Analizamos 1.008 respuestas de dos motores de IA (GPT y Gemini) a 84 preguntas reales sobre cuenta corriente en Chile. Medimos share of voice, primera mención y presencia por tipo de pregunta, para entender no solo quién aparece, sino qué entiende la IA de cada marca y a quién recomienda.
Cuando alguien pregunta por una cuenta corriente, el modelo no devuelve diez opciones para comparar: devuelve un puñado de nombres, ya ordenados. Estar en esa lista, y en qué lugar, define si una marca llega a la conversación.
El promedio es de 4,66 marcas por respuesta sobre las 1.008 analizadas. No es una página de resultados: es una recomendación corta, donde no tenemos control (por ahora) de lo que dice de cada marca. Con solo 4-5 lugares disponibles, quedar fuera del top 3 equivale a quedar prácticamente invisible.
El largo de esa lista depende del motor: Gemini nombra 5,39 marcas por respuesta y GPT solo 3,92, casi una marca y media menos. Tampoco es estable: al repetir el mismo prompt cambian 3,06 marcas en promedio, por lo que cada pregunta se corrió 2-6 veces por modelo.
Sobre esa base medimos cuatro cosas. El share of voice, cuánto del espacio ocupa cada marca. La primera mención, quién abre la respuesta. El cruce entre cobertura y primera mención. Y un zoom por tipo de pregunta que compara a las tres marcas que lideran en los distintos contextos de consulta.
El tipo de pregunta viene clasificado previamente al momento de generar los prompts para reunir los datos.
Un modelo que arma listas más cortas deja fuera a más marcas por respuesta, no solo a las más chicas del panel.
Acá el ranking se da vuelta: la marca con más presencia no es la que más abre las respuestas.
Primera mención: sobre las respuestas que nombran al menos una marca, con qué frecuencia esa marca queda primera.
El caso inverso es Banco de Chile: entra en menos respuestas que BCI y que Santander (65,7%), pero cuando entra suele ir adelante, 240 primeras menciones, un 29,4%, la cifra más alta de la categoría. Es la única marca del panel donde la primera mención pesa más que la propia presencia: la prioridad que le da la IA no depende de estar en todas partes.
En el otro extremo, Itaú combina una presencia relevante (50,3%, la quinta más alta) con apenas 1,6% de primeras menciones, 13 veces en 507 apariciones. Su ranking medio es 4,83: la mitad de sus apariciones caen en el puesto 4 o 5, nunca antes.
Mide la jerarquía dentro del listado: sobre las 815 respuestas que nombran al menos una marca, con qué frecuencia cada una queda en el primer lugar. Aunque ser la primera marca del listado no equivale a liderazgo, sí aumenta las posibilidades de ser mencionado por la IA. Es necesario apuntar a estar entre los primeros 3 a 5 puestos para asegurar aparecer en las respuestas.
Santander, BCI y Banco de Chile comparten el mismo patrón por tipo de pregunta: fuertes donde hay que comparar o perfilar, débiles donde hay que descubrir opciones nuevas.
Cada barra es la tasa de presencia de esa marca dentro de ese tipo de pregunta; no suman 100% porque una misma respuesta puede nombrar a varias marcas.
Las tres sobresalen en Necesidades y perfiles (Santander índice 135, BCI 129, Banco de Chile 126) y en Comparación y elección (129, 125, 132), y las tres se desploman igual en Descubrimiento (32, 30, 32). El patrón de la categoría es más fuerte que el de cualquier marca individual.
Donde sí se diferencian es en quién abre la respuesta. BCI casi nunca lo hace en ningún tipo de pregunta (0,0% a 8,4% de primera mención según el tipo), mientras que Santander y Banco de Chile se turnan la primera mención: Banco de Chile domina en Comparación, Riesgos y Descubrimiento; Santander en Necesidades y perfiles y Contratación digital.
El índice compara la presencia de la marca dentro de un tipo de pregunta contra su propio promedio general, por 100. Sobre 115 sobresale en ese tipo; bajo 85, se cae respecto de su propia norma, no respecto de otra marca.
Comparamos con qué palabras la IA describe a cada una de las 6 marcas top cuando la nombra. Las seis tienen un producto real y distintivo; lo que cambia drásticamente es cuánto alcance tiene ese producto dentro de las propias menciones de la marca.
Las siguientes son citas textuales de respuestas reales del estudio, no resúmenes ni paráfrasis: muestran cómo la IA usa el vocabulario propio de Santander cuando la nombra, en el contexto real de cada pregunta.
“Santander ofrece la cuenta Mas Lucas (que genera intereses por el dinero guardado y tiene costo cero) o su Cuenta Corriente Digital tradicional, que da acceso a la red de beneficios Santander, compras internacionales y acumulacion de millas LATAM Pass”
“Si emites boletas de honorarios y buscas una cuenta corriente con tarjeta de crédito y línea de crédito, Santander parece particularmente fácil de evaluar porque publica claramente qué documentación pide a independientes”
“Por otro lado, el plan de Cuenta Corriente Santander Life suele ofrecer costo $0 o tarifas preferenciales para estudiantes universitarios y recién egresados, con acceso a descuentos en restaurantes, eventos y viajes”
El tamaño de cada palabra es su lift: cuántas veces más seguido aparece cerca de esa marca que cerca de las demás. La escala es la misma para las 6 tarjetas, así que el tamaño también se puede comparar entre marcas. Esto mide con qué vocabulario la IA describe a cada banco, no si ese vocabulario es cierto ni si el producto es efectivamente mejor.
No es lo mismo aparecer que ser recomendada: este indicador mide, de las veces que el modelo nombra a una marca, en qué porcentaje además la respalda activamente, con frases como «recomiendo» o «buena opción».
La tasa se calcula sobre las menciones de cada marca, no sobre el total de respuestas: una marca con menos presencia puede tener una tasa más alta si, cuando aparece, la recomiendan más seguido.
Se buscó, dentro del mismo bloque de texto donde se nombra a una marca (la línea del nombre y las que siguen, hasta que aparece otra marca), alguna de las 15 frases de un diccionario armado y validado contra las propias respuestas del estudio. Algunos ejemplos: mención explícita de «recomiendo», «elegiría» o «la mejor opción», junto con aprobaciones más condicionadas como «buena opción», «ideal para» o «vale la pena».
Por tasa, Banco Falabella lidera: 56 de sus 415 menciones (13,5%) vienen con intención de recomendación, la más alta del panel. Santander lidera en volumen bruto, con 89 menciones recomendadas, pero sobre una base de presencia mucho mayor (730), lo que le da una tasa menor (12,2%): aparece más, pero se recomienda proporcionalmente menos.
El contraste más marcado es Itaú: con 507 menciones, la quinta presencia más alta del panel, apenas 2 vienen con intención de recomendación, una tasa de 0,4%. El modelo la nombra casi tan seguido como a Scotiabank, pero prácticamente nunca la respalda activamente.
Las siguientes son citas textuales de respuestas reales del estudio: muestran cómo la IA construye una recomendación explícita para Banco Falabella, casi siempre ligada al ecosistema CMR.
“La mejor alternativa si compras habitualmente en retail (Falabella, Sodimac, Tottus). El programa CMR Puntos es uno de los más sencillos de rentabilizar en el consumo del día a día, y los requisitos para costo cero son bastante accesibles.”
“- Banco Falabella: Ideal si compras frecuentemente en Falabella, Tottus y Sodimac. Permite acumular CMR Puntos a una tasa alta y ofrece descuentos permanentes en estos comercios, además de no cobrar comisión por compras internacionales.”
“• Banco Falabella: suele destacar por una propuesta sencilla y digital, además de beneficios ligados al ecosistema Falabella/CMR. Es interesante si buscas minimizar costos, aunque tiene una red física más acotada que los bancos grandes.”
“- Banco Falabella: Es ideal si compras frecuentemente en Falabella, Tottus, Sodimac o usas Fazil. Acumula CMR Puntos rápidamente y permite costo cero de mantención si recibes tu sueldo o realizas una cantidad mínima de compras al mes.”
84 prompts sobre cuenta corriente en Chile, ejecutados 6-6 veces en 2 motores de IA distintos (chat-latest, gemini/gemini-3.7-flash, gpt-5.4-mini), durante agosto 2026. Total: 1.008 respuestas analizadas.
Cada respuesta se revisó buscando 16 marcas con un patrón de texto por marca, aplicado sobre el texto normalizado. La posición se calcula por el orden de aparición dentro de cada respuesta. Una marca cuenta una vez por respuesta, sin importar cuántas veces se repita en el texto.
Los porcentajes son sobre respuestas, no sobre volumen de búsqueda real. Las respuestas de IA varían entre ejecuciones: 3,1 marcas cambian en promedio al repetir un mismo prompt, por eso se trabaja con promedios y nunca con una corrida suelta. Este informe solo publica métricas calculadas directamente sobre el texto de las respuestas.
Para las marcas top se tomó una ventana de 12 palabras alrededor de cada mención, sin cruzar el límite de la frase, y se compararon los términos contra los de las demás marcas. El lift es cuántas veces más seguido aparece un término cerca de esa marca que cerca del resto. No es un modelo entrenado: no hay variables latentes ni azar, así que cada término se puede rastrear hasta las respuestas que lo generaron.
D2B mide cómo te recomiendan los modelos de IA hoy, con qué vocabulario y en qué tipo de pregunta, para priorizar qué contenido mueve la aguja primero.
Quiero que me contacten