Las respuestas de IA citan YouTube más que cualquier web, y las visitas no tienen nada que ver

Otterly.ai publicó el 2 de marzo de 2026 un estudio que revisó más de 100 millones de instancias de cita de IA en una ventana de 30 días, cubriendo ChatGPT, Google AI Overviews, Google AI Mode, Perplexity, Microsoft Copilot y Gemini. Un dato de ahí debería frenar a cualquiera que alguna vez se sintió demasiado pequeño para competir: el 40,83% de las citas de YouTube fue a vídeos con menos de 1.000 visitas.

No el 4%. Cuarenta coma ochenta y tres por ciento. Cuatro de cada diez veces que un sistema de IA citó un vídeo de YouTube como fuente, ese vídeo tenía una audiencia que cabe en un salón de actos. Y el 35% de los canales citados tenía menos de 10.000 suscriptores. El canal citado mediano tenía 41 vídeos publicados en total.

Esto no es un error de redondeo ni una manía de una sola plataforma. Es una diferencia estructural entre cómo funciona un motor de recomendación y cómo funciona un motor de recuperación. La portada de YouTube es una máquina de popularidad: te enseña lo que gente parecida a ti vio hasta el final. Una respuesta de IA es una máquina de referencia: necesita una fuente que afirme el hecho con claridad, y le da igual quién más lo haya visto.

La consecuencia práctica es incómoda para quien pasó dos años persiguiendo el algoritmo, y es muy buena noticia para quien empieza ahora. Existe un canal de distribución en 2026 donde un canal nuevo y uno de 500.000 suscriptores entran realmente empatados, y casi nadie está trabajando para él.

El segundo estudio es el de Surfer, publicado en mayo de 2026, montado sobre 46 millones de citas extraídas de 36 millones de AI Overviews entre marzo y agosto de 2025. Responde otra pregunta: de todo lo que cita el AI Overview de Google, cuánto es YouTube. La respuesta es 23,3%. Wikipedia va segunda con 18,4% y Google.com tercera con 16,4%. Toda marca de prensa tradicional queda por debajo de esas tres.

Es decir, YouTube es el dominio más citado en las respuestas de IA de Google. Vale leerlo dos veces, porque significa que el vídeo dejó de ser un canal secundario de la web escrita. Pasó a ser la capa de referencia primaria sobre la que se construye la respuesta escrita.

Los números de Otterly separan luego las citas de YouTube por qué asistente está citando, y la distancia es brutal:

• Perplexity: 38,7% de todas las citas de YouTube
• Google AI Overviews: 36,6%
• Google AI Mode: 19,6%
• ChatGPT: 4,4%
• Microsoft Copilot: 0,5%
• Gemini: 0,2%

Tres cuartas partes de la oportunidad están dentro de las superficies del propio Google al sumar AI Overviews y AI Mode, y Perplexity pega muy por encima de su peso porque nació orientado a la cita. ChatGPT, que es el asistente que la mayoría imagina cuando dice búsqueda con IA, responde por el 4,4% de las citas de YouTube. Eso no lo vuelve inútil, lo vuelve otro juego con otra mecánica.

También hay un retorno medible en el simple hecho de ser citado. Los análisis del comportamiento del AI Overview en 2026 encontraron que las marcas citadas dentro de un AI Overview ganan alrededor de un 120% más de clics orgánicos por impresión que las marcas no citadas que aparecen en las mismas búsquedas. Al mismo tiempo, las búsquedas sin clic en Google llegaron al 68% a principios de 2026. Las dos cosas son ciertas a la vez: hace clic menos gente, y quien hace clic va desproporcionadamente hacia quien fue citado.

Ninguno de estos números es oficial de YouTube ni de Google. Ninguna de las dos empresas publica cuota de citas. Son mediciones de terceros hechas por herramientas que observan respuestas de IA a escala, y hay que leerlas como evidencia direccional fuerte, no como tarifa publicada. Esa distinción pesa más aquí que en la mayoría de los posts, porque el campo entero tiene dieciocho meses de vida.

Si quieres el fundamento de lo imposible que es sacar un número real de la propia plataforma, lo desmenuzamos al mirar qué datos de volumen de búsqueda de YouTube existen de verdad. Resumen: la plataforma nunca publicó volumen, y toda herramienta que te enseña uno está modelando.

Otterly calculó correlaciones de Pearson entre frecuencia de cita y cada atributo obvio del vídeo. Un coeficiente de Pearson va de -1 a 1, y cualquier valor cerca de cero significa que las dos magnitudes se mueven de forma independiente. La tabla siguiente es lo más útil publicado sobre descubrimiento de vídeo este año.

Visitas: -0,03. Likes: -0,02. Suscriptores: -0,03. Duración: 0,02. Toda métrica que YouTube pone al frente de tu panel se queda en cero estadístico. Un -0,03 no significa que las visitas perjudiquen, significa que no hay ninguna relación.

Entonces dos cosas sí se mueven. Longitud de la descripción: 0,31. Descripciones con hashtags: 0,20. Recencia: alrededor de 0,3. Un 0,31 es correlación positiva débil a moderada, lo que en un conjunto de 100 millones de observaciones es señal real y no ruido.

Correlación no es causa, y una descripción más larga no invoca una cita por arte de magia. La lectura honesta es mecánica: un sistema de recuperación trabaja con texto. La descripción es el mayor bloque de texto escrito por el autor y legible por máquina adherido a un vídeo, aparte de la transcripción. Un vídeo con descripción de dos líneas entrega casi nada para que la capa de recuperación lo case con una pregunta. Un vídeo con 300 palabras de descripción específica y factual entrega mucho.

El vídeo citado medio lleva una descripción de 334 palabras y un título de 19 palabras. Ve a mirar tu última subida. Si tu descripción es un enlace a Instagram y una línea de hashtags, publicaste un vídeo sin superficie de texto, y la capa de recuperación no tiene de dónde agarrarse.

Diecinueve palabras de título también es más largo de lo que escribe la mayoría de los creadores. No es longitud de clickbait, es longitud de especificidad: la pregunta completa que el vídeo responde, no una provocación de tres palabras. Los dos estudios coinciden en la forma de fondo. Los vídeos que están siendo citados son los que se leen como material de referencia.

Aquí es donde aparece el coste manual. Escribir 334 palabras de descripción correcta y no repetida para cada subida son unos 20 a 30 minutos por vídeo contando el tiempo de verificar los datos. En 30 vídeos al mes son 10 a 15 horas de mecanografía pura, encima del guion, la narración y la edición, y es lo primero que se cae cuando la semana aprieta.

También es lo más barato de automatizar, porque la descripción sale del guion que ya existe. FalconVid escribe título, descripción y etiquetas a partir del guion terminado dentro de la misma ejecución que produce el vídeo, en el idioma del propio vídeo, y lo hace en cada subida sin depender de que alguien se acuerde. Lo que el humano más se salta es justo lo que un pipeline nunca se salta.

Solo el 31% de los vídeos citados lleva marcas de tiempo. Dentro de Google AI Overviews, el 73% de las citas de YouTube apunta a una marca de tiempo en lugar del vídeo entero, y en AI Mode es el 27%. En ChatGPT, Perplexity, Copilot y Gemini la cifra es cero: no apareció ninguna cita de YouTube con marca de tiempo.

El número que importa comercialmente es este: el 78% de los vídeos con marcas de tiempo fue citado más de una vez, en dos a cinco capítulos distintos. Un vídeo con capítulos limpios no es una oportunidad de cita, son de dos a cinco, porque cada capítulo responde una pregunta diferente y se recupera por su cuenta.

Leído contra la tabla de correlación, esta es la instrucción más clara de los dos estudios. Las visitas no hacen nada. El capítulo multiplica. Y el capítulo es gratis.

Ya escribimos sobre capítulos como herramienta de retención, y la conclusión honesta entonces fue que los capítulos y las marcas de tiempo ayudan más a la navegación que al tiempo visto. Eso sigue siendo cierto para retención. Lo que cambió en 2026 es que el mismo marcado ganó un segundo empleo que paga mejor que el primero, y el trabajo de ponerlo no cambió nada.

El reparto por formato en los datos de Otterly no está reñido. El vídeo largo responde por el 94% de las citas de IA. Los Shorts responden por el 5,7%. Listas de reproducción, canales y directos suman el 0,3%.

El motivo es el mismo por el que pesa la descripción: un Short de 45 segundos produce quizá 120 palabras de transcripción, que no bastan para que un sistema de recuperación arme una respuesta con confianza. Un vídeo de 12 minutos produce alrededor de 1.700 palabras de texto hablado. Uno es una afirmación, el otro es una fuente.

La duración mediana de los vídeos citados queda por debajo de 8 minutos, y el tramo más común es de 10 a 20 minutos con el 32,1% de las citas. Eso es exactamente el rango del vídeo largo, y encaja con las duraciones que ya funcionaban para retención y para anuncios en medio.

Así que el cuadro estratégico de 2026 no es nuevo, está reforzado. Los Shorts siguen siendo la forma más barata de que te descubra un humano deslizando el feed. El vídeo largo sigue siendo la única forma de que te descubra una máquina respondiendo una pregunta, y es también el único formato que te califica para horas de visualización. Si ya priorizabas el largo, este es un tercer motivo independiente para seguir.

Todo lo anterior se reduce a tres artefactos: un vídeo largo con transcripción real, una descripción larga y específica, y capítulos limpios. Ninguno es una decisión creativa. Los tres son exactamente el tipo de trabajo que se salta a las 23h de un jueves.

Esa es la forma de trabajo alrededor de la cual se construyó el lado de analista de canal con IA de la plataforma. Una ejecución de FalconVid produce primero el guion, luego la narración, luego el montaje, y el bloque de SEO sale del mismo guion en vez de ser remendado después: título, descripción, etiquetas y marcas de capítulo que siguen la estructura real del guion, porque el pipeline sabe dónde empieza cada acto.

El vídeo de referencia de la plataforma tiene 12 minutos, lo que coloca cada ejecución por defecto dentro del tramo de 10 a 20 minutos que recoge el 32,1% de las citas. La narración es texto hablado de verdad en 63 idiomas, así que la transcripción existe en el idioma del espectador y no como traducción automática pegada después. Y como el canal entero corre sobre un calendario que tú apruebas en vez de sobre una noche que encontraste libre, la descripción de 334 palabras ocurre en el vídeo 40 igual que ocurrió en el vídeo 1.

La cuenta no tiene misterio. En la regla que está en producción hoy un vídeo terminado de 12 minutos cuesta 1.731 créditos en modo económico, 4.624 en balanceado y 16.158 en premium. A US$ 0,003133 el crédito, son US$ 5,42, US$ 14,49 y US$ 50,63 por vídeo terminado. El plan Starter de US$ 47 lleva 15.000 créditos al mes, que son 8 vídeos en económico o 5 si dos de ellos van en balanceado. Nadie corre un mes entero en un solo modo, así que cita el modo junto al número o el número es deshonesto.

Son solo cuatro movimientos, y tres de ellos son retroactivos, que es la parte buena. Las respuestas de IA se rastrean de forma continua, así que una descripción que reescribes hoy puede ser citada en un vídeo que subiste el año pasado.

Primero, coge tus diez vídeos perennes de mejor rendimiento y reescribe las descripciones a 300 palabras o más de prosa específica y factual. Nada de hashtags, nada de enlaces, prosa que afirma lo que el vídeo establece. Segundo, pon capítulos en esos mismos diez. De dos a cinco capítulos es el rango que generó citas repetidas. Tercero, alarga los títulos flacos hacia la pregunta específica que el vídeo responde en lugar de la provocación. Cuarto, de aquí en adelante publica vídeo largo con los tres por defecto.

No vas a ver nada de esto en YouTube Analytics, y esa es la parte frustrante. No existe un informe de citas. Lo que sí puedes observar es la fuente de tráfico marcada como externa y los referentes dentro de ella, más la forma lenta de las impresiones en vídeos perennes que dejan de decaer. Ambos son tardíos y ruidosos. Trata esto como tratarías la cola larga de visitas que sigue llegando años después de la subida: el retorno es real y el ciclo de realimentación es lento.

El techo manual de todo esto es honesto y es bajo. Una persona escribiendo descripciones de 334 palabras y capitulando cada subida sostiene quizá 8 a 12 vídeos largos al mes antes de que la calidad de las descripciones se derrumbe, y es la descripción la que se derrumba primero porque nadie la ve. Ese es el techo de hacerlo a mano. No es el techo de hacerlo: en Business de US$ 297 la misma operación entrega 54 vídeos largos al mes con descripción y capítulos escritos todas las veces, en Agency de US$ 597 son 109 en hasta 25 canales, y en Scale de US$ 997 son 184 en 50 canales, con 50 pipelines corriendo a la vez. El límite nunca fue la estrategia. Era la mecanografía.