Gintare Rimolaityte, directora ejecutiva y cofundadora de Trendos – Serie de entrevistas

Gintare Rimolaityte es la directora ejecutiva y cofundadora de Trendos, la plataforma de visibilidad en búsquedas con IA que ayuda a las marcas a comprender y optimizar su presencia en los grandes modelos de lenguaje (LLM). Adquirió experiencia inicial en Oxylabs en 2020, primero como responsable de desarrollo de negocio y después como directora comercial, donde dirigió los equipos de ventas, desarrollo de negocio, gestión de cuentas y éxito del cliente de una de sus unidades de negocio. De 2022 a 2025 fue directora ejecutiva de la plataforma de participación JumpTask. Antes de cofundar Trendos en 2026, trabajó brevemente como responsable de producto en Adment, centrada en prevenir el fraude de afiliación en las búsquedas de pago y los programas de afiliados. Como directora ejecutiva de Trendos, Gintare dirige varios equipos y supervisa el crecimiento estratégico. Vive y trabaja en Vilna.

Trendos es una plataforma de visibilidad en búsquedas con IA que ayuda a las marcas a supervisar, medir y optimizar su presencia en los LLM y los motores de búsqueda basados en IA. Con Trendos, las marcas eliminan el importante punto ciego creado por el paso de las búsquedas en Google a la IA conversacional, que volvió prácticamente invisible para ellas el proceso de recomendación. Además de seguir la visibilidad general, Trendos hace que las herramientas de inteligencia de mercado sobre IA sean accesibles, intuitivas y asequibles, para que las marcas puedan influir en cuándo y cómo aparecen y optimizar esa presencia. Su tecnología captura las respuestas y los anuncios reales que se muestran en los entornos de IA mediante la extracción a gran escala de sesiones de LLM; después analiza esos datos estructurados y los presenta como información clara sobre la visibilidad de la marca y la actividad de sus competidores. Trendos se fundó en marzo de 2026 en Vilna, Lituania, con el respaldo de Tesonet, un creador global de empresas detrás de compañías como Nord Security, Surfshark y Hostinger.

Su trayectoria la ha llevado por la dirección comercial de Oxylabs, la gestión de JumpTask y el trabajo de producto en adment.ai antes de cofundar Trendos. ¿Qué cambios observaba en la manera en que los consumidores descubren marcas mediante la IA que la convencieron de la necesidad de Trendos, y qué creía que faltaba en las plataformas existentes de SEO y visibilidad en IA?

Cuando entrevistaba habitualmente a responsables de marketing, escuchaba una y otra vez lo mismo: las búsquedas con IA están llegando y, aunque ya existen algunas herramientas, nadie sabe realmente hasta qué punto son fiables.

No tenía que limitarme a creerles, porque también estaba viendo ese cambio en tiempo real. Los consumidores pasaban de recorrer enlaces en Google a preguntar directamente a los LLM. Para los profesionales del marketing, esto último era una especie de caja negra. No podían saber siquiera si se les mencionaba, mucho menos cómo se describía su marca o cómo se posicionaba frente a sus competidores.

Veía dos problemas en el software existente. Primero, muchas herramientas parecían plataformas de SEO a las que se había añadido una función de IA. Segundo, las pocas herramientas diseñadas específicamente para ello tenían precios dirigidos únicamente a grandes empresas. Si no eras una gran marca con presupuesto para entender su visibilidad en IA, quedabas fuera y avanzabas a ciegas. Eso no me parecía bien. Todas las marcas merecen saber cómo aparecen, no solo las que pueden desembolsar una cifra de cinco dígitos al mes. Con Trendos queremos ofrecer a marcas de cualquier tamaño una forma precisa y a un precio justo de comprender y optimizar su visibilidad en IA.

Las respuestas generadas por IA pueden parecer una caja negra para los profesionales del marketing. Según los datos que recopila Trendos, ¿cuáles son las señales más importantes que parecen determinar si una marca es mencionada, citada o recomendada por sistemas como ChatGPT, Gemini, Claude y Perplexity?

En cuanto a señales, lo fundamental es recibir suficientes menciones en los lugares adecuados y de forma estructurada. Eso difiere del SEO, donde se necesita un enlace dofollow para transmitir autoridad. En las búsquedas con IA, los modelos no indexan tu sitio, sino que extraen su contenido. El enlace se vuelve superfluo. Solo necesitas que el nombre de tu marca aparezca de forma clara y frecuente en las páginas de las que esos modelos ya obtienen información.

Nuestros datos indican que intervienen cinco pilares: el sitio web propio, las relaciones públicas y la cobertura mediática obtenida, las plataformas de reseñas como Trustpilot y G2, los afiliados y las redes sociales. El peso de cada uno varía según el sector. La moda y el comercio electrónico dependen de los medios propios, porque a los modelos les resulta fácil extraer información de las páginas de producto. Los servicios financieros para particulares dependen más de los sitios de comparación afiliados. Las marcas SaaS y B2B reciben muchas citas desde plataformas de reseñas como G2 y Capterra. No hay una fórmula universal. Hay que examinar las citas de la propia marca para ver qué pilar importa más.

La estructura también cuenta. Las marcas que vemos citadas con más frecuencia publican contenido claro y directo que responde a las preguntas desde el principio, a menudo en formato de preguntas frecuentes. Eso facilita la extracción por parte de los modelos. Los artículos de blog saturados de palabras clave no ayudan. Lo que funciona es responder primero y añadir detalles después. En cuanto al contenido generado por IA, actualmente no vemos que los modelos lo penalicen. Se cita el contenido que responde bien a la pregunta, independientemente de quién o qué lo haya escrito.

También hay cierta aleatoriedad en todo esto. Estos modelos predicen la siguiente palabra en lugar de ejecutar un único algoritmo fijo de clasificación. Puedes hacerlo todo bien y seguir viendo volatilidad. En Trendos intentamos ayudar a las marcas a centrarse en las señales que pueden controlar y a dejar de perseguir las que no pueden.

A diferencia de una posición tradicional en Google, una respuesta de IA puede cambiar cuando se formula varias veces la misma pregunta. ¿Cómo miden de forma fiable la visibilidad en IA si los modelos subyacentes son probabilísticos, y cuánto muestreo hace falta para que una marca extraiga conclusiones significativas de los datos?

Es un tema muy debatido actualmente en el sector. Hace poco, una empresa defendió en LinkedIn que hay que extraer una respuesta unas 100 veces al día y promediar los resultados para obtener algo fiable. Algunas de las plataformas más grandes siguen considerando suficiente hacerlo una vez al día. No creo que ninguna de las dos posturas esté plenamente respaldada por pruebas reales.

Nosotros lo abordamos de forma empírica. Tenemos clientes como NordVPN que llevan un tiempo utilizando nuestro seguimiento, y podemos observar la volatilidad de su visibilidad y sus posiciones durante ese periodo prolongado. Simplemente no varían tanto. Recopilar datos con mayor frecuencia probablemente aporta algo más de precisión, pero la diferencia es una fracción de un punto porcentual y desde luego no la que hay entre ser invisible y ocupar el primer puesto. Podría hacer que alguien pasara del puesto 35 al 32, algo mucho menos importante que los grandes factores estructurales sobre los que una marca sí puede actuar.

Nuestro enfoque consiste en mantener un seguimiento constante en el tiempo, en lugar de buscar una frecuencia extrema de muestreo, y permitir que las marcas examinen su propia línea de tendencia para valorar la estabilidad o volatilidad de su categoría.

Existe mucho debate sobre el SEO, la optimización para motores de respuesta y la optimización para motores generativos. ¿Qué principios del SEO tradicional siguen siendo importantes en las búsquedas con IA, y dónde cree que se equivocan los profesionales del marketing al aplicar sin más sus prácticas de SEO a los grandes modelos de lenguaje?

Varios principios del SEO siguen siendo relevantes en las búsquedas con IA. Pensemos, por ejemplo, en las ramificaciones de consultas: las búsquedas complementarias que ChatGPT realiza entre bastidores antes de responder. Siguen procediendo de comportamientos reales de búsqueda, de modo que el posicionamiento asociado continúa siendo una cuestión de SEO. Se siguen optimizando palabras clave de cola larga, pero orientadas a lo que busca el modelo y no a lo que una persona escribe en Google.

Muchos profesionales del marketing suponen erróneamente que una mención tiene que funcionar como un enlace entrante. En SEO interesa un enlace dofollow porque así se transmiten la autoridad y la valoración del dominio. En las búsquedas con IA, los modelos no indexan tu sitio. Como extraen su contenido, no necesitas un enlace, sino menciones suficientemente claras de tu marca en una página en la que el modelo ya confía. Se dedica mucho tiempo a conseguir ubicaciones para enlaces cuando lo que debería buscarse es la propia mención.

Otro error habitual es arrastrar viejos hábitos de SEO. El contenido redactado principalmente para incluir palabras clave, con la respuesta real escondida a mitad de página, tiende a pasar desapercibido para los modelos de IA. Responde primero a la pregunta, de forma clara y directa, y después añade los detalles.

También diría que es un error dar por muerto el SEO y empezar de cero. ¡El SEO no ha muerto! El GEO es una extensión del SEO, junto con las redes sociales y los afiliados, trabajando de manera conjunta. Las marcas que ya hacen bien el SEO no han realizado todo ese trabajo en vano, pero tampoco deben suponer que las antiguas reglas se aplican exactamente igual.

Trendos sigue las fuentes que citan los sistemas de IA al responder preguntas sobre marcas. ¿Qué han aprendido acerca de los tipos de fuentes en los que más parecen confiar los motores de IA, y cuánta influencia puede ejercer realmente una empresa sobre esas citas sin intentar manipular el sistema?

La confianza no sigue una única jerarquía. Depende del sector. Lo más citado en moda —los medios propios— no coincide con lo más citado en servicios financieros para particulares —el contenido de afiliados y las aplicaciones—. Ningún tipo de fuente gana en todas partes. Hay que estudiar las citas de la propia categoría para entender en qué se confía.

La estructura importa tanto como el tipo de fuente. Los sitios editoriales de autoridad siguen teniendo peso, pero no se trata de una única puntuación de autoridad como la valoración del dominio. Observamos que la constancia importa más: con qué frecuencia se menciona una marca en un conjunto de fuentes fiables. Y una página clara y bien estructurada de un sitio pequeño puede superar a un artículo largo de una publicación mayor, simplemente porque al modelo le resulta más fácil extraer y utilizar su información.

En cuanto a influir sin manipular, lo separaría por completo de la mentalidad del SEO. No se trata de manipular un grafo de enlaces, sino de obtener menciones auténticas en esos cinco pilares: el sitio propio, la cobertura de relaciones públicas, las plataformas de reseñas como Trustpilot y G2, las relaciones de afiliación y la presencia social. Después hay que estructurarlo todo para que el modelo pueda leerlo fácilmente. No es tan distinto de construir bien una marca. Las marcas más visibles se centran menos en manipular el sistema y más en estar presentes de forma verificable donde los modelos ya confían.

Trendos lanzó un índice que sigue las 1.000 marcas con mayor visibilidad en IA en distintos mercados. ¿Qué patrones o sorpresas han surgido de esos datos, y qué distingue a las marcas que aparecen de forma constante en las recomendaciones generadas por IA de los competidores que siguen siendo prácticamente invisibles?

La primera sorpresa es lo distintos que son los motores. En un mismo mercado, ChatGPT y Google AI Overviews solo coinciden en sus recomendaciones en alrededor de dos tercios de las 100 principales marcas del país. AI Overviews se inclina mucho por el comercio minorista cotidiano. Trader Joe’s ocupa allí el puesto 35 en Estados Unidos, pero el 567 en ChatGPT. ChatGPT se orienta hacia marcas B2B y empresariales como Gartner, ServiceNow y Databricks, que AI Overviews ignora en gran medida.

La segunda sorpresa es su carácter local. El setenta por ciento de las marcas de nuestro índice solo aparece en un país, y en Alemania casi un tercio de las 100 primeras son marcas que no figuran en las listas del Reino Unido ni de Estados Unidos.

Lo que distingue a las marcas constantemente visibles es la amplitud. Una marca típica entre las 10 primeras aparece en más de 90 categorías de productos; una situada en la mitad inferior aparece en unas cinco. No solo reciben más menciones, sino que son relevantes para muchas más preguntas. Y las listas cambian rápidamente: los primeros puestos apenas varían de un mes a otro, pero alrededor del 13 % de las marcas desaparece de cada lista en un solo mes. La visibilidad no se consigue de una vez para siempre; hay que seguir ganándosela.

Ad Radar de Trendos sigue las ubicaciones patrocinadas que aparecen junto a las conversaciones de ChatGPT. ¿Qué muestran los primeros datos sobre los sectores y anunciantes que avanzan más deprisa, y cómo deberían distinguir los profesionales del marketing la visibilidad de pago de las menciones o recomendaciones orgánicas del modelo de IA subyacente?

Los anuncios de ChatGPT se concentran mucho en el comercio minorista y el B2C, que representan aproximadamente entre el 50 y el 70 % de lo que seguimos. El resto es B2B, sobre todo empresas y agencias que anuncian sus propios servicios. Es lógico, ya que la base de usuarios de ChatGPT está compuesta principalmente por consumidores, aunque también existe una presencia B2B real.

La plataforma publicitaria de OpenAI aún está en sus inicios. Sigue incorporando formatos y funciones, y el despliegue es desigual: la última vez que lo comprobé, los anuncios no estaban activos ni podían facturarse en varios mercados europeos, incluso después de que OpenAI anunciara su expansión allí. Por eso, cualquier lectura sobre los sectores que avanzan más deprisa es más una instantánea de quienes están dispuestos a probar algo nuevo que una imagen de quienes seguirán anunciándose dentro de seis meses.

Ahí también están las carencias para los anunciantes. OpenAI no muestra en qué consultas aparecen tus anuncios ni qué hacen tus competidores. Con Ad Radar de Trendos, las marcas pueden ver exactamente qué consultas activan sus anuncios y observar a los demás anunciantes de su categoría: cuántos anuncios publican, a dónde llevan y qué titulares y descripciones utilizan.

Por ahora, las menciones de pago y las orgánicas son fáciles de distinguir. ChatGPT identifica claramente las ubicaciones patrocinadas y las muestra al final de la respuesta, de modo que no se mezclan con ella. Una recomendación orgánica significa que el modelo te elige como respuesta; una ubicación de pago significa que alquilas un espacio debajo.

Sinceramente, espero que distinguirlas resulte más difícil con el tiempo. Cuanto más se parece un anuncio a una parte auténtica de la respuesta, mejor suele funcionar. Eso ha ocurrido en Google y Meta, y probablemente ChatGPT avance en la misma dirección. Precisamente por eso las marcas necesitan seguir conjuntamente su visibilidad de pago y su visibilidad orgánica.

Uno de los desafíos de la optimización para motores generativos es separar correlación y causalidad. Cuando una marca mejora su visibilidad en IA, ¿cómo puede un equipo de marketing determinar qué acción causó realmente esa mejora, ya fueran relaciones públicas digitales, cobertura de terceros, mejores contenidos propios, reseñas, cambios técnicos u otra cosa?

La atribución es una de las cuestiones más difíciles del GEO, y todavía nadie puede trazar una relación perfecta entre cada acción y cada resultado. Pero las marcas están lejos de actuar a ciegas. Con Trendos se puede ver exactamente qué fuentes citan los motores de IA cuando mencionan tu marca y a tus competidores, y eso revela mucho sobre lo que funciona.

El enfoque más fiable es vincular una acción concreta con una fuente concreta. Si consigues cobertura en un sitio que ya se cita en tu categoría, puedes observar si esa fuente empieza a aparecer en las respuestas a las consultas pertinentes y si tu marca aparece con ella. Lo mismo ocurre con las reseñas, las ubicaciones de afiliados o el contenido nuevo en tu propio sitio. No esperas a que cambie tu puntuación general preguntándote por qué: ves qué fuentes utilizan realmente los modelos.

En el ámbito de pago es aún más claro. Con los anuncios de ChatGPT puedes seguir el impacto directo igual que en cualquier otro canal de pago, utilizando parámetros UTM para medir el tráfico y las conversiones.

Sigue siendo aconsejable observar tendencias durante varias semanas en lugar de reaccionar a un solo día, porque las respuestas de IA varían de forma natural. También estamos desarrollando Key Insights, que muestra automáticamente esas conexiones para que los equipos no tengan que examinar por sí mismos cada gráfico. Todavía hay incertidumbre en GEO, pero las marcas ya disponen de herramientas para ver con claridad qué les aporta más valor.

Trendos presentó recientemente una integración MCP que permite a los agentes de IA consultar directamente datos sobre visibilidad, competidores, citas y publicidad. ¿Cree que la gestión de la visibilidad en IA acabará pasando de profesionales del marketing que estudian paneles a agentes que detectan carencias continuamente y recomiendan o ejecutan cambios en su nombre?

Creo que esa es la dirección, y ya estamos trabajando hacia ella. Incluso sin agentes, Trendos está evolucionando para hacer cosas por las marcas en vez de limitarse a mostrarles un panel. Hace poco encontramos un pequeño productor cuyo sitio web estaba completamente bloqueado para los robots de IA debido a un problema técnico básico que nadie de su equipo sabía que debía comprobar. Informamos a la marca, pero nuestra ambición es poder resolverlo sin que alguien de su lado tenga que interpretar primero un gráfico.

Los agentes son una extensión natural. Si un sistema ya puede leer los datos que hay detrás de Trendos, no debería suponer un gran salto detectar una cita ausente y actuar en consecuencia. No creo que los paneles desaparezcan por completo. Nuestros usuarios más técnicos siguen queriendo los datos brutos, sobre todo las ramificaciones exactas de las consultas y el texto real de las respuestas. Pero para la mayoría de las marcas —ese 90 % que no quiere convertirse en analista de datos— creo que el resultado final será un agente que gestione esto discretamente en segundo plano y solo lo haga visible cuando haga falta una decisión humana.

A medida que los asistentes de IA van más allá de responder preguntas para recomendar productos, comparar proveedores y, con el tiempo, completar transacciones mediante agentes, ¿cómo espera que evolucione el concepto de «visibilidad en las búsquedas», y qué métricas cree que acabarán importando más a las marcas?

Creo que la «visibilidad en las búsquedas» pasará a ser una parte de algo más amplio: si un agente elige tu marca cuando actúa en nombre de alguien. Ser mencionado en una respuesta es una cosa. Ser la marca que un agente selecciona, compara favorablemente y con la que completa una transacción es algo distinto y mucho más exigente. Ya estamos viendo los primeros pasos con el comercio agéntico.

Cuando el comercio agéntico despegue, la visibilidad por sí sola no bastará. El sentimiento asociado a la marca cobrará muchísima importancia. Un agente que compare tres proveedores en tu nombre no solo valorará quién aparece mencionado, sino a quién se describe como fiable, bien valorado y con una buena relación calidad-precio. La tasa de recomendación —la frecuencia con que se te elige entre las marcas consideradas— será mucho más significativa que el número bruto de menciones.

También espero que aumente la importancia de la estructura y de la legibilidad para las máquinas. Ahora se trata de escribir contenido en formato de preguntas frecuentes para que un modelo pueda extraerlo fácilmente. Cuando los agentes realicen transacciones en tu nombre, importará que tus precios, inventario y condiciones estén estructurados de una forma que el agente pueda leer y sobre la que pueda actuar directamente, y no solo describir.

Hay una salvedad importante: aún es pronto. Prefiero decirlo claramente a fingir que lo tenemos todo perfectamente definido. De lo que estoy segura es de que las marcas que presten atención a este cambio antes de que los agentes realicen transacciones a gran escala tendrán una auténtica ventaja, como ocurrió con las primeras marcas que apostaron por el SEO en Google.

Gracias por esta excelente entrevista. Los lectores que deseen obtener más información pueden visitar Trendos.