Infraestructura de investigación
Una plataforma de investigación reproducible para estudiar cómo los sistemas de IA generativa seleccionan, citan y recomiendan organizaciones, marcas y fuentes digitales.
01
La búsqueda generativa transforma la visibilidad digital: pasamos de enlaces ordenados a respuestas sintetizadas. Una organización puede ser mencionada, citada, recomendada u omitida, pero todavía faltan métodos suficientemente estandarizados y reproducibles para medir esos resultados.
02
Del SEO al GEO (Generative Engine Optimization): desarrollo y validación de un modelo científico para optimizar la visibilidad de organizaciones en motores de búsqueda generativos basados en inteligencia artificial.
Flujo de investigación
GSLHub está diseñado para que cada resultado científico pueda rastrearse hasta sus condiciones experimentales y su evidencia original preservada.
Definir la pregunta de visibilidad y la brecha científica.
Plantear una relación o efecto esperado que pueda contrastarse.
Congelar prompts, sistemas de IA, targets y reglas de repetición.
Ejecutar prompts controlados y preservar el contexto experimental.
Guardar respuestas, capturas y procedencia con controles de integridad.
Calcular indicadores gobernados como AIR, CR, MCP y RCR.
Mantener versionado, revisión, auditoría y snapshots científicos inmutables.
Metodología
Los experimentos pueden reservar múltiples ejecuciones comparables bajo un mismo protocolo versionado.
El prompt, sistema de IA y contexto de entorno quedan protegidos al entrar en el flujo científico gobernado.
Los exports y capturas se vinculan a la ejecución y pueden verificarse por SHA-256 contra almacenamiento persistente.
La codificación, la evidencia y las definiciones métricas admiten control de calidad y separación de revisores antes de validar.
Modelo de medición
El primer conjunto métrico de GSLHub formaliza si un target aparece, es citado, en qué posición se cita y con qué consistencia se reproduce el resultado.
Proporción de respuestas elegibles en las que el target es mencionado.
Proporción de respuestas elegibles en las que el target es citado explícitamente.
Posición media observada de las citas del target en respuestas elegibles.
Tasa con la que repeticiones comparables reproducen el resultado codificado.
Piloto de desarrollo
GSL-EXEC-GEO-0001 es una ejecución de validación de desarrollo utilizada para demostrar la cadena de investigación antes de comenzar a recoger datos doctorales.
Este piloto es evidencia de desarrollo, no un resultado doctoral. El Final Development Reset separará todos los registros de desarrollo de los futuros datos de investigación doctoral.
Ejecución
Completed / Published
Artefacto de respuesta
SHA-256 verificado
Artefacto de captura
SHA-256 verificado
Registros Evidence
2 validados
Observación
Validated / Published
Citas visibles
0 observadas
Reproducibilidad
El objetivo no es únicamente calcular una métrica, sino poder explicar de dónde procede y demostrar que la evidencia subyacente no fue alterada.
El dashboard público expone únicamente indicadores publicables. Las personas investigadoras autorizadas utilizan el CMS privado para las operaciones científicas gobernadas.