Muchas empresas empiezan la medición de IA con JavaScript en el navegador. Tiene sentido. Permite detectar visitas humanas desde referrers de IA y medir comportamiento, formularios y conversiones. Pero si te quedas ahí, gran parte de la actividad de IA queda invisible.
Los crawlers de IA a menudo no ejecutan JavaScript. Los fetches server-side no crean una sesión de navegador. Las llamadas MCP o API no aparecen en analytics web tradicional. JavaScript es importante, pero no es toda la cadena.
L0: baseline de plataforma
GA4, GSC y reportes de plataformas muestran un punto de partida. Ves parte de las sesiones humanas y señales de demanda. Casi no ves qué páginas leen los agentes. Es útil, pero incompleto.
L1: JavaScript first-party
Un script propio mejora la lectura de referrers de IA, recorridos, engagement y pre-conversiones. Es importante para calidad de datos y ownership. Pero los agentes que no ejecutan JS siguen fuera.
L1.5: Edge Lite Bridge
En CDN o Edge puedes observar requests antes de que lleguen al origin. GPTBot, ClaudeBot, PerplexityBot o ChatGPT-User se vuelven visibles. Suele ser el paso con mejor ROI inicial porque revela la capa Request que JS no puede ver.
El efecto es que las métricas de IA saltan. No siempre es crecimiento. Muchas veces es cobertura nueva. El dashboard debe marcar cada mejora de medición.
L2: conector de logs gestionado
Cloudflare, Vercel, Shopify o server logs entregan el mapa completo: agente, path, frecuencia, status code y hora. Estos datos conectan GEO, SEO, seguridad e infraestructura. Muestran qué contenido realmente está disponible para sistemas de IA.
L3: telemetría empresarial
OpenTelemetry GenAI spans, MCP tool calls, auditoría de APIs y trazas de checkout o pago son el nivel avanzado. No todos lo necesitan al principio. Pero cuando agentes de IA usan sistemas operativos, la empresa necesita una cadena auditable.
Evidence Ladder evita llamar a todo “AI traffic”. JS prueba visitas humanas. Edge prueba requests de agentes. Logs prueban el mapa completo. Telemetría prueba cadenas de herramientas y transacciones. La buena medición separa niveles antes de conectarlos.
Nivel | Actividad de IA visible | Nueva capa AIAA | Salto en primera implementación |
|---|---|---|---|
L0 | 5-10% | Visit parcial, Commerce parcial | Baseline |
L1 | 8-15% | Visit reforzado | +30-80% Visit posible |
L1.5 | 25-45% | Request | +200-500% actividad total posible |
L2 | 40-65% | Request reforzado | +20-40% Request posible |
L3 | 75-95% | Answer, Attribution | Primera visión casi completa |
El punto clave: un salto después de activar una nueva capa no siempre es crecimiento. Cuando Edge Lite entra, la actividad de IA puede subir porque aparecen requests de agentes antes invisibles. Es valioso, pero es expansión de cobertura.
No todas las empresas necesitan L3 al inicio. El camino pragmático empieza con L0 como baseline, añade L1 para visitas humanas, L1.5 para requests de agentes y luego consolida logs en L2. L3 se vuelve necesario cuando agentes usan tools, APIs, checkout o pagos.
Así, Evidence Ladder funciona como roadmap. Más Request puede ser mejor observación. Más Visit significa reacción humana. Más Commerce indica intención comercial. Más Attribution significa revenue más defendible. Sin separar niveles, una mejora técnica de medición puede confundirse con un boom de demanda.
En una organización real, esta separación reduce conflictos. Analytics, SEO, infraestructura, e-commerce, CRM y finanzas miran sistemas distintos. Los agentes de IA cruzan esos límites: leen páginas de producto, generan requests, pueden influir visitas, formularios y órdenes. Evidence Ladder ofrece un lenguaje común sin mezclar pruebas.
Un reporte serio marca cada cambio de nivel. Si Edge Lite se activa en junio, junio debe anotarse como cambio de cobertura. La comparación comparable empieza cuando la cobertura se estabiliza. Lo mismo aplica a un log connector o a telemetría. Ver más es progreso, pero no siempre demanda nueva.
El camino de inversión también queda claro. Si la marca apenas ve AI referrers, empieza por L1. Si necesita entender requests de agentes, añade L1.5 y L2. Si agentes empiezan a usar APIs, tools o checkout, necesita L3. La escalera evita construir demasiado pronto y medir demasiado poco cuando el riesgo operativo crece.
FAQ
Q1: ¿Por qué JavaScript no basta?
A: Muchos agentes no ejecutan JavaScript y no crean sesiones analytics normales.
Q2: ¿Por dónde empezar?
A: JavaScript first-party más observación Edge suele ser un inicio pragmático.
Q3: ¿Por qué suben los números tras Edge?
A: Porque aparecen requests antes invisibles. Puede ser cobertura, no crecimiento.
Q4: ¿Cuándo hace falta L3?
A: Cuando agentes ejecutan o influyen tool calls, APIs, checkout o pagos.
Q5: ¿Qué hace AIAA?
A: Ordena esas señales por nivel de evidencia y las conecta con la cadena comercial.