Un activo de marca que hoy funciona a ciegas: la visibilidad bancaria en los asistentes de IA

Nueve organizaciones procedentes de Estados Unidos, Colombia, Nicaragua, Panamá y España han lanzado «La banca panameña ante la inteligencia artificial», un estudio de acceso público que analiza, mediante 320 interacciones reales con Gemini y ChatGPT, cuáles son las marcas financieras que los algoritmos recomiendan al usuario ante la consulta de qué entidad escoger. Tan solo una compañía acapara el 97,5 % de las menciones, mientras que la visibilidad cae en picado a partir del séptimo lugar.

Durante veinte años, elegir un banco empezaba en un buscador que devolvía diez enlaces y dejaba la decisión al cliente. Hoy, una parte creciente de esas consultas termina en un asistente de inteligencia artificial que no devuelve enlaces, sino una recomendación redactada con dos o tres nombres propios. «La banca panameña ante la inteligencia artificial», el informe abierto publicado en julio de 2026, documenta por primera vez y con datos recogidos directamente sobre el mercado panameño qué entidades hace presentes la IA cuando se le pregunta por banca en Panamá, con qué consistencia lo hace y sobre qué fuentes construye sus respuestas.

Dicho documento expone las conclusiones de un proyecto científico impulsado de manera colaborativa por nueve organizaciones pertenecientes a cinco naciones: Quality Leadership University y Or University (Panamá); la Universidad de Málaga, el Instituto Superior Europeo de Economía y Negocios (ISEEN) y la Asociación Europea de Marketing Digital (AEMD), en colaboración con Centria Group, entidad que opera en España y Panamá; la Universidad Central del Valle del Cauca – UCEVA (Colombia); la Universidad del Valle (Nicaragua); además de la International Association for Artificial Intelligence – IAAI (Estados Unidos).

El análisis parte de una singularidad competitiva característica del país: más de cincuenta instituciones operan con autorización de la Superintendencia de Bancos (comprendiendo bancos estatales, de licencia general y de licencia internacional) dentro de un mercado local cuya población apenas rebasa los cuatro millones de habitantes. En definitiva, existen demasiados bancos por cada cliente potencial, situándose en un ámbito donde la oferta resulta sumamente homogénea y la distinción se disputa en el plano de la percepción.

«En banca, la reputación no es un simple atributo comercial: constituye la materia prima de la actividad. Quien selecciona una entidad financiera decide en qué lugar confía sus ahorros y con quién contrae deudas a dos décadas, basándose en antecedentes que rara vez resultan técnicos. Por este motivo cobra tanta relevancia la autoría actual de dicha recomendación», puntualiza Néstor Romero, COO de Centria Group y uno de los investigadores responsables del informe.

Seis nombres acaparan el 73 % de la conversación

La distribución de apariciones resulta sumamente dispar. Banco General lidera en los dos modelos —un 96 % en ChatGPT y un 99 % en Gemini— y suele acaparar la posición inicial del ranking, alcanzando una visibilidad conjunta del 97,5 % del total de contestaciones evaluadas. Detrás se ubican BAC (78,4 %), Banistmo (71,6 %), Banco Nacional de Panamá (64,7 %), Caja de Ahorros (61,6 %) y Global Bank (59,7 %). En conjunto, estas seis entidades concentran el 73 % de la totalidad de referencias dentro de la industria.

A partir del séptimo puesto la caída es abrupta: la presencia desciende por debajo del 24 % y, cuando baja del 5 %, deja de ser una posición para convertirse en una aparición ocasional. El banco no está en la conversación: pasa por ella de vez en cuando.

Tres aspectos que se transforman radicalmente para una entidad

El estudio señala tres cambios simultáneos. En primer lugar, los intermediarios han perdido su neutralidad: frente al buscador tradicional que organiza opciones para que el usuario decida, el asistente actual opta, sintetiza y aconseja. La visibilidad se reduce a una cuestión binaria; aquel que queda fuera no compite en desventaja, sino que directamente ni siquiera figura en el diálogo. Por otro lado, el espacio visible se ha contraído notablemente, pues el antiguo listado de diez alternativas se ha reducido a tres o cuatro opciones, eliminando por completo la necesidad de segundas páginas o desplazamiento vertical. Finalmente, el tercer aspecto radica en que prácticamente nadie está realizando mediciones al respecto.

«La gran mayoría de las organizaciones dispone de paneles pormenorizados de posicionamiento web, reportes mensuales de visitas y personal encargado de esta labor. Sin embargo, carecen por completo de métricas sobre la perspectiva de la IA respecto a ellas. Se trata de un valor de marca que actualmente opera a ciegas, pues carece de punto de partida, metas y dolientes», recalca Romero.

El documento destaca asimismo un desequilibrio que acentúa la dificultad: mientras que en un buscador la firma lucha por un puesto en un listado junto a sus rivales y el usuario contempla el abanico completo, en un asistente pugna por formar parte de una selección muy reducida que el consumidor obtiene ya depurada, ignorando qué opciones se descartaron. La invisibilidad, dentro de este entorno, resulta asimismo imperceptible para el comprador.

Cómo se ha medido

Desde Panamá y utilizando el español, los investigadores plantearon a Gemini y a ChatGPT idénticas preguntas a las que formularía un usuario genuino —qué entidad bancaria resulta superior, cuál aplica menores cobros, qué opción favorece a una pequeña empresa, qué institución otorga créditos vehiculares o cuáles administran carteras de inversión—, divididas en un par de categorías (consejo amplio y propósito comercial) y replicadas en cinco ocasiones cada una. Esto arrojó un total de 320 contestaciones recopiladas de los chatbots. Paralelamente, se implementó una segunda fase metodológica que introdujo esas mismas interrogantes en Bing y en Google, acopiando más de 10.000 impactos con el fin de contrastar si los outputs de la inteligencia artificial guardan relación con los enlaces que arrojan los motores de búsqueda: superando los 165.000 datos analizados previo al cotejo de referencias. El conjunto de instituciones financieras se acotó tomando como base el directorio oficial de la Superintendencia de Bancos de Panamá.

Un detalle metodológico clave al analizar los datos: Gemini suele mencionar una mayor cantidad de bancos que ChatGPT en prácticamente cualquier situación, alcanzando una media cercana a las catorce referencias por contestación frente a menos de cinco. No es que distinga mejor a las instituciones; simplemente genera catálogos más extensos. Toda comparativa entre estos sistemas tiene que abordarse desde una perspectiva proporcional, descartando por completo el recuento absoluto de apariciones.

Ciencia detrás del informe

El estudio se fundamenta en un eje de investigación cuyo primer hallazgo ya ha visto la luz: el análisis panorámico titulado «Medición de la presencia de marca en la optimización para motores generativos: una revisión de alcance sobre métricas y validez», lanzado en agosto de 2026 a través de Latitude, publicación periódica respaldada por Quality Leadership University. Dicha investigación determinó que, a pesar de la abundancia de indicadores, todavía carecemos de un mecanismo con respaldo científico para evaluar la visibilidad generativa de las marcas. El presente documento traslada dicho rigor metodológico a un sector determinado.

«La creación de recomendaciones ha superado ampliamente a la de pruebas empíricas. Gran cantidad de los métodos vigentes se sugieren pero no se evalúan, al tiempo que prácticamente todos los estudios existentes se han desarrollado en inglés y enfocados en entornos anglosajones. A una institución financiera panameña, el interrogante fundamental —qué expone la inteligencia artificial acerca de mi organización, y por qué— carecía de contestación práctica hasta este momento», sostiene Néstor Romero.

Los creadores recalcan la naturaleza descriptiva de la investigación; por consiguiente, este reporte no juzga a ninguna organización ni reemplaza la opinión de terceros, sino que brinda a la industria una radiografía contrastable acerca de un conducto que ya interactúa con sus consumidores y que, por lo general, carece todavía de medición.

1.3. Tablas de apoyo

Tabla 1.1. Presencia por banco en cada asistente

Fuente: «La banca panameña ante la inteligencia artificial». Informe Abierto, julio de 2026. Gemini genera listados más extensos que ChatGPT, motivo por el cual el análisis ha de interpretarse de manera relativa.

Tabla 1.2. Ficha de las veinte entidades con mayor presencia

Origen: Informe Abierto, julio de 2026, acerca de 320 contestaciones. «Pos. media» corresponde al lugar promedio obtenido en la contestación.

Tabla 1.3. Cómo se recogieron los datos

Fuente: nota metodológica del Informe Abierto, julio de 2026.

Aviso destinado al editor: este reporte tiene un carácter puramente descriptivo y carece de intenciones evaluativas. En él se registra la presencia de las marcas dentro de un canal específico, omitiendo cualquier juicio sobre la calidad, solvencia, solidez financiera o idoneidad de las distintas instituciones bancarias. Ninguno de sus apartados supone una sugerencia de inversión, contratación o índole financiera, ni tampoco un consejo profesional de ninguna clase. Las cifras presentadas poseen un carácter preliminar, se refieren al mes de julio de 2026 y provienen de estudios sometidos a revisión por expertos, por lo que sus conclusiones definitivas podrían variar.

Hoy en día, la cuestión no radica en si la inteligencia artificial condiciona las elecciones de los usuarios, sino en qué marcas selecciona en dicho diálogo y las razones detrás de ello. Si deseas profundizar en la metodología integral, las métricas por institución, las búsquedas evaluadas y los descubrimientos más destacados, descarga el informe «La banca panameña ante la inteligencia artificial» para revisar todo el estudio.