En español, in English, en français, em português.
Com aparec a ChatGPT? A Gemini? A Claude?
És la pregunta que es fan cada vegada més hotels. I és lògic que se la facin. La qüestió és que la resposta no cap en una fórmula ràpida: hi ha diverses capes de visibilitat en els assistents d’IA, i no totes funcionen igual.
Durant anys, la visibilitat digital va ser complexa, però tenia un marc reconeixible: Google publicava guies per a SEO, la publicitat funcionava amb regles de puja i els metacercadors operaven amb normes pròpies de connexió i competència. Complex, però conegut. Amb els assistents d’IA, el terreny es torna a moure. I la temptació és tractar-los com un nou Google amb regles per desxifrar.
No funciona així.
Un hotel pot aparèixer en una resposta per tres capes diferents. Cadascuna té regles, eines i nivells de control diferents per a l’hotel, i el seu pes canvia segons la fase del funnel.
Abans de continuar, un matís: parlem del posicionament orgànic. La capa de pagament emergent dins dels assistents, amb ChatGPT provant Ads en beta i Google avançant en AI Mode amb formats com direct offers, és una altra dinàmica.
Un assistent no sempre respon des de la mateixa font
Quan un usuari fa una pregunta a un assistent, la clau no és només què respon, sinó d’on surt la informació amb la qual construeix aquesta resposta.
Per entendre-ho, convé aclarir abans una confusió habitual: un LLM (model de llenguatge) no és el mateix que un assistent d’IA.
- Un LLM és el motor que enraona i genera llenguatge. Parlem de models com GPT (OpenAI), Claude Opus (Anthropic) o Gemini (Google), desenvolupats per un grup reduït de companyies capaces d’assumir la inversió, la infraestructura i la complexitat tècnica que requereixen.
- Un assistent és la capa de producte amb la qual interactua l’usuari. Utilitza un o diversos LLMs, però també decideix què fer amb la pregunta: respondre amb el coneixement del model, cercar a la web, consultar una font connectada o combinar diverses opcions. Els assistents més coneguts són ChatGPT (OpenAI), Claude (Anthropic) o Gemini (Google).
En realitat, l’assistent no respon sempre des del mateix lloc. Primer entén què està demanant l’usuari: inspiració, validació, preu, condicions o una acció. Després decideix quines fonts utilitzar: memòria del model, cerca web, una font connectada o una combinació de diverses. Amb aquest context, el model construeix la resposta.
Aquestes tres capes no són excloents. L’assistent pot combinar-les segons la pregunta, les eines disponibles i el nivell de certesa necessari. Tres capes de visibilitat.
Tres nivells de control molt diferents per a l’hotel.
Capa 1: el LLM, el que el model recorda
D’on surt la informació?
La primera capa és el coneixement del propi model.
Els LLM s’entrenen amb quantitats enormes d’informació pública, des de continguts sobre destinacions, marques i hotels fins a guies, mitjans, reviews, OTA o blocs. D’aquí surten associacions que un assistent pot recuperar sense haver de cercar res, com hotels romàntics a Mallorca, resorts familiars a Canàries o allotjaments icònics a París. Si el model “et coneix”, apareixes aquí. Si no, no.
Hi ha un detall clau: un LLM no es reentrena en temps real. Es versiona. Si un hotel va canviar de nom el mes passat, va obrir un spa nou o va renovar la web fa dues setmanes, el model no té per què saber-ho fins a una actualització posterior. I entre versions poden passar mesos.
Què pot controlar l’hotel?
Per això, tot i que sigui la capa que molts imaginen quan pensen en “aparèixer a ChatGPT”, és també la més lenta, opaca i menys accionable. El que facis avui no canvia el model actual i tampoc existeix una forma directa, mesurable i controlable d’influir en futures versions.
Davant d’aquesta opacitat, ha emergit una disciplina anomenada GEO (Generative Engine Optimization). També es parla d’AEO o LLMO, segons qui ho expliqui. El seu objectiu és augmentar la probabilitat que una marca sigui esmentada o utilitzada per respostes generatives. Les sigles no estan consolidades i la seva eficàcia real continua sent difícil de demostrar.
El GEO ha crescut a base de prova i error. Com els grans models no publiquen com s’entrenen ni com seleccionen referències, la indústria treballa amb hipòtesis: dades estructurades, schema.org, consistència de marca, autoritat acumulada, mencions en mitjans fiables i contingut específic. Són pràctiques raonables i, en molts casos, coincideixen amb el bon SEO. En canvi, les tècniques que prometen efectes específics a ChatGPT, Claude o Gemini continuen sense evidència robusta. La pròpia Google va en aquesta direcció: desmunta molts d’aquests pseudo-hacks i tracta com a spam els intents de manipular respostes generatives.
Què pot fer l’hotel avui?
- Mantenir la web oficial tècnicament sana: rastrejable, ràpida, ben estructurada. És la base del SEO i també condició perquè cercadors, assistents i eines de recuperació puguin interpretar-la millor.
- Assegurar consistència de marca entre web oficial, OTA, Google Business Profile i directoris. Com menys contradiccions hi hagi entre fonts, més fàcil serà per a cercadors i assistents construir una resposta coherent.
- Treballar autoritat, presència en Xarses Socials i mencions en mitjans i guies reconegudes.
Aquesta és, de les tres capes, la menys controlable, la més opaca i la més lenta. L’estratègia honesta és treballar les pràctiques que ja beneficien la marca de l’hotel i el seu SEO, i no perseguir tècniques que prometen efectes impossibles de verificar.
Capa 2: Search, el que l’assistent troba
D’on surt la informació?
La segona capa apareix quan el que el LLM recorda no és suficient. Si l’assistent necessita informació més actual, específica o contrastada, pot llançar una eina de cerca a internet. Aquí entren en joc pàgines, fonts, cites i fragments.
El paral·lelisme amb Google és evident, tot i que no exacte. L’assistent pot trobar webs oficials, OTA, metabercadors, mitjans, guies o reviews. No llegeix tot internet. Recupera possibles resultats, selecciona fonts, extreu fragments i construeix una resposta a partir d’ells. No tot el que troba acaba en la resposta final.
Què pot controlar l’hotel?
És la capa on el SEO clàssic segueix funcionant. SEO de marca i SEO tècnic són la base: que la web oficial domini les cerques pel nom de l’hotel i que sigui rastrejable, ràpida, ben estructurada i comprensible. No és nou, però segueix sent imprescindible.
El que sí que és nou és que aparèixer com a font ja no garanteix trànsit. L’usuari pot resoldre el seu dubte dins del propi assistent, sense visitar cap pàgina. La web oficial deixa de competir només per clics i comença a competir també per ser matèria primera d’una resposta.
Això canvia lleugerament com convé escriure-la. No és el mateix dir “viu una experiència inoblidable” que explicar ·hotel adults only a Deià, amb suites amb terrassa, spa privat i sopars per a parelles”. La primera frase sona bé, però aporta poca senyal. La segona ajuda una IA a entendre en quines consultes pot encaixar.
El contingut de la web ja no s’escriu només per convèncer l’usuari. També ha d’ajudar a fer que un assistent entengui quan i per què aquest hotel encaixa en una consulta.
Què pot fer l’hotel avui?
- Protegir el SEO de marca: que la web oficial domini quan algú cerca el nom de l’hotel.
- Cuidar el SEO tècnic: rastrejabilitat, velocitat, arquitectura neta i dades estructurades bàsiques.
- Escriure contingut específic, amb paraules que l’usuari faria servir i que un assistent pugui transformar en resposta.
Aquesta és la capa on un hotel individual té més marge, sobretot quan la intenció s’estreny: ja no cerca “hotel a Mallorca”, sinó “hotel adults only amb spa a Deià”. El SEO clàssic, ben fet, segueix funcionant aquí.
Però té un sostre. Quan l’usuari necessita certeses per decidir o reservar, com disponibilitat, condicions o preu per a les seves dates, Search ja no arriba, perquè la dada viva no viu en una web indexada.
Capa 3: fonts dinàmiques, el que l’assistent consulta
D’on surt la informació?
La tercera capa apareix quan ni la memòria del model ni una cerca web són suficients. L’assistent ja no necessita llegir pàgines, sinó preguntar-li directament a una font viva, oficial i connectada. A aquestes fonts connectades se les coneix com a connectors IA (AI connectors).
Aquí la resposta ja no es recolza només en inferències o fragments, sinó en dades estructurades i actualitzades. A això se li sol anomenar grounding: la web es llegeix; una font dinàmica es consulta.
Quan una IA consulta una font dinàmica no obté només informació, sinó informació estructurada, en temps real i vinculada a la possibilitat d’executar accions. No només “aquest hotel té piscina” extret d’una pàgina, sinó “hi ha disponibilitat per al 12 d’agost, a aquest preu i amb aquestes condicions”. La diferència és passar d’interpretar una pàgina a consultar un sistema.
La tecnologia pot canviar, però l’objectiu és el mateix:
- MCP és avui la referència més útil per explicar aquesta capa de connexió entre assistents i sistemes externs.
- MCP no serà l’única via. Conviurà amb APIs, models propietaris i protocols emergents de comerç agentic, com UCP impulsat per Google o ACP impulsat per OpenAI.
El rellevant no és la sigla guanyadora, sinó la lògica de fons: exposar informació oficial, estructurada i verificable als assistents sense dependre d’una pàgina web.
Què pot controlar l’hotel?
Aquesta és la capa de la part baixa del funnel: consideració profunda, transacció i postreserva. Aquí la IA necessita certeses, no aproximacions.
Quan l’usuari pregunta si una habitació amb terrassa està disponible per a les seves dates, si pot cancel·lar de franc, si el preu inclou esmorzar o si admet nens, el LLM no ho sap i Search només pot apropar-s’hi. Per respondre amb garanties, cal una font connectada als sistemes autoritzats de l’hotel.
Fins ara, la conversa solia ser una antesala: resolia dubtes i, en el millor dels casos, portava l’usuari al motor de reserves. Amb les fonts dinàmiques, aquesta frontera comença a moure’s. La web seguirà tenint un paper central i la reserva agèntica no serà massiva d’un dia per l’altre: hi ha barreres de confiança, pagament, regles comercials, fidelització i integració. Però per primera vegada és raonable pensar que part de la decisió, i fins i tot part de la reserva, pugui passar dins del propi assistent, sense que l’usuari hagi de passar necessàriament per la web. I aquest espai no quedarà buit: si no l’ocupa el canal directe, l’ocuparan Booking, Expedia o altres OTA.
Per això aquesta capa no s’ha de llegir com un altre canal, sinó com una forma de connectar l’assistent amb la dada oficial de l’hotel.
Avui, malgrat tot, aquesta capa encara no escala de forma massiva. La instal·lació manual d’apps o connectors segueix sent massa fricció per a l’usuari mitjà, tot i que els assistents comencen a avançar cap a models més naturals de suggeriment i discovery.
Queda per resoldre l’important: que l’assistent pugui trobar la font oficial de l’hotel, verificar la seva autoritat i consultar-la sense obligar l’usuari a entendre la tecnologia que hi ha darrere. Google parteix amb avantatge perquè combina cercador, Maps, Business Profile i Hotel Ads en un mateix ecosistema, però per a la resta del mercat aquest model encara està en construcció.
Avui discovery i autoritat encara estan madurant. Però si aquest model avança, tenir una font dinàmica preparada pot marcar la diferència.
Per a l’hotel, la preparació comença per ordenar i connectar la seva pròpia dada.
Què pot fer l’hotel avui?
- Construir una única font de veritat: inventari, tarifes, condicions i contingut operatiu en una base estructurada i consultable, no dispersa en PDFs, fulls de càlcul o coneixement informal.
- Preparar el motor per conversar, no sols per mostrar: consultar, comparar, reservar o modificar són capacitats operables, no pàgines.
- Exposar l’hotel a protocols oberts, començant per MCP, per fer-lo accessible a assistents i futures aplicacions.
De les tres capes, aquesta és la més estratègica per preparar el canal directe: qui arribi amb informació oficial, estructurada, connectada i verificable estarà més ben preparat per competir en la part baixa del funnel.
La visibilitat canvia segons avança el funnel
Les tres capes no pesen igual en totes les fases del funnel. Canvien de protagonisme a mesura que la intenció de l’usuari es concreta.
En exploració, l’usuari cerca inspiració: “hoteles románticos en Mallorca”. Aquí domina el LLM, recolzat per Search quan fa falta més context. Les fonts més eficients solen ser agregadors, OTA, guies i mitjans. Per a un hotel individual, aquesta segueix sent una batalla difícil, com ja ho era en SEO genèric.
En discovery qualificat, la intenció s’estreny: “hotel adults only con spa en Deià”. La capa Search guanya pes. El SEO de marca, el SEO tècnic i el contingut clar ajuden a fer que la web oficial aparegui com a font. Aquí l’hotel ja té més marge.
En consideració, l’usuari deixa d’imaginar i comença a decidir. Vol saber si un hotel concret té terrassa, admet nens o disponibilitat per a una data determinada. És la fase frontissa on, com explicàvem en el post anterior, es trenca el funnel de la IA: Search ajuda a validar, però la dada viva no viu en una web indexada. Aquí les fonts dinàmiques comencen a marcar la diferència.
En transacció, l’usuari ja no vol només informació: necessita disponibilitat, preu, condicions i capacitat d’acció. És el terreny natural de la reserva agèntica, quan l’ecosistema maduri. En postreserva passa una cosa semblant: modificar, cancel·lar o consultar una reserva exigeix validar sistemes, no interpretar pàgines. Aquí les fonts dinàmiques deixen de ser útils per convertir-se en imprescindibles.
Conclusió
La pregunta inicial era com aparèixer en ChatGPT, Gemini o Claude. Era una forma lògica de començar, però massa àmplia per entendre el que hi ha darrere: no és el mateix que l’assistent recordi, trobi o consulti.
Aquí canvia el nivell de control que pot tenir l’hotel. Com més s’apropa l’usuari a la decisió, més canvia l’exigència. Aparèixer ajuda, però no n’hi ha prou: l’assistent necessita una font fiable.
Per a l’hotel, l’oportunitat no està a guanyar totes les cerques genèriques de discovery, una batalla que ja era difícil a Google i que la IA no simplificarà. Apareix quan l’usuari pregunta per un hotel concret, una condició específica o disponibilitat real.
En aquest terreny, la diferència no la marcarà una acció aïllada. La marcarà la capacitat d’ordenar i exposar informació oficial, estructurada, actualitzada i consultable: una infraestructura preparada perquè els assistents no hagin d’especular, sinó consultar.
La pregunta de fons serà una altra: quan un assistent necessiti respondre sobre el teu hotel, qui estarà parlant en el teu nom?
