Las respuestas de los buscadores de inteligencia artificial no siempre coinciden con la información publicada por las marcas sobre sus perfumes. Un estudio de Scento realizado sobre 100 fragancias ha detectado que Gemini incorporó al menos una nota olfativa que no figuraba en la lista de referencia en el 49% de las respuestas, frente al 25% de Perplexity y el 24% de ChatGPT.
El resultado plantea una cuestión que va más allá de la perfumería. Y es que, a medida que los consumidores utilizan asistentes de IA para informarse antes de comprar, las características que estos sistemas atribuyen a un producto pueden convertirse en una nueva fuente de información comercial. Pero, si esa descripción difiere de la publicada por la marca o el retailer, el comprador puede encontrarse con versiones distintas de un mismo artículo.
Descripciones diferentes
Scento ha comparado las respuestas de ChatGPT, Gemini y Perplexity con las notas de salida, corazón y fondo utilizadas como referencia para cada perfume. Además de analizar si aparecían atributos adicionales, ha comprobado cuántas respuestas recogían todas las notas incluidas en esas listas.
ChatGPT incorporó todas las notas de referencia en el 82% de sus respuestas, Perplexity en el 78% y Gemini en el 69%. La medición es distinta de la anterior: un sistema puede incluir todos los atributos publicados y añadir al mismo tiempo otros que no aparecen en la descripción empleada para la comparación.
Cuando Scento exigió una coincidencia exacta, sin omisiones ni incorporaciones adicionales, ChatGPT y Perplexity alcanzaron el 70% y Gemini el 43%. Los tres sistemas coincidieron exactamente con la referencia en 39 de los 99 perfumes sobre los que respondieron todos.
Una nota adicional no es un error
La diferencia más importante está en cómo interpretar las notas que no aparecen en las listas de referencia. Que un asistente mencione vainilla, madera, flores o cualquier otro acorde no implica automáticamente que la información sea falsa.
Las casas de perfumería no siempre publican descripciones exhaustivas de una fragancia y pueden existir fuentes comerciales con pirámides olfativas diferentes. Por ese motivo, el estudio mide discrepancias respecto a una referencia concreta y no una tasa de información inventada.
Para construir esa base, Scento utilizó en 91 de los 100 perfumes la descripción publicada por la propia casa. En los nueve restantes recurrió a dos distribuidores autorizados que coincidían en las notas indicadas. Ese procedimiento permite comparar las respuestas con una fuente definida, aunque no convierte cada diferencia en una falsedad demostrada.
Las fragancias de diseñador registraron más diferencias
El análisis incluyó 50 perfumes de diseñador y 50 fragancias nicho. Según Scento, las respuestas sobre productos de diseñador presentaron entre 22 y 32 puntos porcentuales más de probabilidad de incorporar alguna nota no recogida en las listas de referencia, dependiendo del sistema utilizado.
El dato muestra que la consistencia de la información también puede variar según el tipo de producto analizado.
Consultar la web de la marca tampoco garantiza una respuesta idéntica
Los tres sistemas recurrieron con distinta frecuencia a las páginas oficiales de las casas. ChatGPT citó la web de la marca en 85 de sus 100 respuestas, Perplexity en 74 y Gemini en 55 de las 99 consultas a las que respondió.
La presencia de la fuente original resulta relevante porque permite al usuario comprobar de dónde procede la información, pero el estudio muestra que citarla no elimina necesariamente todas las diferencias. Un asistente puede combinar distintas fuentes, resumirlas o integrar atributos encontrados en otros lugares antes de construir su respuesta.
Para marcas y retailers, esto introduce una nueva dificultad en la gestión de la información de producto. La ficha publicada en la web deja de ser el único punto donde el consumidor consulta características. Parte de ese contenido puede llegarle previamente a través de un buscador de IA que reorganiza información procedente de distintos sitios.
La ficha de producto empieza a competir con la respuesta generada
En perfumería, la discrepancia aparece en las notas olfativas. En otras categorías podría afectar a materiales, dimensiones, compatibilidades, ingredientes, prestaciones o instrucciones de uso. El estudio de Scento sirve como ejemplo de un problema que el ecommerce tendrá que vigilar: qué información sobre sus productos recuperan y reproducen los sistemas de IA.
La consecuencia para el retail está en la coherencia. Si una marca publica una descripción y el consumidor recibe otra antes de visitar la tienda online, la decisión puede construirse sobre atributos que el propio vendedor no reconoce en su ficha.
La disponibilidad de información clara, accesible y estructurada puede ayudar a que buscadores, asistentes y otras aplicaciones tecnológicas encuentren los datos originales con mayor facilidad. Esto no garantiza que una respuesta generada reproduzca exactamente la fuente, pero mejora las condiciones para que los sistemas puedan identificar los atributos publicados por fabricantes y distribuidores.
impulsada por las operadoras de telefonía?