Cómo eligen los LLMs qué restaurante recomendar (fuentes que consultan)

Si estás leyendo esto porque un cliente te dijo "te encontré preguntándole a ChatGPT", esta página te explica el mecanismo exacto. Es la continuación lógica de GEO: cómo hacer que la IA recomiende tu restaurante, donde ves el panorama general del fenómeno.

RAG explicado sin jerga: cómo "piensa" un LLM antes de recomendar

RAG son las siglas de Retrieval-Augmented Generation (generación aumentada por recuperación). En español simple: el modelo no responde solo con lo que "aprendió" durante su entrenamiento, sino que primero busca información actualizada en fuentes externas y luego construye la respuesta combinando ambas cosas.

Es como si le preguntaras a un amigo muy leído sobre un restaurante, y en vez de responder de memoria, saca el móvil, mira dos o tres páginas de reseñas, y luego te da su opinión. El resultado mezcla lo que ya sabía con lo que acaba de consultar.

Esto es clave para ti como dueño de un restaurante: significa que aunque tu negocio no existiera cuando entrenaron el modelo, puedes aparecer en las respuestas de la IA si tienes presencia activa en las fuentes que consulta en tiempo real.

Datos de entrenamiento vs. búsqueda en vivo

Hay dos capas distintas y conviene no mezclarlas:

Datos de entrenamiento. Es el conocimiento "congelado" que el modelo adquirió durante su fase de entrenamiento, con una fecha de corte. Si tu restaurante abrió después de esa fecha, o cambió de nombre, dirección o carta, el modelo puede no saberlo si solo usa esta capa.

Búsqueda en vivo (RAG). Es la capacidad de consultar internet en el momento de responder. Aquí es donde entran tus reseñas recientes, tu ficha de Google actualizada y las menciones que se publican esta misma semana.

La práctica te importa por esto: un restaurante con reseñas activas y recientes tiene ventaja en la capa de búsqueda en vivo, independientemente de si existía o no cuando se entrenó el modelo. Es la misma lógica que explica por qué tus reseñas de Google son tu mejor activo GEO: son la señal más fresca y verificable que un LLM puede encontrar sobre ti.

Diferencias entre ChatGPT, Gemini y Perplexity

Los tres asistentes hacen lo mismo en esencia (buscar y sintetizar), pero no beben de las mismas fuentes con la misma intensidad. Según HappyChef/Forscaler (2026):

Asistente	Fuente prioritaria	Qué significa para tu restaurante
ChatGPT	Directorios independientes	Estar presente y bien valorado en plataformas de reseñas y guías locales pesa más que tu propia web
Gemini	Web del propio local	Tu página web, con información actualizada (horario, carta, dirección), tiene más peso relativo
Perplexity	Reseñas, redes sociales y foros	Lo que se dice de ti en Google, Instagram o foros de barrio influye directamente en la respuesta

Esta diferencia tiene una consecuencia práctica: no puedes optimizar para "la IA" en abstracto, porque cada modelo mira sitios distintos. Lo que sí funciona en los tres casos es mantener una base sólida de reseñas recientes y una ficha de Google completa, porque de una forma u otra, los tres modelos terminan cruzándose con esa información.

Además, ChatGPT solo recomienda "casi de forma exclusiva" locales con una media igual o superior a 4,3 estrellas, según el mismo informe (HappyChef/Forscaler, 2026). Si tu media está por debajo de ese umbral, no es que la IA no te conozca: es que tiende a filtrarte antes de mencionarte.

Un ejemplo concreto: dos restaurantes, dos resultados distintos

Imagina dos restaurantes de tapas en el mismo barrio de Valencia: Casa Ruano y Bodega Miralles.

Casa Ruano tiene 340 reseñas en Google con media de 4,6, responde a casi todas y tiene web con carta y horarios actualizados. Bodega Miralles tiene 45 reseñas con media de 4,1, no responde a ninguna y su web lleva dos años sin actualizarse.

Si un usuario le pregunta a ChatGPT "recomiéndame un sitio de tapas en este barrio de Valencia", es mucho más probable que aparezca Casa Ruano: cumple el umbral de valoración, tiene volumen suficiente para ser una señal fiable y su presencia en directorios es más consistente. Bodega Miralles puede tener tapas igual de buenas, pero su rastro digital es más débil en las fuentes que el modelo consulta.

Esto no es un juicio sobre la comida. Es una cuestión de qué información encuentra la IA cuando busca.

Errores comunes al pensar en cómo te ve la IA

1. Centrarse solo en el SEO tradicional de Google y olvidar el resto del ecosistema. Google sigue siendo la fuente dominante para descubrimiento local (BrightLocal LCRS 2026 lo sitúa en el 71 % de las búsquedas de recomendación, aunque cayó desde el 83 %), pero los LLMs cruzan varias fuentes a la vez, no solo tu ficha de Google.

2. Pensar que "aparecer en ChatGPT" es un evento puntual. No es una ficha estática que se rellena una vez. Cambia según lo que encuentre el modelo en cada búsqueda en vivo, así que tus reseñas y tu web necesitan estar actualizadas de forma continua, no una sola vez.

3. Ignorar Perplexity porque tiene menos usuarios. Es precisamente el que más se apoya en redes sociales y foros, así que si tienes presencia activa en Instagram o comunidades locales, puede ser tu vía de entrada más rápida en ese asistente concreto.

4. No revisar qué está diciendo la IA de ti. Puedes preguntarle directamente a ChatGPT, Gemini o Perplexity "recomiéndame restaurantes de [tu tipo de cocina] en [tu barrio]" y ver si apareces, con qué datos y si son correctos. Es gratis y toma dos minutos.

5. Descuidar la ficha de Google pensando que "ya no importa tanto". Sigue siendo, con diferencia, la fuente más citada indirectamente por los tres modelos, porque de ahí sale buena parte de las reseñas y datos que terminan en directorios y resúmenes de IA.

Qué puedes controlar tú, hoy

No puedes decidir qué fuentes prioriza cada modelo, pero sí puedes influir en el contenido de esas fuentes:

• Mantén tu ficha de Google Business Profile completa y actualizada (horario, dirección, categoría, fotos recientes). Es la base que alimenta directorios y resúmenes de reseñas.
• Cuida el volumen y la frescura de tus reseñas. Los modelos parecen dar más peso a información reciente que a reseñas de hace tres años.
• Responde a tus reseñas. Además del efecto directo sobre clientes humanos, una ficha con respuestas activas transmite una señal de negocio "vivo" que las fuentes de RAG capturan mejor que una ficha abandonada.
• Revisa tu web si sabes que Gemini es relevante para tu tipo de negocio (por ejemplo, si tu clientela usa mucho Android y Búsqueda de Google con IA integrada).

Para entender cómo se conecta todo esto con el SEO local clásico —Google Business Profile, señales de ranking, gestión de tu ficha— tienes la guía completa de reputación online, Google Business Profile y SEO local para restaurantes.