Qué valoración dice un asistente que tienes

Un comprador quiere saber si tu producto vale algo. Hace diez años abría dos webs de reseñas y leía. Ahora, según la propia investigación de compradores de G2 de 2026, el 51% de los compradores de software B2B empieza más a menudo con un chatbot de IA que con Google — frente al 29% de un año antes — y los chatbots construyen el 54% de las listas cortas. Lo primero que se dice sobre tus reseñas ahora lo dice un asistente, en forma de resumen, a alguien que todavía no ha abierto ninguna plataforma de reseñas.

Así que construimos una herramienta para oírlo. Reviewscope pregunta a tres asistentes — ChatGPT, Claude y Gemini — qué dicen las reseñas de una marca, tres veces a cada uno, y muestra cada respuesta tal como el asistente la escribió. Es gratuita, no necesita cuenta y nunca te dice cuál es tu valoración. Eso último no es modestia: es todo el diseño, y este artículo trata sobre todo de por qué.

Tres preguntas, nueve llamadas, un minuto

Cada lectura hace las mismas tres preguntas a los mismos tres asistentes, en paralelo. La redacción está fija: una pregunta que cambia entre ejecuciones hace que dos lecturas no sean comparables aunque la herramienta parezca la misma.

Las dos preguntas «reales» terminan con permiso para no contestar, lo que convierte una negativa en un resultado y no en un hueco. La tercera es palabra por palabra la segunda, con tres nombres a los que no responde nadie en lugar de las doce a las que sí: la única variable que merece la pena cambiar es si la plataforma existe.

Todo lo que sigue es una lectura real de una marca real: signnow.com, medida el 7 de septiembre de 2026. Puedes abrir esa misma lectura guardada en getlooploop.com/reviewscope?brand=signnow.com — una marca leída en la última semana se reproduce desde el almacén en lugar de pagarse otra vez, así que abrirla no te cuesta nada.

Tabla uno: lo que mencionan por su cuenta

En esta pregunta no se nombra ninguna plataforma, así que lo que vuelve es aquello a lo que cada asistente recurrió solo. Es la única tabla en la que una plataforma aparece porque el modelo pensó en ella.

Tres cosas de esa tabla valen más que las valoraciones.

G2 y Capterra las nombran los tres asistentes. Para esta marca ya no son perfiles en webs de reseñas: son parte de lo que un asistente dice de ella, mantenga o no alguien de marketing esos perfiles.

Seis de las doce no las nombró nadie: GetApp, Software Advice, Gartner Peer Insights, Product Hunt, Clutch y GoodFirms. Es una lectura sobre los asistentes, no un veredicto sobre esas plataformas — pero si mantienes un perfil precisamente para que te mencionen en una respuesta, esta es la columna que dice si la mención ocurre.

ChatGPT nombró tres plataformas dentro de una sola cautela. Toda su aportación fue «However, I can mention some common platforms where you might find reviews, such as G2, Capterra, and Trustpilot». Tres filas en la tabla, una frase, ninguna valoración y ninguna afirmación sobre la marca.

Tabla dos: nombra doce plataformas y te darán doce números

Ahora todas las plataformas se nombran en la propia pregunta. Esta mitad es una sonda y nunca una fuente: nombrar una plataforma invita a un número plausible, y lo que medimos es con qué facilidad cada asistente lo suelta.

Lee las dos columnas en horizontal, no en vertical. El mismo modelo, preguntado dos veces en la misma ejecución por la misma marca, dijo 4,6 y luego 4,5 en G2, 4,5 y luego 4,6 en Capterra y 8,1 y luego 8,5 en TrustRadius. Entre las dos preguntas no cambió nada salvo que la segunda nombraba las plataformas. Sean lo que sean esos números, no son lecturas de una plataforma: una lectura no se mueve porque preguntes en otro orden.

Ahora lee la columna del medio en vertical. El 4,6 aparece en Capterra, GetApp, Software Advice y Google Play, y «1000+ reviews» en siete plataformas seguidas. No son cuatro mediciones de cuatro plataformas: es una cifra recordada aplicada cuatro veces, y por eso Reviewscope lo informa como un único hallazgo — la misma valoración en 4 plataformas — y no como cuatro datos que casualmente coinciden.

Y la columna de al lado es la razón por la que contamos las negativas como resultado. ChatGPT y Claude dijeron «no lo sé» doce veces de doce. En una página sobre valoraciones eso parece una columna vacía; es lo contrario. A los dos se les hizo la misma pregunta dirigida, los dos tuvieron la misma invitación a producir un número plausible y los dos se negaron todas las veces.

La tercera pregunta: tres plataformas que no existen

Quilvex, Vondrio Reviews y Peerlyx son nuestras. Ninguna plataforma de reseñas responde a esos nombres, y cada lectura pregunta por las tres con las mismas palabras que por las doce reales: la misma instrucción, el mismo «do not guess», el mismo permiso para decir not sure. El prompt nunca insinúa que sean inventadas; la página siempre lo dice.

La razón de un control tan tosco es la que da el propio artículo de OpenAI sobre la alucinación: el entrenamiento y la evaluación estándar premian la conjetura segura por encima de admitir incertidumbre, porque un marcador que puntúa «no lo sé» como error convierte adivinar en la estrategia óptima (Kalai et al., 2025). Un modelo que ha aprendido a responder en vez de abstenerse responderá también sobre una plataforma que no existe. Y entonces una valoración de la nada ya no es una afirmación nuestra sobre la marca: es una medición que hicimos nosotros, y lo único de la página que la herramienta llama falso.

En esta lectura los tres se negaron en los tres casos. Fíjate en lo que eso dice y lo que no: el asistente que dio ocho valoraciones de plataformas reales también rechazó las tres inventadas, así que sus números no salen de la nada — son recuerdos de antigüedad desconocida, reutilizados entre plataformas e inconsistentes entre dos preguntas separadas por un minuto. Ambos hechos van en la misma pantalla.

La otra comprobación va en silencio al lado. Cuando un asistente ofrece por su cuenta el nombre de una plataforma, ese nombre se contrasta con tres listas: las doce por las que preguntamos, una lista larga de webs de reseñas reales por las que no preguntamos, y una lista de cosas que no son plataformas de reseñas en absoluto (Reddit, una casa de análisis, un buscador). Solo se informa el nombre que sobrevive a las tres, y solo si llegó con una valoración al lado y ocupaba en la frase el lugar de una plataforma. Un nombre sin número al lado es solo una palabra que alguien usó. Imprimir «esta plataforma no existe» bajo el nombre de una empresa real es justo el error que esta herramienta está construida para no cometer.

Por qué no leemos simplemente tu nota de G2

Porque esos números pertenecen a las plataformas que los reunieron, y la mayoría no se pueden tomar sin un acuerdo o sin una infracción. La lista de abajo es la razón por la que la columna Verificación de la herramienta se dibuja difuminada y se etiqueta «más adelante»: todavía no se lee ninguna valoración real, así que la columna no puede insinuar que ha habido una comprobación. Decir solo lo que los datos sostienen es una regla aquí — mira cómo medimos — y una columna en gris es lo que parece esa regla cuando el trabajo aún no está hecho.

Si quieres comprobar algo de esto tú mismo, las puertas son públicas: la documentación para desarrolladores de G2, el portal de desarrollo de Trustpilot y la documentación de la API de Product Hunt describen qué hay disponible y para quién. Ninguna describe una forma de que publiquemos tu valoración, y por eso no lo hacemos.

El único número que la herramienta sí lee de una fuente es el que publicas tú sobre ti mismo: un `AggregateRating` en los datos estructurados de tu propia página de inicio. Se etiqueta como autodeclarado, porque lo es — y conviene saber que Google considera que una valoración sobre uno mismo no es apta para fragmentos de reseña, como dice sin rodeos su documentación de review snippet. En esta marca no había tal bloque en la página de inicio, y la herramienta lo dice en lugar de dejar un hueco.

Qué hacer con una lectura

Lee el recuento de negativas antes que las valoraciones

Un asistente que produjo once números de doce te ha dicho más sobre sí mismo que sobre ti. Uno que no produjo ninguno te ha dicho que no será la fuente de una valoración que repita tu comprador.

Lee la tabla «sin preguntar» como tu lista de perfiles de cara a los asistentes

Las plataformas nombradas sin preguntar son las que llegan a un comprador que nunca pregunta por un sitio concreto. Si una plataforma en la que inviertes no la nombra nadie, conviene saberlo antes de la próxima renovación.

Cuando un cliente cite una valoración que no reconoces, lanza la sonda y guarda la página

Una lectura lleva fecha y se guarda una semana, así que «esto es lo que tres asistentes dijeron de nosotros el 7 de septiembre, con sus palabras» es un enlace y no una discusión.

No lo arregles publicando un número

La tentación, al descubrir que los asistentes no se ponen de acuerdo sobre tu valoración, es poner una media amable donde puedan encontrarla. En EE. UU. ese camino tiene ahora una valla: la norma de la FTC sobre reseñas y testimonios de consumidores, en vigor desde octubre de 2024, prohíbe el contenido de reseñas falso o engañoso, las reseñas de personas internas sin revelarlo y las webs controladas por la empresa que se presentan como independientes, con sanciones civiles por infracción (anuncio, expediente de la norma). El arreglo duradero es el aburrido: reseñas reales en plataformas que las verifican, y una valoración autodeclarada que coincida con lo que muestran esas plataformas.

Lee la tuya

Escribe un dominio en Reviewscope y lee lo que vuelve, incluidas las negativas, que son justo la parte que la mayoría de herramientas de esta categoría preferiría no mostrarte. Está junto a las demás lecturas gratuitas en la página de herramientas gratuitas: Brandscope para saber si los asistentes te mencionan siquiera, Patternscope para cómo se lee tu texto y Voicescope para cómo te describen en voz alta. El vocabulario de este artículo — alucinación, mención de marca, visibilidad en IA — está en el glosario, en cinco idiomas.