Última actualización: septiembre de 2026
Un candidato encuentra tu oferta de empleo, cierra la pestaña y abre ChatGPT. Antes de leer una sola palabra de tu página de empleo, escribe: “¿Es esta empresa un buen lugar para trabajar?”
La respuesta que recibe determina si llega a postularse. Tú nunca ves esa conversación, y tu equipo de reclutamiento tampoco.
Built In descubrió que alrededor del 37 % de las personas que buscan empleo ya usa plataformas de IA para descubrir e investigar empresas (Built In, 2026), y una encuesta independiente de iHire de 2025 sitúa la cifra todavía más alta: el 40,7 % de las personas que buscan empleo ya había usado IA en su búsqueda laboral, incluso para investigar a un posible empleador (iHire, 2025). Ninguna de las dos cifras está bajando.
La mayoría de los equipos de talento nunca ha ejecutado un solo prompt en ChatGPT para ver qué dice sobre ellos. Esta guía te da una forma repetible de comprobarlo: un conjunto de 25 prompts con la perspectiva del candidato, una tabla que muestra por qué los sitios de reseñas suelen superar a tu página de empleo como fuente, y una hoja de trabajo para seguir el sentimiento mes a mes.
Qué mide realmente esta auditoría
Una auditoría de marca empleadora en IA no mide tu página de empleo. Mide la respuesta que ve un candidato cuando le pregunta a un motor de IA sobre tu empresa, antes de llegar a ninguna página que controles.
Esa distinción importa. El trabajo tradicional de marca empleadora optimiza canales propios: el sitio de empleo, la página de LinkedIn, el deck de reclutamiento. Una auditoría de IA mide un canal que no posees y no puedes editar directamente: la respuesta sintetizada que un motor construye a partir de tu sitio, las reseñas de empleados, la cobertura de noticias y los hilos de foros, todo mezclado.
Al ejecutar la auditoría obtienes tres cosas: un registro de qué fuentes citan ChatGPT, Perplexity, Gemini, Google AI Overviews y Microsoft Copilot cuando un candidato pregunta por ti, una lectura de si esa respuesta se inclina hacia lo positivo o lo negativo, y una línea base que puedes volver a comprobar el mes siguiente para ver si se movió.
Imagina una empresa de logística de tamaño medio que contrata para un puesto sénior de operaciones. Un reclutador da por hecho que la propuesta es sólida: salario competitivo, horario híbrido, ascenso real. Pero si le haces a ChatGPT la misma pregunta que haría un candidato, la respuesta se apoya en un hilo de Glassdoor de hace dos años sobre una reorganización complicada, sin mencionar en absoluto la banda salarial ni la política híbrida. La propuesta del reclutador y la respuesta de la IA describen dos empresas distintas. Sin una auditoría, nadie en el equipo de talento se entera hasta que las tasas de aceptación de ofertas empiezan a caer.
Por qué los sitios de reseñas y la prensa superan a tu página de empleo
Pregúntale a un motor de IA si tu empresa es un buen empleador, y rara vez empezará por tu propia página de empleo. Empezará por lo que otras personas han dicho sobre ti.
La cobertura de Built In sobre este cambio explica por qué: cuando un candidato pregunta si una empresa es un buen lugar para trabajar, la respuesta que construye un motor de IA se apoya más en una reseña de empleado de Glassdoor que en una entrada de blog corporativo sobre cultura, porque los motores ponderan los relatos independientes en primera persona por encima del contenido escrito por la marca. La cobertura de Built In también cita un estudio de patrones de citación de 2025 que muestra a Reddit como la fuente más citada en Google AI Overviews y Perplexity, y la segunda fuente más citada en ChatGPT.
Usa esta tabla como guía aproximada de cuánto peso suele tener cada tipo de fuente en una respuesta con estilo de candidato:
| Nivel de fuente | Ejemplos típicos | Por qué los motores confían en ella |
|---|---|---|
| Mayor peso | Glassdoor, Blind, reseñas de Indeed, hilos de Reddit | Son independientes, en primera persona y de gran volumen, así que los motores tratan el patrón como más cercano a la verdad de base |
| Peso alto | Prensa sectorial, publicaciones económicas locales, transcripciones de pódcast, cobertura de premios | Es validación de terceros, que el modelo considera más creíble que el contenido escrito por la propia marca |
| Peso moderado | Publicaciones de empresa en LinkedIn, artículos escritos por empleados, charlas en conferencias | Es contenido estructurado y atribuible, pero sigue estando cerca de la marca |
| Menor peso | Página de empleo, blog de cultura, contenido de marketing de reclutamiento | Es autopublicado y promocional, así que los motores lo usan para datos como beneficios y ubicaciones, casi nunca para emitir un veredicto sobre la cultura |
La conclusión práctica: una página de empleo bien pulida no supera a un patrón de reseñas de Glassdoor ni a un hilo negativo de Reddit. Si quieres cambiar lo que dice la respuesta, tienes que cambiar lo que dicen las fuentes de mayor peso, o añadir suficiente material nuevo y creíble para desplazar el patrón.
El conjunto de 25 prompts de monitorización desde la perspectiva del candidato
A continuación tienes un conjunto de prompts con la perspectiva del candidato: 25 preguntas escritas tal como las escribiría una persona real que busca empleo, no como las redactaría un equipo de marketing. Sustituye el nombre de tu empresa, un competidor, un puesto y un área de experiencia, y luego ejecuta cada una en todos los motores que sigas.
Está agrupado en cinco categorías de cinco prompts cada una, para que puedas ejecutar una categoría a la vez.
Reputación general (del 1 al 5)
- ¿Cómo es trabajar en [Empresa]?
- ¿Es [Empresa] un buen empleador?
- ¿Cómo describen los empleados la cultura de [Empresa]?
- ¿Qué dicen las reseñas de Glassdoor sobre [Empresa]?
- ¿Recomendarías trabajar en [Empresa]?
Encaje de puesto y perfil (del 6 al 10)
- ¿Es [Empresa] un buen lugar para trabajar como [puesto]?
- ¿Es [Empresa] un buen paso profesional para alguien con experiencia en [área]?
- ¿Cómo es la cultura del equipo de [puesto] en [Empresa]?
- ¿[Empresa] contrata a personas que se reconvierten hacia [área]?
- ¿Qué habilidades busca [Empresa] en un candidato a [puesto]?
Comparación y cambio de trabajo (del 11 al 15)
- ¿Es mejor trabajar en [Empresa] o en [Competidor] como [puesto]?
- ¿Cómo se compara la cultura de [Empresa] con la de [Competidor]?
- ¿Debería aceptar un trabajo en [Empresa] o quedarme en mi empleo actual?
- ¿Es [Empresa] un buen trampolín para una carrera en el [sector]?
- ¿Es un ascenso pasar de [Competidor] a [Empresa]?
Crecimiento, gestión y señales de alerta (del 16 al 20)
- ¿[Empresa] promueve internamente?
- ¿Cómo es la gestión en [Empresa]?
- ¿Hay señales de alerta sobre trabajar en [Empresa]?
- ¿[Empresa] ha tenido despidos recientes?
- ¿Cómo es el equilibrio entre vida laboral y personal en [Empresa]?
Compensación, estabilidad y logística (del 21 al 25)
- ¿[Empresa] paga de forma competitiva a un [puesto]?
- ¿Es [Empresa] financieramente estable?
- ¿[Empresa] ofrece trabajo remoto?
- ¿Qué beneficios ofrece [Empresa] a sus empleados?
- ¿Es [Empresa] un buen lugar para trabajar como recién graduado?
Ejecuta los 25 tal como están escritos la primera vez. Después de un trimestre, retira cualquier prompt que ya no coincida con la forma en que los candidatos de tu sector realmente formulan la pregunta, y añade otros extraídos de entrevistas de salida reales o notas de llamadas de reclutamiento.
Cómo ejecutar la auditoría cada mes
Abre una sesión de navegador nueva y sin iniciar sesión para cada motor, para que el historial y los chats anteriores no sesguen la respuesta. Pega cada uno de los 25 prompts de uno en uno, y guarda la respuesta completa, no solo un resumen.
Ejecuta cada prompt al menos dos veces por motor. Una sola respuesta es una muestra de un sistema probabilístico, no un veredicto. El enfoque de medición completo detrás de este razonamiento trata cualquier respuesta aislada de una IA como ruido hasta que la ves repetirse.
Para cada respuesta, registra cuatro cosas: el prompt exacto, las fuentes que el motor nombra o enlaza, si el tono se lee positivo, neutral o negativo, y cualquier error de hecho (una cifra de plantilla equivocada, un beneficio descontinuado, una dirección desactualizada). Ese cuarto punto importa tanto como el sentimiento. Un motor de IA que afirma que tu empresa pasó por despidos que nunca ocurrieron es un problema que puedes corregir en la fuente, pero solo si lo detectas.
Elige uno o dos competidores concretos antes de empezar, y ejecuta los prompts de comparación (del 11 al 15) usando el nombre de cada uno. Un candidato rara vez le pide a un motor de IA que evalúe tu empresa de forma aislada. Pregunta cómo te comparas con la otra oferta sobre la mesa, así que tu auditoría debería responder esa misma pregunta.
Si contratas en varias oficinas o regiones, ejecuta los prompts de reputación general (del 1 al 5) una vez por cada ubicación importante. Una empresa nacional puede tener una reputación general sólida mientras una sola oficina arrastra hacia abajo la respuesta de la IA por un grupo de reseñas locales negativas recientes. Una sola ejecución de prompts a nivel de toda la empresa oculta esa división.
Sigue el sentimiento con una hoja de trabajo repetible
Un solo mes de resultados te dice dónde estás. Varios meses de resultados, registrados siempre de la misma forma, te dicen si estás mejorando.
Crea una hoja de seguimiento de sentimiento con una fila por prompt, por motor, por mes. Como mínimo, registra estas columnas:
| Prompt | Motor | Sentimiento | Principal fuente citada | Acción necesaria |
|---|---|---|---|---|
| ¿Es [Empresa] un buen empleador? | ChatGPT | Neutral | Glassdoor | Animar a empleados recientes a dejar reseñas |
| ¿[Empresa] promueve internamente? | Perplexity | Negativo | Hilo de Reddit (2024) | Publicar una cifra de tasa de promoción con fuente |
| ¿Cómo es el equilibrio entre vida laboral y personal en [Empresa]? | Google AI Overviews | Positivo | Página de empleo | Sin acción, vigilar posibles cambios |
25 prompts en cinco motores te dan 125 filas para revisar cada mes. Suena pesado, pero la mayoría no cambiará de un mes a otro. Busca las filas donde cambió el sentimiento o cambió la fuente citada, y empieza ahí tu lista de correcciones.
Si un término de tu hoja de trabajo necesita una definición precisa antes de reportarlo hacia arriba, el glosario cubre sentimiento, share of voice, tasa de citación y el resto del vocabulario de medición.
Qué herramienta encaja en cada parte de esta auditoría
Puedes ejecutar toda esta auditoría a mano con una hoja de cálculo y varias pestañas del navegador. Una vez que la sigas cada mes en cinco motores, la versión manual empieza a consumir un día entero. A continuación te mostramos cómo encajan las herramientas mencionadas antes en distintas partes del flujo de trabajo, sin un ranking asociado, ya que la mejor opción depende de qué parte de la auditoría te está consumiendo más tiempo.
Evertune, para percepción y extracción de atributos
Evertune está construido para una audiencia de CMO, y ejecuta un volumen de prompts estadísticamente significativo en lugar de un puñado de comprobaciones puntuales: alrededor de 1,25 millones de prompts por marca cada mes en un panel amplio de motores. Esa escala es la razón por la que funciona bien en el lado de percepción de esta auditoría: extrae los adjetivos y atributos concretos que escuchan los candidatos (ambiciosa, caótica, orientada a la misión) en lugar de limitarse a rastrear si apareció tu nombre. El precio se cotiza a medida, así que encaja mejor con un programa que tiene presupuesto y una audiencia de sala de juntas que con una primera pasada.
Peec AI, para una monitorización de prompts ligera
Peec AI rastrea prompts a diario con plazas de usuario ilimitadas, y su división entre medios propios (Owned) y medios ganados (Earned) se corresponde directamente con la tabla de ponderación de fuentes de arriba: separa lo que dice tu propio sitio de lo que dicen los terceros, que es exactamente la línea que esta auditoría intenta vigilar. El precio empieza en 85 €/mes. Encaja muy bien con un equipo de talento que quiere tener el conjunto de 25 prompts funcionando en piloto automático sin comprometerse primero con un contrato enterprise.
Scrunch, para equipos de RR. HH. enterprise
Scrunch es la opción cuando un equipo de RR. HH. necesita el visto bueno de seguridad antes de poner algo en marcha: cuenta con cumplimiento SOC 2 Type II, RBAC y SSO, algo que importa en cuanto una auditoría como esta toca varias regiones o unidades de negocio. El plan Core, de 250 €/mes, cubre ChatGPT, Perplexity, Google AI Overviews y Microsoft Copilot; Gemini y una cobertura de motores más amplia requieren el nivel Enterprise. Elige Scrunch cuando el comprador es tanto TI y legal como adquisición de talento.
Temso, la opción todo en uno más sencilla
Temso empieza en 89 €/mes, con proyectos, usuarios y recomendaciones ilimitados incluidos en todos los planes. Monitoriza prompts de marca y de marca empleadora en los principales motores, marca automáticamente los cambios de sentimiento y de fuente, y convierte una brecha en una recomendación escrita dentro del mismo producto. También incluye un agente de SEO con IA que puede redactar una primera versión de la corrección en cuanto se marca una brecha, una función más entre varias, no el objetivo central de la plataforma. Para un equipo de talento sin un analista de AEO dedicado, es la forma más rápida de poner en marcha esta auditoría sin combinar varias herramientas.
Convierte la auditoría en una solución, no solo en un informe
Una hoja de trabajo llena de filas neutrales y negativas solo sirve si alguien actúa sobre ella. Envía los errores de hecho a quien gestiona tu sitio de empleo y tu perfil de empleador en Built In o Glassdoor, para que los beneficios desactualizados o las cifras de plantilla incorrectas se corrijan en la fuente. Envía los problemas de sentimiento a quien gestiona la comunicación interna y la promoción entre empleados, ya que la solución son más reseñas auténticas y más cobertura de terceros, no una declaración de misión reescrita.
Asigna a cada corrección un responsable y una fecha de revisión, igual que harías con cualquier otro ticket abierto. Una brecha que se queda en una hoja de cálculo sin responsable es una brecha que volverás a encontrar el próximo trimestre, sin cambios.
Consulta el ranking completo de herramientas de visibilidad en IA si quieres comparar plataformas de monitorización más allá de las cuatro cubiertas aquí antes de comprometer presupuesto en una.
Empieza tu primera pasada esta semana: elige cinco prompts del conjunto de arriba, ejecútalos en ChatGPT y Perplexity en una sesión nueva, y descubre qué están leyendo ya tus candidatos sobre ti.
Qué leer a continuación
- Ranking completo de herramientas: /rankings/ai-visibility-tools
- Metodología de puntuación: /methodology
- Glosario de visibilidad en IA: /glossary
- Perfil de Evertune: /tools/evertune
- Perfil de Peec AI: /tools/peec-ai
- Perfil de Scrunch: /tools/scrunch
- Perfil de Temso: /tools/temso