Estudio de citas de IA: ¿las IA citan GitHub?

GitHub es una fuente primaria en sentido estricto: sus páginas las escriben las personas que desarrollan el software. Un README explica qué hace un proyecto, la página de versiones indica qué cambió en cada una y el gestor de incidencias (issues) muestra qué errores se conocen y si están corregidos. Los modelos de IA usan estas páginas como prueba cuando describen una herramienta.

Cuatro tipos de páginas de GitHub aparecen con frecuencia en las respuestas:

• Las portadas de los repositorios, cuyo README sirve de descripción oficial de un proyecto de código abierto.
• Las versiones y registros de cambios, utilizados para preguntas como «¿cuál es la última versión?» o «¿desde cuándo existe esta función?».
• Las incidencias y discusiones, citadas cuando alguien pregunta por un error, una limitación o una solución alternativa.
• Los avisos de seguridad de la GitHub Advisory Database, que documenta las vulnerabilidades conocidas de paquetes de código abierto.

Los perfiles de organización también cuentan. Una empresa que mantiene sus SDK, plugins o integraciones en una organización pública de GitHub deja a los modelos de IA una huella verificable de que su producto existe y recibe mantenimiento.

Las citas se concentran en intenciones técnicas. Prompts típicos: «alternativa de código abierto a Jira», «cómo instalar la herramienta de línea de comandos de Stripe», «¿sigue mantenido este paquete npm?», «mejor gestor de contraseñas autoalojado» o «cómo corregir la vulnerabilidad de Log4j». En cada caso, el repositorio es la prueba más directa que puede ofrecer un asistente.

Las preguntas sobre negocios cotidianos rara vez llegan a GitHub. Nadie necesita un repositorio para encontrar «un fontanero de confianza en Madrid» o «la mejor gestoría para una empresa emergente». Por eso las citas de GitHub se concentran en preguntas sobre editores de software, empresas de ciberseguridad y servicios informáticos, y son marginales en los demás sectores.

El idioma también influye. La documentación de GitHub está escrita mayoritariamente en inglés, así que las respuestas en inglés llegan a ella con mucha más naturalidad que las respuestas en español, francés o alemán, que suelen citar tutoriales traducidos o medios locales.

La diferencia se explica sobre todo por cómo recupera la información cada modelo. Gemini basa muchas respuestas en la Búsqueda de Google, donde los repositorios se posicionan bien para los nombres de proyecto, de modo que un enlace a GitHub puede acompañar la respuesta. ChatGPT combina lo que aprendió durante su entrenamiento con resultados en tiempo real de su búsqueda web, y añade un enlace a un repositorio sobre todo cuando la pregunta menciona un proyecto concreto.

Perplexity busca en la web para cada pregunta y muestra sus fuentes, pero en las comparativas se apoya a menudo en artículos de análisis y sitios de fabricantes más que en los repositorios. Grok añade publicaciones de X, donde los desarrolladores anuncian versiones y comentan errores. Claude cita fuentes con menos frecuencia por defecto y suele describir un proyecto con sus propias palabras, salvo que tenga activada la búsqueda web.

Parte de la influencia de GitHub no se ve en los recuentos de citas. El código público y la documentación alojados en GitHub forman parte de los datos de entrenamiento de muchos grandes modelos, por lo que un asistente puede explicar cómo funciona una biblioteca sin nombrar la página de la que aprendió.

Aquí, una cita significa que la respuesta dio como fuente una página de github.com: un repositorio, una incidencia, un aviso de seguridad o la documentación de GitHub. Un consejo como «aloja tu código en GitHub» sin enlace es una recomendación del servicio, una señal distinta que esta tasa no recoge.

Los sitios creados con GitHub Pages están en github.io o en dominios propios, así que conviene analizarlos como sitios web independientes. Para una marca, el caso valioso es que uno de sus propios repositorios aparezca en una respuesta sobre su categoría: una referencia técnica que un asistente puede comprobar, algo que las páginas de marketing rara vez consiguen.