G2: agentes de IA ya son el 68% de su audiencia B2B

El primer filtro del ciclo de compra ya no lo pone una persona

Ocho de cada diez compradores B2B consultaron un chatbot de inteligencia artificial para pedir recomendaciones de software en los últimos dos años, según el reporte «The Evaluation Maze» de G2, la plataforma de reseñas y marketplace de software. Para un founder que vende software, la consecuencia es directa: su primer interlocutor comercial ya no es un humano con presupuesto, sino un modelo de lenguaje que arma una lista corta en segundos.

El dato deja de ser anecdótico cuando se mira la composición del tráfico. En el segundo trimestre de 2026, los agentes de IA representaron el 68% de la audiencia total de G2, frente al 32% de humanos, según Alex London, CMO de la compañía. En el mismo periodo, el tráfico total de la plataforma creció 35,5% interanual.

¿Por qué el descubrimiento de marca cambió de dueño?

Durante años, el marketing B2B trabajó con una premisa razonable: el comprador llegaba con una lista mental de proveedores y era muy difícil sacarlo de ahí. Un estudio de Bain y Google citado por Neeta Goplani, CEO de Circle & Square, encontró que entre el 80% y el 90% de los compradores B2B entraban al proceso con una lista de «día uno» y cerca del 90% terminaba comprando dentro de esa lista.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

La IA está rompiendo esa rigidez. G2 encontró que el 69% de los compradores de software eligió un proveedor distinto al que tenía planeado por la orientación de un chatbot, y un tercio terminó comprando a un proveedor del que nunca había oído hablar, según el análisis de Goplani publicado por Demand Gen Report. La lista corta se forma ahora antes de que el comprador visite el sitio del proveedor, y a veces antes de que sepa que el proveedor existe.

El proceso no se acortó: se comprimió en la parte de arriba y se volvió más exigente en la de abajo. Forrester calcula que una decisión de compra B2B típica involucra 13 stakeholders internos y nueve influenciadores externos, y Gartner encontró que el 69% de los compradores prefiere validar con un vendedor humano los datos que le dio la IA.

AEO y SEO: ¿son sustitutos o complementos?

La optimización para motores de respuesta (AEO, por sus siglas en inglés) se instaló como disciplina paralela al SEO, no como su reemplazo. London lo plantea sin ambigüedad: «No creo que sea un ‘o’. Creo que ahí es donde van tus inversiones». SEO, SEM, AEO y lo que G2 llama answer engine marketing conviven.

La diferencia mecánica importa. El SEO optimiza páginas para que rankeen; el AEO optimiza pasajes para que sean extraídos y citados. Los sistemas de IA construyen sus respuestas combinando lo que publica la empresa con fuentes externas —reseñas, foros, medios, listados de terceros—, así que la coherencia del mensaje deja de ser un tema de comunicación y pasa a ser un requisito técnico.

Dos prácticas concretas que aparecen en el research:

Revisar la presencia digital cada 90 días. London recomienda esa cadencia a partir de los patrones de actualización de los modelos, aunque el calendario varía según el sistema. La idea es detectar inconsistencias antes de que el modelo las amplifique.
Publicar precios de referencia. Los autores del Gartner Marketing Practice, Nicholas Mortensen y Martin DeWitt, advierten que cuando no hay información de precios, los motores de respuesta la infieren de otras fuentes y suelen producir rangos inexactos que descarrilan negociaciones. Publicar rangos para configuraciones comunes o un calculador de precios le da al modelo algo correcto que citar.

También pesa el marcado estructurado. El JSON-LD permite que las máquinas entiendan qué afirma una página en lugar de inferirlo, señalan los mismos autores.

¿Cómo se mide la visibilidad en respuestas de IA?

La métrica nueva no es la mención, es la correlación entre aparecer en las respuestas y cerrar negocio. Desde que G2 separó el tráfico de asistentes de IA del tráfico de referencia convencional, atribuyó más del 5% de sus sesiones de referencia, más del 20% de sus leads y más del 10% de sus ingresos atribuidos a referencia al descubrimiento vía IA, según el reporte de Chief Marketer. El AEO pago, en cambio, representa menos del 1% de sus clics, leads e ingresos de búsqueda pagada.

Para identificarlo, G2 usa herramientas como Profound Agent Analytics y datos de tráfico de Cloudflare para distinguir visitas de agentes de las de usuarios humanos y de los crawlers de fondo.

London es explícita sobre el riesgo de medir mal: «No puedes quedarte en una mención y una cita. Tienes que asegurarte de estar ganando la respuesta». Una marca puede aparecer citada en un texto que recomienda a un competidor.

Agentes internos: la prueba de concepto dentro de marketing

La adopción interna de agentes da una señal sobre el ritmo de transformación posible. G2 tiene alrededor de 90 agentes desplegados en su organización de marketing. Un ejemplo concreto: un flujo de trabajo de búsqueda pagada, construido por un empleado con Claude, analiza exportaciones de términos de búsqueda, marca consultas irrelevantes e identifica expansiones de keywords. Lo que antes consumía entre siete y 12 horas semanales de capacidad del equipo ahora se resuelve en minutos.

London pone una advertencia útil para cualquier equipo: las empresas a veces llaman «agente» a flujos de automatización mucho más simples. Y el objetivo debe ser una ganancia de eficiencia medible, no usar IA porque sí.

¿Qué significa esto para tu startup?

Si vendes software B2B, tu embudo tiene un tramo que no ves. Estas son las acciones que se desprenden del research:

Audita cómo te describe la IA hoy. Pregúntale a ChatGPT, Gemini y Claude por tu categoría y por tus competidores, y anota si apareces, con qué argumentos y con qué datos. Repite el ejercicio cada 90 días para detectar desviaciones.
Escribe para ser citado, no solo para rankear. Cada sección de tu sitio debería poder leerse sola como una respuesta completa. Pon la respuesta directa en la primera o segunda frase y desarrolla después.
Trabaja tus fuentes de terceros. Las reseñas, los comparativos y los foros pesan en lo que el modelo aprende de tu marca. Un análisis de Omniscient Digital citado por Forbes encontró que el 57% de las citas en búsquedas de marca van a reseñas, listados, foros y casos de estudio.
Publica rangos de precio. Es incómodo, pero el vacío lo llena el modelo con estimaciones propias.
Empieza por un flujo interno pequeño. Elige una tarea repetitiva de tu equipo de marketing, dale contexto y guías de marca claras, pruébala antes de escalarla y mide si ahorra horas reales.

Conclusión

El ciclo de compra B2B sumó un interlocutor que no negocia, no recibe llamadas y no lee tu home. Filtra antes. La buena noticia es que ese filtro se alimenta de información pública y verificable: contenido claro, datos estructurados, reseñas de terceros y precios que no obliguen al modelo a adivinar. Las startups que ordenen esas piezas ahora compiten en la lista corta antes de que exista una conversación comercial. Las que no, van a descubrir tarde que su mejor prospecto nunca llegó a su sitio.