Por qué el tamaño de muestra es la cifra que más importa

Medir la visibilidad es sondear, no posicionar

Como las respuestas de la IA son probabilísticas, medir la visibilidad se parece más a hacer una encuesta que a comprobar una posición. Haga a un motor una pregunta una vez y tendrá una anécdota. Hágasela muchas veces, en distintos modelos y condiciones, y tendrá una estimación, con un margen de error que se reduce a medida que pregunta más. El tamaño de muestra, n, es lo que le dice cuál de las dos tiene en la mano.

Por qué lo escribimos como θ

Escribimos la visibilidad como θ (theta) —la notación de los estadísticos para una probabilidad que se estima, no un dato que se consulta. Escribirlo así es un recordatorio permanente: el objeto honesto es «la probabilidad estimada de que una respuesta lo mencione», y nunca debería informarse sin la n que lo respalda.

El modo de fallo: confianza con n pequeña

Una marca mencionada en cuatro de cada cinco respuestas parece una estrella al 80 %, hasta que uno se da cuenta de que las siguientes cinco muestras se quedan en el 40 %, y la «tendencia» no era más que ruido. Las muestras pequeñas oscilan enormemente; la solución no es un gráfico más ingenioso, sino más datos, y la disciplina de ampliar honestamente las barras de error cuando los datos son escasos.

El tamaño de muestra protege frente a la selección interesada de datos

Con suficientes conjuntos de prompts pequeños y escogidos a mano, casi cualquier historia puede contarse. Una muestra divulgada, estable y razonablemente grande lo hace mucho más difícil —el denominador es la restricción honesta que evita que una medición se convierta en un ejercicio de marketing. Cuando lea cualquier afirmación sobre visibilidad en la IA, la primera pregunta no es «¿cómo de alta?», sino «¿de cuántas?».