Hasta hace poco, quien buscaba un sitio veía una lista, una puntuación y algunas reseñas destacadas. Hoy, cada vez más a menudo, ve un resumen: dos líneas que sintetizan lo que dicen los clientes de esa sede. No las escribe una persona. Las escribe un sistema que ha leído las reseñas por ella.

Para quien gestiona una red, esto desplaza la atención de la puntuación al contenido. En este artículo separamos lo que está documentado de lo que es solo una hipótesis, y vemos qué conviene hacer. Forma parte de nuestra guía de gestión de reseñas para marcas multisede.

Qué está documentado

Circulan muchas afirmaciones y pocas fuentes. Conviene partir de lo que Google declara en sus documentos.

Los resúmenes de reseñas. En su documentación para desarrolladores, Google describe los resúmenes de opiniones potenciados por IA como «resúmenes de lugares generados por IA basados únicamente en las opiniones de los usuarios». Dos detalles importan. Sintetizan elementos como los atributos del lugar y el sentimiento de quien escribe. Y van acompañados de una atribución que los declara «Resumido con Gemini». La misma página enumera los países en los que la función está disponible a través de la API: a 18 de octubre de 2026, España no figura en la lista.

La búsqueda conversacional en Maps. Con Ask Maps, Google ha presentado una forma de buscar en la que la persona describe una necesidad y recibe una selección ya filtrada, no una lista. Lo hemos tratado en el artículo Ask Maps reescribe las reglas del descubrimiento local. La disponibilidad cambia de un país a otro.

Ninguna optimización especial. En su guía sobre la optimización para las funciones de IA generativa de la Búsqueda, Google escribe que las prácticas recomendadas de SEO «siguen siendo relevantes porque nuestras funciones de IA generativa en la Búsqueda de Google se basan en nuestros sistemas principales de posicionamiento y calidad», y que «no es necesario que escribas de una forma específica solo para la búsqueda con IA generativa». La indicación es para sitios web, pero el principio vale aquí: no hay una técnica dedicada; cuenta la calidad de lo que se lee.

Lo que no sabemos

También conviene decir dónde terminan las certezas. Google no publica los criterios con los que un resumen elige qué destacar ni con qué frecuencia se actualiza. Sobre los asistentes de otros proveedores, la información pública acerca de qué fuentes usan para los negocios locales, y con qué peso, es todavía menor. Y los comportamientos cambian de un mes a otro.

De ahí se deriva una regla de prudencia: desconfiar de quien promete hacer aparecer una marca en las respuestas de un asistente. Se puede trabajar sobre la materia prima, es decir, sobre lo que escriben los clientes y lo que declara la ficha. No se controla lo que el sistema hará con ello.

De la puntuación al texto

Un resumen no se construye con estrellas. Se construye con frases. Esto cambia el valor relativo de las reseñas: cien valoraciones sin texto suben la media, pero no le dan a un sistema nada que resumir. Diez reseñas que describen la espera, el personal, el aparcamiento o la limpieza dan un retrato.

También cambia el peso de la repetición. Una crítica aislada sigue siendo un episodio. El mismo tema repetido en veinte reseñas se convierte en un rasgo de la sede, y es probable que un resumen lo recoja. Vale en positivo y en negativo: «personal atento» y «cola en caja» tienen la misma probabilidad de acabar en las dos líneas que lee el cliente.

Por último, cuenta el tiempo. Si un resumen se basa solo en las reseñas, lo que estas cuentan va cambiando a medida que llegan otras nuevas: un problema resuelto hace seis meses puede seguir apareciendo mientras las reseñas recientes no cuenten otra cosa. Las reseñas recientes no sirven solo para mantener al día la puntuación: sirven para mantener al día el relato.

Esquema de síntesis: para los resúmenes generados por IA cuentan el texto de las reseñas, la repetición de los temas y el tiempo, con lo que Google documenta y lo que no se sabe
Reseñas e IA en síntesis: qué cuenta para un resumen, qué está documentado y qué no sabemos.

Qué hacer en una red de sedes

Ninguna de estas acciones es nueva. Lo nuevo es el motivo por el que importan.

Qué cuidar Por qué cuenta para un resumen Qué hacer
Reseñas con texto Solo el texto se puede resumir Invitar a todos los clientes a contar su experiencia, sin sugerir qué escribir
Reseñas recientes Describen la sede tal y como es hoy Un flujo continuo de invitaciones, no campañas puntuales
Temas recurrentes Lo que se repite a menudo se convierte en un rasgo de la sede Leer los temas sede por sede e intervenir sobre las causas
Respuestas Son públicas y cuentan cómo reacciona la sede Responder al fondo del asunto y decir qué ha cambiado
Datos de la ficha Servicios, horarios y atributos responden a peticiones concretas Mantener la información completa y homogénea entre las sedes

Sobre el primer punto hace falta una precisión. Tener reseñas más ricas no autoriza a orientar su contenido. Pedir a un cliente que mencione un servicio o que use ciertas palabras hace que la reseña deje de ser una experiencia auténtica, y las reseñas se piden a todos, no solo a quien está satisfecho. Las reglas están en el artículo sobre cómo pedir reseñas en Google. Lo que sí se puede hacer es elegir el momento: una invitación que llega justo después de la experiencia encuentra al cliente con los detalles aún frescos.

Sobre el tercer punto, en una red, el trabajo es de comparación. Si en quince sedes de cada cien los clientes hablan de esperas largas, esas quince sedes se describirán así. Identificarlas es el primer paso; el segundo corresponde a quien gestiona los turnos, no a marketing.

Sobre las respuestas vale lo mismo que para las personas: una respuesta que reconoce el problema y dice qué se ha hecho añade información a la ficha. El método está en el artículo sobre cómo responder a las reseñas.

El riesgo que hay que evitar

Cada vez que cambia la forma en la que te encuentran, aparece la tentación del atajo. En este caso sería producir reseñas escritas a propósito para que las lea una máquina: largas, llenas de términos elegidos, todas parecidas. Es interacción falsa, y las consecuencias son las que se describen en el artículo sobre las reseñas falsas. Además, es inútil: un sistema que resume lo que dicen de verdad muchos clientes da poco peso a lo que dicen unos pocos de la misma manera.

Cómo te ayuda Calton

Leer las reseñas como las lee un asistente de IA

Un asistente de IA resume lo que muchos clientes dicen de una sede. Para saber qué contará, conviene leer las reseñas de la misma forma: por temas, no una a una. La topic analysis de Calton agrupa los temas de las reseñas de Google, Tripadvisor, Trustpilot y otras plataformas por sede y por zona, y muestra dónde se repite un problema.

Las respuestas, con la IA o con plantillas, salen del mismo dashboard, y la tasa de respuesta de cada sede queda bajo control.

Cómo funciona la gestión de reseñas →

Las indicaciones de Google recogidas en este artículo proceden de las páginas oficiales enlazadas en el texto, consultadas el 18 de octubre de 2026. Las funciones y su disponibilidad cambian a menudo: lo que vale es la versión publicada. Las consideraciones sobre qué cuidar son nuestra lectura operativa para marcas multisede.