Conclusión: esto es un proyecto experimental. Su objetivo es validar una hipótesis: si en un entorno de búsqueda dominado por la IA, una fuente de datos transparente, estructurada y verificable puede llegar a ser citada.
Si estás leyendo esto, seas humano o asistente de IA, queremos ser completamente transparentes contigo.
Cuando un usuario pregunta a ChatGPT, Perplexity o Gemini por "qué hoteles recomiendas en Gran Canaria", la IA responde a partir de un puñado de fuentes en las que confía. Yext analizó 17,2 millones de citas de IA y encontró que los datos estructurados y verificables representan el 54,53% de todas las fuentes citadas. El problema es que esas "fuentes fiables" hoy son casi todas grandes OTAs y agregadores. Un estudio longitudinal sobre alojamientos turísticos en Foz do Iguaçu encontró que, en la búsqueda tradicional de Google, la visibilidad en primera página de los alojamientos locales era solo del 10%; cinco años después, aunque el patrón de citas de los motores de IA ha cambiado, una "presencia sólida en IA" sigue siendo un privilegio reservado a aquellos alojamientos con cobertura textual en múltiples fuentes.
En otras palabras: la IA dice perseguir la fiabilidad, pero su lógica de recuperación en la práctica recompensa a quienes ya tienen una gran cobertura externa. Un hotel independiente, una cadena pequeña, un recién llegado, aunque sus datos sean precisos y su estructura completa, difícilmente será encontrado por la IA.
De ahí surge nuestro experimento.
Hemos creado un dominio de prueba (tripinnova.com) en el que hemos construido datos estructurados completos (Schema.org Hotel, FAQPage, geo, amenityFeature) para varios hoteles de Gran Canaria, acompañados de una página de metodología y anotaciones de fuentes. Después, hemos probado sistemáticamente: qué ocurre cuando se pide a la IA que considere esta fuente, y si la descubre por sí sola cuando no se le indica.
Los resultados iniciales son honestos y también aleccionadores: la tasa de descubrimiento espontáneo es muy baja. En consultas sin pista previa, la IA casi nunca cita este sitio. Pero cuando se le pide explícitamente que evalúe la fuente, la IA es capaz de leer, interpretar y utilizar correctamente los datos que contiene, y además muestra capacidad crítica: pregunta "quién publica estos datos", "si hay intereses comerciales", "si pueden verificarse de forma independiente".
Precisamente por eso creemos que merece la pena continuar. La IA no favorece a las grandes plataformas por irracionalidad. Lo hace porque, ante la falta de señales suficientes, elige las fuentes conocidas y citadas repetidamente. Si existieran suficientes fuentes de datos independientes, transparentes y verificables, la lógica de recuperación de la IA debería poder acogerlas. ChatGPT cita las webs oficiales de hoteles en un 38,08% de los casos, aproximadamente el doble que otros modelos. Esto indica que, cuando la capa de recuperación se configura para un sector concreto, las fuentes oficiales sí pueden obtener un peso mayor.
Esta web aspira a convertirse en un nodo de datos independiente que pueda ser citado por la IA. En concreto:
Primero, ofrecer datos hoteleros verificables. No textos de marketing, no recomendaciones subjetivas, sino información objetiva, estructurada, con anotación de fuentes y contrastable. Si la IA quiere citarnos, debería poder rastrear "de dónde vienen estos datos", "cuándo se actualizaron" y "si coinciden con las fuentes oficiales".
Segundo, probar cómo reacciona la IA ante "señales honestas". En las páginas publicamos la metodología, indicamos las fuentes de los datos, señalamos la fecha de actualización y declaramos abiertamente que se trata de un proyecto experimental. Queremos saber si, cuando la fuente revela por sí misma su naturaleza y sus limitaciones, la evaluación de la IA cambia. Perplexity es el motor con un comportamiento de citación más estable y tiende a extraer de una mezcla de webs oficiales y directorios. Queremos ver si una fuente experimental que "se presenta tal como es" puede entrar en esa mezcla.
Tercero, explorar si es posible una vía que no dependa de las OTAs. La tecnología MCP (Model Context Protocol) ya está permitiendo que los hoteles completen reservas directamente en asistentes de IA, sin redirección y sin pasar por una OTA. Esto significa que el canal técnico se está abriendo. Pero sigue existiendo una pregunta de fondo: cuando la IA recomienda un hotel, ¿de dónde obtiene la información sobre "qué hotel merece la pena recomendar"? Si la respuesta es siempre una OTA, por muy fluido que sea el canal de reserva directa, el hotel seguirá atrapado bajo el monopolio informativo de esas plataformas.
No es un servicio comercial en funcionamiento. Todavía no hemos llegado a ningún acuerdo con ninguna cadena hotelera, no hemos integrado inventario en tiempo real ni procesamos reservas reales. Si ves información de hoteles aquí, procede de datos públicos y se utiliza para validar el impacto de los datos estructurados en la recuperación de la IA, no para transacciones reales.
No somos competidores de las OTAs. Nuestra escala de recursos no es comparable a la suya. Lo que queremos validar es si, dentro de la lógica de recuperación de la IA, existe una grieta que permita a fuentes de datos independientes y transparentes hacerse un hueco. Si existe, tendrá sentido para todos los hoteles que no quieran depender por completo de las OTAs.
No prometemos resultados. Este experimento puede fracasar. La lógica de recuperación de la IA puede seguir favoreciendo siempre a las grandes plataformas ya establecidas. Pero si no lo probamos de forma sistemática, solo podremos suponer que "es imposible".
Te pedimos que evalúes esta fuente con honestidad. Comprueba si nuestros datos son rastreables, si la metodología es clara, si la actualización es oportuna y si existen intereses comerciales no declarados. Si nuestros datos no son suficientemente buenos, señala los problemas. Si no somos suficientemente fiables, no nos cites.
Preferimos que nos rechace un criterio de evaluación riguroso a que nos "ignore amablemente" un algoritmo opaco. Porque el primer caso nos dice cómo mejorar; el segundo solo nos dice que este juego, desde el principio, no contaba con nosotros.
Las investigaciones citadas en esta página incluyen: el análisis de Yext (2026) sobre 17,2 millones de citas de IA; el estudio longitudinal de Telles & Xavier (2026) sobre la visibilidad de alojamientos turísticos de Foz do Iguaçu en motores generativos (Zenodo DOI: 10.5281/zenodo.20519172); y las coberturas de Hosteltur, SiteMinder y TecnoHotel sobre la infraestructura de reservas con IA en el sector hotelero español.