En qué creemos.

Los asistentes de IA — ChatGPT, Claude, Gemini, Perplexity — han sustituido los diez enlaces azules por entre dos y siete fuentes citadas por respuesta. Para las marcas, eso comprime dos décadas de optimización del embudo de búsqueda en una sola pregunta: ¿está usted en el conjunto de citas o no?

La mayoría de las plataformas de esta categoría responden a esa pregunta con un panel. Le dicen que no aparece. Le cobran de 500 US$ a 2000 US$ al mes por el privilegio de ver su invisibilidad en tiempo real. Ninguna escribe el código que le devuelve al mapa. Findrix sí.

Detectar sin una corrección redactada es solo una presentación. Lo difícil de replicar en esta categoría es la capa que redacta las correcciones — schema, reescrituras de contenido, parches de citas, escritos para cada stack y listos para pegar — en los cuatro stacks que realmente usa la larga cola del mercado medio (WordPress, Shopify, Next.js, Webflow).

Dominar 40 dialectos de CMS es un trabajo poco vistoso y lento. Esa ventaja se acumula. Cada corrección que redactamos abarata la siguiente. Cada stack que ponemos a prueba en el sitio real de un cliente añade una fiabilidad que vendemos.

Indicamos un intervalo de confianza de Wilson en cada porcentaje. Entre ejecuciones mantenemos una banda agrupada: la dispersión entre prompts según una distribución t, nunca más estrecha que el mínimo de Wilson. Un cambio solo cuenta como real cuando dos rangos no se solapan. Nunca promediamos los motores en una sola puntuación.

Cada regla que usamos está escrita y cada cifra que publicamos lleva su rango. Consulte la página de metodología para ver los cálculos.

Cada auditoría mejora la siguiente. Aprendemos qué parches de schema mueven de verdad las citas en cada stack, qué plazo entre aplicación y mejora cabe esperar en cada LLM y qué familias de prompts vuelven antes a la media. Esos metadatos — cómo responde realmente la superficie de citas de la IA a las intervenciones — son la ventaja que estamos construyendo.

No entrenamos modelos con datos de clientes. No vendemos datos de auditorías a proveedores de LLM. El círculo virtuoso funciona con estadísticas agregadas de resultados y un aislamiento estricto entre clientes. Consulte nuestra política de privacidad.

• Inyección de prompts. Nada de instrucciones ocultas, trucos con Unicode ni jailbreaks. Solo redactamos contenido legítimo en su dominio y schema conforme a los estándares.
• Spam de contenido. Nada de páginas generadas en masa, entradas reescritas por LLM a escala ni granjas de enlaces. Cada corrección se puede revisar en su CMS o en su git.
• Ocultar los cálculos. Si nuestra metodología no resiste una revisión por pares, no llega al informe de un cliente. Fórmulas abiertas, supuestos abiertos, límites abiertos.
• Vender a proveedores de LLM. Los datos de auditoría de los clientes se quedan en su entorno. Solo compartimos estadísticas de resultados agregadas y anonimizadas, y solo con consentimiento explícito.

General: team@findrix.ai

Agencias: agencies@findrix.ai

Prensa / colaboraciones: press@findrix.ai

Seguridad: security@findrix.ai (consulte security.txt)

• Logotipo y variantes (SVG, PNG): a petición en team@findrix.ai
• Descripción de la empresa en un párrafo (en la historia de la marca, arriba)
• Biografías y fotos de los fundadores: disponibles a petición en press@findrix.ai