Un experimento de campo aleatorio descubre que las descripciones generales de IA de Google reducen los clics orgánicos a sitios web externos al 38% en las consultas donde aparecen, mientras que la satisfacción de búsqueda autoinformada permanece casi sin cambios cuando se eliminan los resúmenes.
El documento de trabajo elaborado por investigadores de la Escuela India de Negocios y la Universidad Carnegie Mellon se publicó en SSRN este mes. Los autores Saharsh Agarwal y Ananya Sen lo describen como el primer experimento de campo aleatorio para probar cómo las descripciones generales de IA afectan el comportamiento del usuario en un entorno de navegación real.
Cómo funcionó el experimento
Agarwal y Sen crearon una extensión de Chrome que asignó aleatoriamente a 1.065 participantes estadounidenses a uno de tres grupos. Las personas fueron reclutadas de Prolific y usaron Chrome en el escritorio. También tenían que cumplir con umbrales mínimos de historial de navegación, por lo que la muestra refleja a los usuarios activos de escritorio de Chrome en lugar de a todos los usuarios de Google.
El grupo de control vio la Búsqueda de Google con normalidad. Un grupo «Ocultar AIO» hizo que la extensión eliminara las descripciones generales de AI en tiempo real. Un tercer grupo fue redirigido al modo AI de Google para todas las búsquedas. El estudio duró dos semanas por participante entre enero y febrero de 2026.
Los investigadores preinscribieron el experimento en el Registro RCT de la AEA antes de la recopilación de datos. Más del 95% de los usuarios del grupo Hide AIO no detectaron ningún cambio durante el estudio.
Lo que encontraron los investigadores
Las descripciones generales de IA aparecieron en el 42% de las consultas y su eliminación aumentó los clics salientes de 0,38 a 0,61 por búsqueda. Redujeron los clics orgánicos salientes en un 38 % en las consultas activadas, y la búsqueda sin clic aumentó del 54 % al 72 %.
Los efectos fueron más fuertes cuando las descripciones generales de IA aparecían en la parte superior de la página, lo que ocurrió el 85% de las veces. La eliminación de las descripciones generales de IA de las primeras posiciones casi duplicó los clics salientes, pero los de las posiciones inferiores no tuvieron ningún efecto.
Los clics patrocinados y la frecuencia de búsqueda se mantuvieron estables, lo que indica una sustitución entre las descripciones generales de IA y las visitas orgánicas.
El hallazgo de la experiencia del usuario
La encuesta final utilizó una escala Likert de 1 a 5 para evaluar la experiencia de búsqueda de los participantes. Las respuestas de los grupos de control y Hide AIO fueron casi idénticas en todas las medidas, incluida la satisfacción, la calidad de la información y la facilidad para encontrar información.
Los investigadores escribieron que las descripciones generales de IA “desviar el tráfico de los editores sin ofrecer mejoras mensurables en la experiencia del usuario.«
Cómo se compara el modo AI
Los participantes dirigidos al modo AI tuvieron tasas de clics salientes más bajas, tasas de clic cero más altas y menor satisfacción en la línea final en comparación con otros grupos.
Los autores señalan que estos resultados son exploratorios, ya que un mayor desgaste, alguna desinstalación de la extensión o la búsqueda de soluciones alternativas pueden haber influido en los resultados.
Por qué esto importa
Las mediciones independientes del impacto de las descripciones generales de IA en el tráfico han sido en su mayoría correlacionales. Pew Research encontró que los usuarios hacen clic el 8% del tiempo con AI Overviews, en comparación con el 15% sin ella. Ahrefs analizó los datos de GSC e informó una caída del 58% en la tasa de clics para las páginas mejor clasificadas cuando aparecieron las descripciones generales de IA.
Este experimento agrega un enfoque diferente al asignar aleatoriamente a los usuarios para que vean descripciones generales de IA o no, aislando el efecto causal.
La vicepresidenta de Google, Liz Reid, afirma que AI Overviews reduce los «clics de rebote», pero no proporciona datos que respalden el beneficio para el usuario. El artículo de Agarwal y Sen probó una pregunta relacionada con un diseño aleatorio y no encontró ningún cambio mensurable en la satisfacción o la facilidad para encontrar información.
Mirando hacia el futuro
El documento es un borrador sobre SSRN y no está revisado por pares. Los autores agregarán más resultados y proporcionaremos una actualización si los hallazgos cambian.
