Por qué ChatGPT da respuestas distintas a la misma pregunta

ChatGPT da respuestas distintas a la misma pregunta porque elige cada palabra con un componente aleatorio. OpenAI lo explica así: como hay varias formas plausibles de completar una frase, la misma pregunta puede producir respuestas diferentes. A eso se suman otros factores que cambian entre una consulta y otra: si busca o no en la web, qué búsquedas lanza, tu memoria, tu ubicación aproximada y el modelo que responde. Para medir tu marca, la consecuencia es clara: una respuesta suelta no dice nada; lo que vale es en qué porcentaje de muchas respuestas apareces.

Abajo tienes cada causa explicada, qué se mantiene estable a pesar de la variación y un protocolo para medir bien.

Las causas de que cambie la respuesta, de un vistazo

La variación de ChatGPT tiene varias fuentes que se suman. Algunas puedes controlarlas al medir y otras no.

Causa	Qué cambia	¿Puedes controlarla?
Muestreo de palabras	La redacción, el orden y a veces las marcas citadas	No de forma fiable
Uso o no de la búsqueda web	Si la respuesta sale del modelo o de páginas recientes	En parte: puedes forzar la búsqueda
Reescritura de la búsqueda	Qué páginas encuentra y, por tanto, qué fuentes cita	No
Memoria y personalización	Preferencias, datos y conversaciones previas que influyen	Sí, con un chat temporal sin personalización
Ubicación e idioma	Resultados locales y fuentes del país	En parte: fija el país desde el que mides
Modelo y producto	El sistema que genera la respuesta	No; solo puedes anotar fechas
Redacción del prompt	Cómo interpreta la intención	Sí, si fijas el texto exacto

Causa 1: el muestreo de palabras

Un modelo de lenguaje no busca una respuesta guardada: genera el texto palabra a palabra. En su artículo sobre cómo se desarrollan sus modelos, OpenAI explica que el modelo predice la palabra siguiente más probable y que, como una frase puede continuar de varias maneras plausibles, hay un elemento inherente de aleatoriedad en cómo responde. Por eso la misma pregunta puede dar respuestas distintas.

Ese grado de aleatoriedad se regula con un parámetro llamado temperatura. La guía de estrategias de prompts de Gemini lo define como lo que controla el grado de aleatoriedad en la selección de cada token (la unidad de texto con la que trabaja el modelo): las temperaturas bajas dan respuestas más deterministas y las altas, resultados más diversos.

Ni siquiera fijarla a cero garantiza respuestas idénticas. Un artículo técnico publicado en septiembre de 2025 generó 1.000 respuestas a la misma pregunta con temperatura cero en un modelo abierto y obtuvo 80 textos distintos: todos eran idénticos durante las primeras 102 unidades de texto y empezaban a divergir a partir de ahí. Los autores lo atribuyen a que el resultado de cada petición depende de cuántas peticiones procesa el servidor a la vez, algo que el usuario no controla.

En la práctica, el muestreo explica por qué cambian la redacción y el orden de una lista, y por qué una marca que está «en el límite» aparece en unas respuestas y no en otras.

Causa 2: buscar o no buscar en la web

ChatGPT no siempre busca en internet antes de responder. Su ayuda sobre la búsqueda indica que puede buscar automáticamente cuando la pregunta se beneficia de información actual, y que el usuario también puede activar la búsqueda a mano o regenerar una respuesta con la opción de buscar en la web.

Esto produce dos tipos de respuesta muy distintos para la misma pregunta:

Sin búsqueda, la respuesta sale de lo que el modelo aprendió en su entrenamiento. Suele mencionar marcas conocidas y no muestra fuentes.
Con búsqueda, la respuesta se apoya en páginas recuperadas en ese momento, puede incluir citas y un botón Fuentes, y refleja mejor lo que se publica ahora.

Si un día ChatGPT decide buscar y otro no, tu visibilidad puede cambiar sin que hayas hecho nada. Al medir, anota si la respuesta incluye fuentes para poder separar ambos casos.

Causa 3: la reescritura de la búsqueda

Cuando ChatGPT busca, no envía tu pregunta tal cual. Según su ayuda, cuando trabaja con proveedores de búsqueda externos suele reescribir el prompt en una o varias búsquedas más concretas y, tras revisar los primeros resultados, puede lanzar otras búsquedas más específicas. OpenAI pone como ejemplo una pregunta sobre fármacos que se convierte primero en una búsqueda con el nombre técnico y el año, y después en otra sobre un congreso concreto.

Como esas búsquedas intermedias pueden variar de una ejecución a otra, también varían las páginas encontradas y las marcas que aparecen en ellas. Este mecanismo se conoce como query fan-out (abanico de consultas) y lo explicamos en query fan-out: cómo ChatGPT convierte tu pregunta en búsquedas.

Causa 4: la memoria y la personalización

ChatGPT puede adaptar la respuesta a quien pregunta. La ayuda de OpenAI sobre la memoria indica que, con la memoria activada, puede usar conversaciones anteriores, memorias guardadas, instrucciones personalizadas, archivos y contenido de aplicaciones conectadas, según el plan y la región. La ayuda sobre la búsqueda añade que puede usar memorias relevantes al reescribir una búsqueda: si has contado que eres vegano y vives en San Francisco, puede buscar «buenos restaurantes veganos San Francisco» cuando pides restaurantes cercanos.

Para medir, esto es ruido. Un responsable de marketing que ha preguntado veinte veces por su propia marca puede ver respuestas sesgadas hacia ella. La misma ayuda explica que, antes de abrir un chat temporal, puedes elegir la opción sin personalización para que no use memorias ni instrucciones personalizadas, y que los chats temporales no crean ni actualizan memorias.

Causa 5: la ubicación y el idioma

La ubicación cambia sobre todo las preguntas locales y de compra. Según la ayuda de OpenAI, ChatGPT puede usar una ubicación aproximada basada en tu dirección IP y compartirla con los proveedores de búsqueda: «restaurantes buenos cerca de mí» puede convertirse en «mejores restaurantes San Francisco». Una VPN o la ubicación de la red pueden alterar esa ubicación aproximada.

Por eso la misma pregunta hecha desde Madrid y desde Ciudad de México puede citar marcas distintas. Las diferencias por país y por idioma tienen su propio artículo: por qué ChatGPT responde distinto en España, México o EE. UU..

Causa 6: el modelo y el producto

El sistema que genera la respuesta no es fijo. OpenAI indica en su ayuda sobre la memoria que las funciones disponibles varían según el plan, la región, la plataforma y la configuración del espacio de trabajo, así que dos personas con cuentas distintas no tienen exactamente el mismo ChatGPT. Además, los modelos se actualizan con el tiempo.

En Google ocurre algo parecido: su documentación sobre funciones de IA en la Búsqueda explica que AI Overviews y AI Mode pueden usar modelos y técnicas distintos, de modo que sus respuestas y enlaces varían incluso dentro de Google.

No puedes controlar este factor, pero sí registrarlo: guarda la fecha de cada medición para poder relacionar un cambio brusco con una posible actualización.

Causa 7: la redacción del prompt

Dos personas con la misma necesidad casi nunca escriben la misma pregunta. La guía de prompts de Gemini lo dice de forma directa: usar palabras o una formulación distinta suele producir respuestas distintas del modelo. La ayuda de AI Overviews va en la misma línea y recomienda hacer varias versiones de la pregunta para obtener mejores respuestas.

Un estudio publicado en enero de 2026 lo midió con 142 prompts escritos por personas distintas para la misma intención (elegir unos auriculares para un familiar que viaja): la similitud semántica media entre parejas de prompts fue de 0,081, muy baja. Aun así, en las 994 respuestas obtenidas, las marcas principales aparecieron entre el 55 % y el 77 % de las veces. La redacción cambia mucho; la intención de fondo, y las marcas asociadas a ella, bastante menos.

Qué se mantiene estable aunque la respuesta cambie

La variación no convierte la medición en lotería, siempre que midas lo que es estable. El estudio de enero de 2026 citado arriba, en el que 600 voluntarios ejecutaron 12 prompts un total de 2.961 veces en ChatGPT, Claude y la IA de la Búsqueda de Google, llegó a tres conclusiones útiles:

Las listas completas casi nunca se repiten. En ChatGPT y en la IA de Google, la probabilidad de obtener la misma lista de marcas en dos respuestas era inferior a 1 entre 100, y la de obtener además el mismo orden, del orden de 1 entre 1.000.
El orden es poco fiable. La posición de una marca dentro de la lista cambiaba tanto que el autor la considera aleatoria hasta el punto de ser casi inútil.
La frecuencia de aparición sí es razonable. El porcentaje de respuestas en las que aparece una marca, calculado sobre muchas ejecuciones, se mantuvo como una métrica razonable.

El estudio no tuvo revisión por pares y, a propósito, no controló el país, el dispositivo ni el historial de los participantes, para reflejar el uso real; sus autores piden muestras mayores para confirmarlo. Lo resumimos con más contexto en cómo deciden las IA qué marcas recomendar.

Cómo medir bien tu marca con respuestas que cambian

Medir la visibilidad en ChatGPT es medir una frecuencia, no una foto. Este protocolo reduce el ruido que puedes controlar y acumula suficientes respuestas para el que no puedes:

Fija la lista de prompts y su texto exacto. Cambiar una palabra cambia la respuesta; si reescribes un prompt, empieza una serie nueva.
Mide en un entorno limpio. Chat temporal sin personalización, sesión sin memorias y sin conversaciones previas sobre tu marca.
Fija el país. Mide siempre desde el país donde vendes y no mezcles respuestas de varios países en la misma cifra.
Repite cada prompt muchas veces, en conversaciones nuevas y en días distintos, en lugar de muchas veces seguidas en una tarde.
Registra cada respuesta con la misma plantilla: fecha, motor, prompt, si buscó en la web, marcas mencionadas, fuentes citadas y el texto completo.
Calcula la visibilidad como porcentaje: respuestas en las que apareces entre respuestas totales, por prompt y por motor.
Compara periodos, no respuestas: semana contra semana o mes contra mes.
Mide cada motor por separado. ChatGPT, Gemini y Google AI Mode buscan y citan de forma distinta; una media de los tres esconde dónde estás fuerte y dónde no.

Las métricas que salen de este registro (visibilidad, cuota frente a la competencia, posición, sentimiento) están explicadas en visibilidad de marca en IA: qué es y cómo se mide.

Cuántas respuestas necesitas

No hay una cifra oficial, pero la estadística básica da una idea del ruido. Con la aproximación normal de una proporción, el margen de error al 95 % para un porcentaje del 50 % es de:

Respuestas acumuladas	Margen de error aproximado
10	± 31 puntos
30	± 18 puntos
100	± 10 puntos
400	± 5 puntos

Con 10 respuestas, un 50 % de visibilidad es compatible con cualquier valor entre aproximadamente el 20 % y el 80 %. Por eso tiene más sentido sumar respuestas de varios prompts y de varios días que sacar conclusiones de una sola tanda.

Ejemplo de lectura (ficticio)

Una tienda online de café prueba el prompt «¿Qué tienda online de café de especialidad me recomiendas en España?» en ChatGPT.

Día 1, cinco respuestas: aparece en dos. Visibilidad aparente: 40 %.
Día 2, cinco respuestas: aparece en cuatro. Visibilidad aparente: 80 %.
Treinta días, ciento cincuenta respuestas: aparece en 78. Visibilidad: 52 %, con un margen de unos 8 puntos.

Leer el día 1 o el día 2 por separado llevaría a conclusiones opuestas. La cifra acumulada es la que sirve para comparar con el mes siguiente. Si además la tienda anota que aparece sobre todo cuando ChatGPT busca en la web, sabe que su visibilidad depende de las páginas que encuentra y no de lo que el modelo aprendió.

Errores frecuentes

Hacer una captura y tomarla como «la» respuesta de ChatGPT. Es una muestra de una.
Preguntar desde tu cuenta habitual. La memoria puede favorecer a tu marca.
Medir con una VPN que cambia de país. Mezclas mercados distintos.
Reescribir los prompts cada semana. Pierdes la comparabilidad.
Reportar la posición media como métrica principal. Es la más inestable; lo explicamos en cómo medir la posición de tu marca en las respuestas de IA.
Alarmarse por una respuesta con un dato falso. Primero comprueba si se repite.

Cómo hacerlo de forma automática

Repetir prompts cada día, en tres motores y desde un país concreto, es lento a mano. DeepMention es nuestra herramienta para eso: ejecuta cada día en ChatGPT, Gemini y Google AI Mode los prompts que eliges, desde tu país, y acumula las respuestas reales para calcular tu visibilidad, tu cuota frente a los competidores, la posición, el sentimiento y las fuentes citadas, con el historial completo de chats para revisar cada respuesta. Al acumular un día tras otro, las cifras se apoyan en muchas respuestas y no en una sola. No cubre Perplexity, Claude ni Copilot. Puedes probarla gratis durante 7 días; el primer cargo es el día 8.

Fuentes

Preguntas frecuentes

¿Por qué ChatGPT me da una respuesta distinta cada vez que pregunto lo mismo?

Porque genera el texto eligiendo palabras con un componente aleatorio: OpenAI explica que, como hay varias formas plausibles de continuar una frase, la misma pregunta puede dar respuestas distintas. Además pueden cambiar otros factores entre una consulta y otra, como si busca en la web, qué búsquedas lanza, tu memoria y tu ubicación aproximada.

¿Se puede conseguir que ChatGPT responda siempre lo mismo?

No de forma fiable. Puedes reducir la variación usando un chat temporal sin personalización y la misma redacción, pero el muestreo sigue presente. Incluso con la temperatura a cero, un artículo técnico de 2025 mostró que un servidor de modelos de lenguaje no devolvía siempre el mismo texto.

Si ChatGPT cambia de respuesta, ¿sirve de algo medir mi marca en él?

Sí, si mides frecuencias y no respuestas sueltas. Un estudio de enero de 2026 encontró que las listas de marcas casi nunca se repetían, pero que el porcentaje de respuestas en las que aparece cada marca era una métrica razonable cuando se calcula sobre muchas ejecuciones.

¿Cuántas veces tengo que repetir un prompt para medir bien?

No hay una cifra oficial. Como referencia estadística, con 10 respuestas un porcentaje del 50 % tiene un margen de error de unos 31 puntos, con 30 respuestas de unos 18 y con 100 de unos 10. Por eso conviene acumular respuestas de varios días y varios prompts antes de sacar conclusiones.

¿Gemini y Google AI Mode también cambian sus respuestas?

Sí. La ayuda de AI Overviews recomienda hacer varias versiones de la pregunta para obtener mejores respuestas, Google indica que AI Overviews y AI Mode pueden usar modelos y técnicas distintos, y la documentación de Gemini explica que la temperatura controla el grado de aleatoriedad al elegir cada palabra.