Julen Oruesagasti investiga cómo los motores de búsqueda generativos (ChatGPT, Gemini, Perplexity y Google) seleccionan, citan y describen a las marcas. Julen Oruesagasti publica su investigación en arXiv y ResearchGate, y tiene perfil de investigador en Web of Science (Clarivate).
Algorithmic Trust and Compliance (arXiv, 2026)
| Título | Algorithmic Trust and Compliance: Benchmarking Brand Notability for UK iGaming Entities in Generative Search Engines |
| Autor | Julen Oruesagasti (único autor) |
| Publicación | 5 de marzo de 2026 |
| Repositorio | arXiv:2603.12282 · categoría cs.IR (recuperación de información) |
| DOI | 10.13140/RG.2.2.15316.46721 |
| Tipo | Informe técnico elaborado en la división de investigación de Interamplify (Reino Unido) |
Resumen. La rápida adopción de buscadores basados en IA generativa, como ChatGPT, Perplexity y Gemini, está transformando la recuperación de información: se pasa de listas de resultados a respuestas sintetizadas y respaldadas por citas. Este cambio desafía las prácticas del SEO y exige un nuevo marco, la Generative Engine Optimization (GEO). En entornos muy regulados, como el sector del juego online en Reino Unido, la visibilidad ya no depende de la densidad de palabras clave, sino de la capacidad de una entidad para proyectar «confianza algorítmica». El informe analiza empíricamente cómo las señales de cumplimiento normativo, como los estándares de la UK Gambling Commission, actúan como multiplicadores de autoridad para los modelos de lenguaje cuando están bien estructuradas. Experimentos recientes a gran escala muestran que la búsqueda con IA tiene un sesgo sistemático hacia los medios ganados (fuentes de terceros con autoridad) frente al contenido propio de las marcas; por eso, el contenido debe diseñarse para que las máquinas puedan escanearlo y justificar su elección.
A Quantitative Framework for RAG Optimization (ResearchGate, 2026)
| Título | A Quantitative Framework for Retrieval-Augmented Generation (RAG) Optimization in High-Stakes UK Professional Services |
| Autor | Julen Oruesagasti |
| Publicación | Febrero de 2026 · informe INT-2026-RAG-02 (Interamplify) |
| DOI | 10.13140/RG.2.2.10715.84000 · ResearchGate |
Resumen. Este informe técnico presenta un marco cuantitativo para optimizar la visibilidad de las entidades y su probabilidad de recuperación en sistemas de generación aumentada por recuperación (RAG). A medida que los motores generativos sustituyen a los índices de búsqueda tradicionales con la síntesis directa de información, la optimización debe dejar atrás las heurísticas de ranking basadas en enlaces. El estudio analiza el comportamiento de los modelos de lenguaje en el mercado digital del Reino Unido y muestra cómo las técnicas avanzadas de GEO aumentan estadísticamente la probabilidad de que una entidad sea recomendada en sectores complejos y de alto riesgo.
¿Cómo aplica GovaRank esta investigación?
GovaRank, la consultora de GEO fundada por Julen Oruesagasti, aplica estas conclusiones en su método. Como la búsqueda con IA da más peso a las fuentes de terceros que al contenido propio de la marca, GovaRank trabaja a la vez la web de la marca y su corroboración en fuentes externas, y mide el resultado en cada motor. Conoce GovaRank.
Perfiles de investigador
En prensa
- «Julen Oruesagasti: las webs se adaptarán automáticamente a tus gustos y necesidades gracias a la IA». Entrevista publicada el 3 de abril de 2025 en El Confidencial Digital, Región Digital y Digital Sevilla.
- «Marketing e IA al alcance de la mano para emprendedores, comerciantes y pequeños negocios en Urola Erdia». Noticias de Gipuzkoa, 13 de febrero de 2026.