado por volumen) y son de fechas distintas. Goodie midió 62,6% en referidos B2B y Conductor 87,4% en 10 industrias; ambos son correctos para lo que midieron.
¿Es un error que las cifras de un reporte sumen más de 100%?
No siempre. Goodie, por ejemplo, usa promedios por marca donde cada marca pesa igual, por lo que sus cifras suman 103% por diseño, no por error. Cuando un reporte suma más de 100%, indica que no son porciones de un mismo total y hay que entender cómo se calcularon antes de usarlas.
¿Qué preguntas debo hacerle a un dato antes de creerlo?
Tres: quién está en la muestra (qué población midieron), cómo lo contaron (método de cálculo, si suma 100%) y de cuándo es (la fecha del dato). Si un reporte no permite responder esas tres preguntas, conviene no usar la cifra todavía.
¿Qué cuota de tráfico de IA tiene ChatGPT realmente?
Depende de qué midas. Goodie la sitúa en 62,6% (referidos B2B, 2026), Conductor en 87,4% (10 industrias) y Statcounter en 78% (global, marzo 2026). No hay una sola cifra correcta: cada una describe un universo distinto, y la tendencia muestra a ChatGPT cediendo terreno frente a Claude y Gemini.
¿Por qué importa tanto leer la metodología de un reporte?
Porque en la era de la IA un dato suelto se viraliza y se cita en cadena rápidamente, propagando errores. Quien lee la metodología en lugar de repetir el titular decide mejor, se equivoca menos y puede defender sus cifras cuando se las cuestionan.