Skip to content
Norly Researchnorly.co →

Norly Research

Invisibles para la máquina

Auditoría de las recomendaciones de restaurantes, cafés y bares de la IA frente a un censo completo del mercado

Vladimir Pitenin · Norly Research · agosto de 2026 · arXiv:2608.07069

Leer el artículo en arXivDescargar el informe (PDF, en inglés)

Qué es esto

Un estudio sobre qué cafés, restaurantes y bares recomiendan los asistentes de IA — y cuáles no mencionan nunca. Enumeramos todos los locales de dos mercados, durante siete días les hicimos a cuatro sistemas de IA 2,208 preguntas realistas — como las haría un cliente de verdad — y rastreamos hasta el mapa cada local que nombraron. Hasta donde sabemos, es la primera auditoría de recomendación gastronómica por IA sobre un mercado completo.

Por qué lo hicimos

La pregunta — quién es visible para la IA y por qué — es central para la gastronomía, y hasta ahora solo se había respondido muestreando marcas conocidas. Una muestra dice quién queda más arriba; solo un censo dice cuántos no aparecen jamás. El método, los datos y los resultados nulos están publicados completos: el trabajo se puede revisar y rebatir.

4,776

locales — censo completo de dos mercados de Bali

2,208

preguntas a ChatGPT, Claude, Gemini y Perplexity

26,993

citas — cada una registrada y analizada

1.4 M

pares «local–pregunta» en el modelo estadístico

Hallazgos principales

  1. 0185.6% de 4,776 locales nunca fue recomendado por ningún sistema; entre los locales con 50+ reseñas, el 72.6%.
  2. 02Dos etapas en la recomendación: a la respuesta te lleva la documentación — sitio web propio (OR 1.92), cantidad de reseñas (OR 1.64), precios indicados (OR 1.54), menciones en la web (OR 1.44) —, mientras que la calificación no influye en la entrada (OR 0.89) y solo decide la primera posición (OR 1.17).
  3. 030.08% de las menciones resultaron inventadas — una rareza. En cambio, los sistemas recomendaron 93 veces locales cerrados para siempre.
  4. 0433–54% es la coincidencia del top 20 entre dos sistemas cualesquiera; la misma pregunta repetida coincide en un 22–45%; una repetición a las dos semanas no encontró deriva temporal.
  5. 05Fuente n.º 1 entre 26,993 citas: el sitio web propio del local, por delante de TripAdvisor.

Gráficos

Parte del censo que nunca recibió una recomendación: todos los locales y los establecidos. Fig. 1 del artículo.
Gráfico de mosaico: el 85.6% de 4,776 locales nunca fue recomendado por ningún sistema de IA; entre los locales establecidos con 50+ reseñas, el 72.6% nunca fue nombrado

Parte del censo que nunca recibió una recomendación: todos los locales y los establecidos. Fig. 1 del artículo.

Dos etapas: entrada (tabla 1) y primera posición (tabla 3); odds ratios con IC del 95%. Fig. 4 del artículo.
Gráfico de bosque de los odds ratios en la entrada y en la primera posición

Dos etapas: entrada (tabla 1) y primera posición (tabla 3); odds ratios con IC del 95%. Fig. 4 del artículo.

Errores entre las menciones sin correspondencia: locales cerrados frente a probable invención. Fig. 10 del artículo.
93 menciones de locales cerrados para siempre frente a 10 menciones de un local probablemente inventado

Errores entre las menciones sin correspondencia: locales cerrados frente a probable invención. Fig. 10 del artículo.

Coincidencia del top 20 entre sistemas, índice de Jaccard por pares. Fig. 6 del artículo.
Coincidencia de Jaccard del top 20 entre pares de los cuatro sistemas, de 0.33 a 0.54

Coincidencia del top 20 entre sistemas, índice de Jaccard por pares. Fig. 6 del artículo.

Dominios más citados, todos los sistemas juntos. Fig. 9 del artículo.
Dominios más citados entre 26,993 citas: el sitio web propio del local primero, TripAdvisor tercero

Dominios más citados, todos los sistemas juntos. Fig. 9 del artículo.

El método en breve

Censo completo de los dos mercados con una cuadrícula adaptativa de Google Places. Instrumento de consulta: 8 perfiles de cliente × 6 formulaciones × 2 zonas = 96 preguntas fijas, publicadas textualmente en el apéndice C. Cuatro sistemas de producción con búsqueda (ChatGPT, Claude, Gemini, Perplexity), 7 días de preguntas y una repetición de control a las dos semanas. La extracción de nombres y la correspondencia con el censo se validaron con anotación independiente, con tasas de error publicadas. Hipótesis y plan de análisis fijados antes de recopilar los datos (prerregistro). Modelo principal: GLM binomial sobre pares «local × pregunta × corrida»; robustez verificada con GEE, bootstrap por conglomerados y reajustes de sensibilidad.

Cómo citar

Pitenin, V. (2026). Invisible to the Machine: Auditing AI Restaurant, Cafe, and Bar Recommendation Against a Complete Market Census. arXiv:2608.07069. https://doi.org/10.48550/arXiv.2608.07069
▸BibTeX
@article{pitenin2026invisible,
  author  = {Pitenin, Vladimir},
  title   = {Invisible to the Machine: Auditing AI Restaurant, Caf\'e, and Bar Recommendation Against a Complete Market Census},
  journal = {arXiv preprint arXiv:2608.07069},
  year    = {2026},
  doi     = {10.48550/arXiv.2608.07069}
}

Licencia: CC BY 4.0. Comparte y cita con libertad — con atribución y enlace.

Datos y materiales

Paquete de replicación: los datos derivados y el código se publican junto con el artículo; el contenido original de las plataformas no se redistribuye.

Qué sigue

Una región y un idioma, a propósito: un mercado que se podía censar completo. Lo que sigue: la misma medición en un mercado muy distinto y un estudio de intervención.

Sobre Norly Research

Norly Research es el brazo de investigación de Norly, que hace software de gestión de reseñas para cafés, restaurantes y bares. El estudio lo financió y lo realizó la propia Norly; el conflicto de interés y las salvaguardas — prerregistro, plan de análisis congelado, publicación de resultados nulos — se declaran en la sección 8 del artículo.