Durante décadas, los profesionales dedicados a la gestión de crisis y la recuperación de la reputación hemos medido el éxito de la recuperación reputacional bajo una premisa temporal y física: el paso de los días y la generación de nueva información. Si lográbamos que el impacto inicial de una contingencia disminuyera, que los medios pasaran a otros temas de actualidad y que las noticias negativas se «enterraran» paulatinamente en la segunda o tercera página de los buscadores tradicionales, considerábamos que la fase de post-crisis avanzaba a buen ritmo. Es decir, una parte de nuestro trabajo consistía en diseñar y ejecutar un plan de buenas noticias.

Esto ya no funciona en el entorno dinámico y tecnológico actual. Las reglas del juego han cambiado de manera radical. Hoy en día, reputación e inteligencia artificial van de la mano. Nos enfrentamos a un nuevo, invisible y poderoso actor en el ecosistema de la corporación: el stakeholder algorítmico.

“La memoria algorítmica se ha convertido en el mayor desafío contemporáneo para la gestión de la reputación».

Con la IA generativa, el acceso a la información y el binomio reputación e inteligencia artificial han cambiado de forma irreversible.  Un inversor de capital riesgo, por ejemplo, ya no realiza una búsqueda de enlaces en la red para contrastar nuestra credibilidad. Ahora le preguntan directamente a la IA: “¿Qué problemas de seguridad, financieros o de gobernanza ha tenido esta compañía recientemente y cómo los resolvió?”.

Como ya analizamos en otras ocasiones al abordar la estrecha relación entre la IA y la crisis de credibilidad corporativa, la desinformación y los entornos híbridos obligan a las empresas a auditar su seguridad de la información. Pero ahora, el reto va un paso más allá. La memoria algorítmica se ha convertido en el mayor desafío contemporáneo para la gestión de la reputación.

El caso Boeing: cuando el algoritmo condensa una década de crisis

Para entender el peligro de este fenómeno, no hace falta imaginar escenarios futuristas; basta con analizar el ecosistema actual de grandes multinacionales españolas o extranjeras. El gigante aeroespacial estadounidense Boeing es un ejemplo paradigmático de cómo los incidentes acumulados terminan por sepultar el relato de una marca.

Si un analista financiero busca hoy en un navegador tradicional información sobre la compañía, encontrará las últimas (buenas) noticias publicadas. Pero si le pide a un modelo de Inteligencia Artificial un resumen sobre la fiabilidad de la corporación, la IA no se limitará al presente. El algoritmo fusionará de manera inmediata los trágicos accidentes de su modelo 737 MAX con los fallos de fábrica posteriores. Aquí incluirá, por ejemplo, el desprendimiento del fuselaje en pleno vuelo. Y también las sucesivas declaraciones de culpabilidad por fraude que ha afrontado la firma ante la justicia internacional.

Para la IA, el tiempo no mitiga el impacto. Al sintetizar la información, el algoritmo crea una narrativa continua y unificada de «crisis sistémica», conectando sucesos separados por años como si ocurrieran en presente continuo. Esto pone de manifiesto lo que todos hemos experimentado, que cualquier IA lee de forma holística: no atenúa los recuerdos con el paso de los meses ni se guía por el orden cronológico estándar de una hemeroteca. Además,  le da lo mismo el peso que la araña de Google le daba al medio donde estuviera publicada la información. Ofrece una síntesis de nuestro peor momento y la presenta como una realidad vigente. La crisis ya no se archiva; se automatiza. En lenguaje humano: la IA carece de compasión.

Del SEO tradicional al GEO (Generative Engine Optimization)

Ante este escenario, ya no basta con optimizar el posicionamiento en buscadores (SEO) mediante palabras clave para mitigar los impactos negativos en los resultados analógicos. El verdadero reto del binomio reputación e inteligencia artificial radica en el GEO (Generative Engine Optimization), es decir, la optimización y preparación de la información corporativa para los motores generativos.

Pero ¿cómo se «educa» a un algoritmo para que refleje con fidelidad y justicia la recuperación reputacional de una compañía? No se trata de intentar manipular los datos —los modelos de lenguaje son extraordinariamente hábiles detectando incoherencias—, sino de aplicar tres pilares estratégicos en la fase de post-crisis:

• Alimentar el ecosistema con datos estructurados: los algoritmos priorizan la información técnicamente bien organizada y alojada en sitios de alta credibilidad. El cierre de una crisis requiere que la narrativa de resolución, las auditorías externas o las nuevas certificaciones obtenidas estén publicadas de forma clara y accesible en los canales propios de la empresa.

• Cerrar el relato de forma indexable: muchas corporaciones gestionan el pico de la crisis con maestría, pero cometen el error estratégico de guardar silencio una vez que la tormenta amaina. Si el comunicado final de «lecciones aprendidas» o la resolución técnica del caso no se difunden digitalmente, la IA no tendrá datos suficientes para procesar el desenlace. El relato de superación debe quedar registrado explícitamente en la red para que el algoritmo pueda cerrar el expediente conceptual de la empresa. En el caso de un litigio ganado, es necesario esperar a tener sentencia firme.
• Consistencia contextual y gobernanza (ESG): los modelos de lenguaje analizan el contexto global de una marca. Una organización que mantiene una comunicación constante, transparente y alineada con criterios éticos genera un colchón de datos positivos tan robusto que diluye el peso específico de un incidente aislado cuando la IA realiza su análisis de sentimiento.

El primer auditor ya no es humano

Tras más de dos décadas asesorando a comités de dirección en momentos de máxima incertidumbre, la experiencia me ha demostrado que una crisis nunca se da por concluida hasta que se restablece por completo la confianza de los grupos de interés.

La gran diferencia en esta era es que nuestro primer auditor externo ya no es una persona: es un modelo probabilístico. El stakeholder algorítmico no tiene emociones, pero procesa y condensa las de los demás a través de los textos que consume.

Si queremos proteger el valor de nuestras compañías, debemos asegurar una gestión impecable de la reputación e inteligencia artificial, garantizando que los modelos tecnológicos no solo dejen constancia de los errores del pasado, sino que dispongan de todas las evidencias necesarias para comprender cómo nos levantamos, cómo aprendimos y cómo nos blindamos de cara al futuro. La prevención y la resiliencia ya no se escriben solo para el ojo humano; se estructuran para la inteligencia del mañana.

María Luisa Moreo, directora general de Señor Lobo & Friends