Los grandes distribuidores, los peores en legibilidad IA

El Industrial AI Visibility Benchmark midió 984 catálogos de fabricantes y distribuidores con una única pregunta: ¿puede un asistente de IA recuperar realmente una especificación de producto de este sitio? La puntuación mediana fue de 50 sobre 100.

Aquella cifra se publicó de forma anonimizada. Este artículo no lo está, porque el hallazgo más útil estaba escondido dentro de la distribución.

Las empresas más grandes y conocidas de la distribución industrial puntúan por debajo de la mediana del mercado que lideran. Su mediana es 40. Quince de las veinticinco marcas de referencia que volvimos a medir quedan por debajo del punto medio de su propio grupo, y la puntuación más alta de los 984 —un 80— es de un pequeño distribuidor especializado sin ningún reconocimiento de marca fuera de su nicho.

La tabla

Medido en directo el 13 de agosto de 2026, no extraído del trabajo de campo anterior. Cualquiera puede reproducir todas las cifras siguientes con el evaluador gratuito, incluidas las propias empresas citadas.

Mediana de estas 25: 40. Mediana de las 984: 50. Rango aquí: de 31 a 78.

Por qué volvimos a medir antes de publicar

El trabajo de campo del benchmark se hizo el 10 de agosto. Publicar una puntuación con nombre y apellidos con tres días de antigüedad habría sido descuidado, así que todas las empresas de la tabla se volvieron a evaluar la mañana de la publicación.

Veintiuna de las veinticinco reprodujeron su puntuación exactamente. Es un resultado tranquilizador para el instrumento. Tres no lo hicieron:

• Rexel UK: 57 → 66. Una mejora de nueve puntos en tres días.
• TE Connectivity: 53 → 40. Una caída de trece puntos.
• Schneider Electric: 51 → 39. Una caída de doce puntos.

Es poco probable que nadie de esas empresas estuviera trabajando esa semana en la legibilidad para la IA. Un cambio en una regla del edge, una actualización de una política de WAF, una configuración de CDN desplegada por un motivo ajeno: cualquiera de esas cosas puede mover la puntuación dos dígitos de la noche a la mañana, en cualquier dirección, sin que nadie se dé cuenta.

Y volvió a pasar mientras se escribía este artículo. Una segunda pasada, unas horas después de la primera, encontró que Toolstation había pasado de 63 a 60: un cambio menor, pero dentro del mismo día, y la tabla anterior recoge la cifra corregida, no la que se redactó esa mañana.

Eso es lo más útil de todo el artículo en el plano operativo. Tu legibilidad para las máquinas no es una propiedad que se arregle una sola vez. Es una configuración viva que se desvía, y se desvía en silencio, porque nada de tu monitorización la vigila. Cuatro de estas veinticinco se movieron en setenta y dos horas, una de ellas en una sola tarde, y es razonable suponer que nadie en esas empresas lo supo.

Qué separa realmente un 78 de un 31

Las cuatro cosas que se miden no cuestan lo mismo de arreglar, y la distancia entre la cabeza y la cola rara vez se debe a que quien puntúa más alto haya hecho algo ingenioso.

Política de rastreo — los puntos más baratos del tablero

La mayoría de los sitios del grupo tiene un robots.txt que no dice absolutamente nada sobre los rastreadores de IA. No es hostil: es mudo, escrito antes de que existiera esta categoría de cliente. Cada vez más, el silencio acaba equivaliendo a una negativa, porque lo prudente para un rastreador que se encuentra con una política no declarada es quedarse fuera.

Nombrar a los rastreadores de motores de respuesta a los que das la bienvenida es trabajo de una tarde y es el cambio con más impacto al alcance de casi todas las empresas de la tabla.

Accesibilidad en el edge — donde pierden las grandes infraestructuras

Aquí es donde la escala perjudica de forma activa. La gestión corporativa de bots existe para frenar el scraping, el credential stuffing y la recolección de precios, y lo hace bien. También desconfía, por defecto, de cualquier cliente que no parezca un navegador, que es la descripción exacta de todos los rastreadores de motores de respuesta.

Varias de las puntuaciones más bajas de esa tabla no son en absoluto un problema de contenido. El contenido está bien. Sencillamente, un cliente que no es un navegador nunca llega hasta él.

Legibilidad en la página — la trampa de JavaScript

Si tus especificaciones las monta en el navegador una aplicación JavaScript, la mayoría de los rastreadores ve un contenedor vacío. Los datos de producto existen, son correctos y son invisibles. Lo que cierra esa brecha son los datos estructurados renderizados en servidor: Schema.org Product con atributos reales, no un nombre y un precio.

Superficies para agentes — donde prácticamente nadie ha empezado

En los 984 catálogos, ni uno solo exponía un endpoint que un agente pudiera consultar directamente. Ningún servidor MCP, ningún feed legible por máquina diseñado para la recuperación de datos y no para un comparador de compras. El listón no está alto. Simplemente, casi nadie lo ha superado, lo que lo convierte en la diferenciación más barata disponible para quien mueva ficha primero.

Lo que esto no es

Conviene dejar claros los límites de la afirmación, porque un benchmark que se vende de más merece todo el escepticismo que recibe.

Esto no es una medida de la calidad del catálogo. Varias empresas con malas puntuaciones tienen unos datos de producto excelentes. El problema es el acceso, no la exactitud.

No es una afirmación de que una marca con puntuación baja esté ausente de las respuestas de la IA. Las grandes marcas están descritas por extenso en toda la web, y un asistente hablará de ellas sin ningún problema a partir de fuentes de terceros. El riesgo es más concreto: el asistente responde a una pregunta técnica sobre tu producto con los datos de un distribuidor, con una página antigua en caché o con la tabla comparativa de un competidor, y les cita a ellos en tu lugar.

No es una clasificación fija. Como demostraron tres empresas en tres días, estas puntuaciones se mueven.

Y no es una acusación. Nada de lo que hay en la tabla es fruto de una decisión mal tomada por nadie. Es el poso acumulado de decisiones individuales razonables —bloquear a los scrapers, renderizar en el cliente, lanzar la SPA— tomadas antes de que llegara un nuevo tipo de lector.

Si estás en la tabla

Pasa el evaluador por tu propio dominio. El desglose muestra cuál de las cuatro pruebas ha fallado y exactamente por qué, y es gratuito y sin registro porque un argumento que puedes comprobar tú mismo vale más que uno que hay que creerse.

Si crees que el resultado es erróneo —una tienda regional mal identificada, una redirección geográfica mal seguida, un límite de peticiones que hemos activado—, dínoslo. Volveremos a ejecutarlo y corregiremos el dato públicamente. Ya lo hemos hecho antes. Una medición sobre la que nadie está dispuesto a equivocarse en público no es una medición, es marketing.

Metodología

Cada sitio se sondea como lo abordaría un rastreador de IA. Descargamos la página de inicio y el robots.txt, resolvemos el catálogo a través del sitemap y tomamos una muestra de páginas de producto con un cliente estándar que no es un navegador. Se puntúan cuatro dimensiones: política de acceso para rastreadores, accesibilidad para máquinas en el edge, legibilidad para máquinas en la página y superficies para agentes. No se toca nada que esté detrás de un inicio de sesión, no se superan deliberadamente los límites de peticiones y un sitio que nos bloquea se registra como bloqueado en lugar de reintentarlo disfrazados: el bloqueo es el hallazgo.

El conjunto completo de 984 sigue publicado de forma anonimizada como el Industrial AI Visibility Benchmark 2026. Las 25 empresas que aquí aparecen con nombre lo hacen porque son grandes, cotizadas o ampliamente conocidas, porque la medición es reproducible por cualquiera y porque el hallazgo es bastante más útil con los nombres puestos que sin ellos.