Un artículo de Wikipedia con contenido negativo u obsoleto puede pasar años sin que nadie lo vea. Pero cuando los sistemas de inteligencia artificial lo incorporan en sus respuestas generadas, esa información negativa gana una visibilidad masiva que nunca tuvo en su versión original.
Anthony Will documentó esta semana en Search Engine Land el patrón con casos concretos: marcas y personas que tenían controversias viejas en Wikipedia — información desactualizada, críticas de años anteriores, descripciones inexactas — y que las vieron resurgir amplificadas cuando los LLMs empezaron a usarlas como fuente para responder preguntas sobre esas entidades.
Por qué los LLMs confían tanto en Wikipedia
Wikipedia ocupa un lugar especial en la jerarquía de fuentes de los modelos de lenguaje. Tiene alta cobertura temática, estructura consistente, citas externas verificables y un historial de edición que los modelos interpretan como señal de calidad y consenso. Para muchos LLMs, Wikipedia es la fuente de referencia por defecto cuando necesitan información sobre una entidad — persona, empresa, organización, producto.
El problema es que Wikipedia no siempre está actualizada, no siempre es precisa, y el proceso editorial de Wikipedia tiene sus propias limitaciones — algunos artículos son editados por personas con agendas, otros reflejan controversias que ya fueron resueltas pero que permanecen en el texto.
El escenario más común
Los casos más frecuentes que están surgiendo son tres:
- Controversias pasadas bien documentadas: una empresa tuvo un escándalo hace cinco años que fue ampliamente cubierto, se resolvió, y quedó registrado en su artículo de Wikipedia. Los LLMs incluyen esa controversia en respuestas sobre la empresa aunque ya no sea relevante.
- Información obsoleta: Wikipedia dice que una persona es CEO de una empresa que ya dejó hace dos años. Los LLMs presentan esa información como actual.
- Descripciones negativas en artículos de crítica: algunos artículos de Wikipedia sobre categorías de productos o prácticas de industria incluyen críticas negativas que los LLMs asocian con empresas específicas del sector.
Qué hacer si tu marca tiene un problema en Wikipedia
La respuesta depende del tipo de problema:
Información factualmente incorrecta u obsoleta
Wikipedia permite editar información incorrecta si tenés fuentes verificables que la respalden. Para información obsoleta — como un cargo que ya no ocupás — podés editar directamente citando fuentes confiables. El proceso es más simple de lo que parece para correcciones factuales bien documentadas.
Controversias pasadas que fueron resueltas
Si la controversia fue real pero ya fue resuelta, la estrategia es agregar al artículo la información sobre la resolución — con fuentes verificables. Wikipedia no exige que los artículos ignoren las controversias, pero sí que reflejen el estado actual de la situación.
Contenido sesgado o con agendas
Si el problema es sesgo editorial, el proceso es más complejo — requiere trabajo con la comunidad de Wikipedia y en algunos casos puede llevar tiempo. En estos casos, la estrategia complementaria es construir fuentes externas positivas y actualizadas que los LLMs también usen como referencia, diluyendo el peso relativo de Wikipedia negativa.
La gestión de la presencia en Wikipedia como parte de la estrategia de visibilidad en IA es algo nuevo que muchos equipos SEO y de comunicaciones todavía no tienen en su radar. Para entender cómo trabajar la reputación de entidad en el ecosistema de IA, podés leer nuestra nota sobre cómo la visibilidad en IA se forma antes de la búsqueda.
