El filtro de rechazo de respuestas a reseñas de Google: lo que revelan 12 752 respuestas rechazadas

Ahora Google rechaza las respuestas a las reseñas sin avisar. Sin notificaciones. Sin explicaciones. Tu respuesta permanece en estado «RECHAZADA» en la API, mientras tú crees que ya se ha publicado.

Lo sabemos porque lo vemos. La API de Perfil de empresa de Google introdujo ReviewReplyState el 1 de abril de 2026 (Blog de cambios de Google Dev). Antes de eso, todas las respuestas publicadas a través de la API se publicaban automáticamente. Sin moderación. Sin filtro.

Eso cambió. Y con ello surgió un problema de rechazo silencioso del que la mayoría de las empresas y agencias ni siquiera son conscientes.

Hemos extraído 12 752 respuestas a reseñas rechazadas de los datos de nuestra plataforma en dos extracciones distintas: una inmediatamente después de que los datos estuvieran disponibles, el 22 de abril de 2026, y otra el 28 de mayo de 2026, con el fin de averiguar qué es lo que realmente activa el filtro de Google. Esta es la primera vez que se publican estos datos. Esto es lo que hemos descubierto.

La magnitud del problema es mayor de lo que nadie imagina

En nuestro conjunto de datos combinado de 12 752 respuestas rechazadas:

El 92,6 % eran respuestas a reseñas de 5 estrellas. Las reseñas positivas son las que generan más rechazos, seguramente porque las empresas (y las herramientas de IA) responden a ellas con un lenguaje entusiasta y basado en plantillas.

El número de rechazos se disparó en 2024. De 354 rechazos en todo el año 2022 y 398 en 2023, la cifra se disparó hasta los 9.393 solo en 2024. O bien el filtro de Google se volvió claramente mucho más estricto, o bien cambió la calidad de la revisión.

La respuesta rechazada media se redactó 1 221 horas —aproximadamente 50 días— después de que se publicara la reseña original. Las respuestas programadas de forma masiva y con retraso aparecen en los datos con una frecuencia desproporcionada, y esa media ha aumentado desde nuestra primera recopilación de datos. El carácter silencioso de este fenómeno es el problema principal. Una respuesta que es rechazada no genera un error. No se devuelve. Simplemente no aparece. Sin visibilidad a nivel de API, nunca te darías cuenta.

Dos instantáneas, una historia

El siguiente gráfico muestra el recuento mensual de rechazos de ambas extracciones de datos. La primera extracción (22 de abril de 2026, mostrada en azul claro) registró 7.151 respuestas rechazadas. La segunda extracción (28 de mayo de 2026, mostrada en azul oscuro) identificó 12.752, lo que supone un aumento del 78 % en solo cinco semanas, lo que refleja tanto los nuevos rechazos como las respuestas rechazadas históricamente que aún no se habían indexado en nuestra primera extracción.

La línea ámbar muestra el porcentaje de respuestas rechazadas cada mes que contienen expresiones típicas de la IA detectables. Su evolución constituye la conclusión principal de este análisis.

Los dos conjuntos de datos muestran una tendencia coherente: una línea de referencia estable hasta 2022-2023, un aumento vertiginoso en 2024 y un cambio radical en la composición a partir de mediados de 2025, en el que el volumen disminuye mientras que la naturaleza de lo que queda cambia de forma significativa.

Razón n.º 1: Las plantillas generadas por IA son el principal factor desencadenante

El 67 % de todas las respuestas rechazadas de nuestro conjunto de datos contenía al menos una frase estándar generada por IA detectable. Esta proporción pasó de alrededor del 35 % a principios de 2024 al 85 % a mediados de 2024, nivel que se mantuvo hasta principios de 2025.

Las frases que aparecen con mayor frecuencia en las respuestas rechazadas son precisamente las generadas por herramientas de respuesta de IA genéricas o sin configurar:

Estas frases no solo aparecen en las respuestas de rechazo, sino que predominan en ellas. No se trata de una simple correlación. El patrón es demasiado constante y la cronología demasiado precisa como para que sea una coincidencia.

Nuestra hipótesis: el sistema de moderación de Google ha creado un modelo estadístico de respuestas automáticas de baja calidad a las reseñas. Las frases anteriores son el sello distintivo de la generación masiva mediante IA. Aparecen en millones de respuestas de miles de millones de empresas con una frecuencia poco natural. El filtro de Google parece marcar aquellas respuestas que combinan estas señales en un patrón de plantilla reconocible.

Piensa en ello como un filtro antispam. Las palabras por sí solas no son el problema. La combinación «frase inicial + nombre + frase de elogio + frase de satisfacción + frase de cierre con visión de futuro» es el patrón que Google ha aprendido a rechazar.

He aquí un ejemplo real extraído de nuestros datos (una respuesta a una reseña de 5 estrellas sobre fontanería, 1.731 caracteres, rechazada de inmediato):

«Hola, Tannas: ¡Gracias por tu magnífica reseña y por recomendar encarecidamente Kingstree Plumbing! Te estamos inmensamente agradecidos por tu apoyo… Es maravilloso saber que el trato informativo, eficiente y amable de Dane ha tenido un impacto tan positivo… Tus comentarios son muy valiosos para nosotros… #KingstreePlumbing #MuyRecomendado #ServicioEficiente…»

Esta respuesta contiene hashtags, un exceso de palabras clave, una extensión excesiva y frases de elogio propias del estilo de la IA, y da la impresión de haber sido generada por una herramienta sin ningún tipo de control. Fue rechazada de inmediato.

La lección: si tu herramienta de respuestas automáticas genera respuestas que suenan igual que las de cualquier otra herramienta de este tipo, el filtro de Google acabará detectándola.

Razón n.º 2: Palabras malsonantes en nombres, nombres de empresas y platos del menú

Esto sorprende a la gente. El filtro de lenguaje soez de Google analiza el texto completo de la respuesta, pero no es capaz de distinguir entre un insulto y un contexto en el que esa misma expresión sea legítima.

El problema se manifiesta de tres formas distintas.

La regla práctica:antes de que tu herramienta de respuesta publique una respuesta, debe realizar una comprobación previa del texto completo, incluyendo el nombre del revisor, cualquier nombre de producto y la firma de la empresa. Si alguna cadena de texto pudiera activar un filtro automático de lenguaje soez, la respuesta debe ser revisada por una persona antes de ser enviada.

Razón n.º 3: Respuestas que son duplicados exactos y con contenido mínimo

Según los datos, una cuenta envió la respuesta «¡Gracias!», de diez caracteres, tal cual, a más de 100 reseñas consecutivas. Todas fueron rechazadas. Otra cuenta envió «gracias por la buena reseña» de forma idéntica a 46 reseñas seguidas. Un tercer patrón: «Gracias 🙏», con solo el nombre de pila del autor de la reseña añadido al final, enviado cientos de veces desde una cuenta.

En el extremo opuesto: respuestas rechazadas que consisten únicamente en un solo emoji “👍”, “🙌”, “😊” o simplemente signos de puntuación como “!!!” o “.”.

Es probable que aquí estén en juego dos mecanismos. En primer lugar, la duplicación exacta a gran escala es una señal clásica de spam. Cuando se envía la misma frase desde la misma cuenta a decenas o cientos de reseñas en un breve lapso de tiempo, ese patrón coincide con un comportamiento automatizado de baja calidad ya conocido, independientemente de si la frase en sí es ofensiva. En segundo lugar, Google parece aplicar un umbral mínimo de calidad. Una respuesta que no aporta ningún valor informativo al registro público, como «¡Gracias!», no aporta nada que el lector no pueda deducir de la valoración con estrellas, y puede no superar el umbral mínimo de calidad que el sistema de moderación aplica antes de que se apruebe una respuesta.

La consecuencia práctica: el uso de plantillas no es solo un problema de lenguaje repetitivo. Incluso una respuesta breve, clara y que no haya sido generada por IA será rechazada si es idéntica a otras muchas respuestas de la misma cuenta.

Razón n.º 4: Datos de contacto en el cuerpo de la respuesta

Las respuestas a las reseñas no son un canal para generar tráfico ni captar clientes potenciales. La política de contenido de Google lo deja claro, y nuestros datos lo confirman.

327 respuestas (2,6 %) incluían una dirección de correo electrónico en el cuerpo del mensaje. Casi siempre se trata de un intento bienintencionado de resolver una queja: “Póngase en contacto con nosotros en[email protected]para que podamos solucionar el problema”.

287 respuestas (2,3 %) incluían expresiones como “ponte en contacto con nosotros” o “llámanos”, lo que invitaba al autor de la reseña a actuar fuera de la plataforma. Esta tendencia se observa tanto en las reseñas negativas como en las neutras, en las que las empresas tienden instintivamente a querer trasladar la conversación fuera de la plataforma.

La postura de Google es clara: una respuesta a una reseña debe dirigirse al autor de la reseña de forma pública. Si deseas ponerte en contacto con él de forma privada, utiliza la función de mensajería privada que ofrece Google. Incluir tu correo electrónico de atención al cliente en una respuesta pública se considera una solicitud comercial o fuera de la plataforma, y se bloquea.

Razón n.º 5: Hashtags en el texto de las respuestas

38 respuestas de nuestro conjunto de datos contenían hashtags, y las 38 fueron rechazadas. Los hashtags son una característica de las plataformas de redes sociales en las que el descubrimiento se basa en el etiquetado. Las reseñas de Google My Business no son redes sociales. Son una señal de confianza estructurada.

El ejemplo de hashtag rechazado de nuestros datos deja claro el problema: #KingstreePlumbing #MuyRecomendado #ExpertosEnLaZonaDeEdmonton

Esto parece una manipulación de SEO, al incluir nombres de empresas y términos de ubicación en una respuesta con el fin de manipular los resultados de búsqueda locales. Independientemente de si esa era la intención o no, el filtro de Google lo interpreta así.

La regla es sencilla: nada de hashtags en las respuestas a las reseñas.

Razón n.º 6: Programación masiva y rapidez de respuesta

El tiempo de respuesta por sí solo no provoca el rechazo. Sin embargo, es un factor que forma parte del patrón más amplio que Google parece estar analizando.

El 78,7 % de las respuestas rechazadas de nuestro conjunto de datos se publicaron más de 24 horas después de que se escribiera la reseña. El retraso medio fue de 1 221 horas, aproximadamente 50 días, lo que supone un aumento con respecto a las 720 horas registradas en nuestra primera recopilación. Esto refleja el comportamiento de las empresas que agrupan sus respuestas, y que a menudo recurren a la generación masiva mediante IA una vez a la semana o al mes, en lugar de responder en tiempo real. Esa media está empeorando, en lugar de mejorar.

Cuando una misma cuenta envía un gran volumen de respuestas en un breve lapso de tiempo, todas siguiendo el mismo patrón estructural, ese comportamiento es indicativo de un abuso automatizado. Es el equivalente digital a enviar 500 correos electrónicos desde la misma dirección IP en una hora: técnicamente legítimo, pero estadísticamente sospechoso.

Nuestra hipótesis sobre la programación masiva: es posible que el sistema de Google no evalúe una respuesta de forma aislada. Es posible que la evalúe teniendo en cuenta la frecuencia, el número de respuestas que esta cuenta ha enviado en ese intervalo de tiempo, el grado de similitud estructural entre dichas respuestas y si el patrón coincide con comportamientos automatizados de baja calidad ya conocidos. Esto es más difícil de demostrar basándose únicamente en el texto de la respuesta. Sin embargo, los datos temporales, combinados con los datos sobre plantillas y duplicaciones, apuntan claramente en esta dirección.

Lo que realmente prohíbe la política de contenido de Google

Las políticas establecidas por Google para las respuestas a las revisiones son generales y no están documentadas de forma exhaustiva. Según nuestros datos y la documentación de la API, las siguientes categorías de contenido presentan el mayor riesgo de rechazo:

Causas claras:

• Palabras malsonantes o lenguaje ofensivo (incluidos los nombres de los usuarios que dejan comentarios, los nombres de empresas y los nombres de productos que se incluyan en la respuesta)

• Direcciones de correo electrónico

• Hashtags

• Respuestas idénticas enviadas masivamente desde la misma cuenta

• Respuestas que no alcancen un nivel mínimo de calidad o contenido (un solo emoji, un simple "¡Gracias!")

Hipótesis sólidas basadas en nuestros datos:

• Plantillas de IA (la causa principal, el 67 % de todos los rechazos)

• Patrones de velocidad masiva desde una sola cuenta

• Exceso de palabras clave o manipulación del SEO en el texto de la respuesta

• Respuestas que superan un límite de longitud no documentado (la respuesta rechazada más larga de nuestros datos tenía 1 731 caracteres)

Menor riesgo, pero conviene estar atentos:

• Respuestas en varios idiomas en las que el contenido se marca como inapropiado en un idioma, pero no en otro

• Respuestas repletas de emojis, sobre todo si van acompañadas de un texto muy breve

• Cronología: cuándo cambió el filtro y cómo evolucionó

Los datos muestran una tendencia clara a lo largo de dos fases.

Fase 1: de 2024 a principios de 2025. La epidemia de respuestas genéricas generadas por IA. Antes de 2024, los rechazos en nuestro conjunto de datos eran mínimos: 354 en 2022 y 398 en 2023. A partir de marzo de 2024, los rechazos comenzaron a aumentar drásticamente. En mayo de 2024, más del 70 % de todas las respuestas rechazadas contenían plantillas de IA. En julio de 2024, esa cifra alcanzó el 85 % y se mantuvo así hasta febrero de 2025.The AI boilerplate epidemic. Before 2024, rejections in our dataset were minimal: 354 in 2022, 398 in 2023. Starting in March 2024, rejections began accelerating sharply. By May 2024, over 70% of all rejected replies contained AI boilerplate. By July 2024, that figure reached 85% and held there through February 2025.

Este momento coincide exactamente con la adopción masiva de herramientas de respuesta a reseñas basadas en la inteligencia artificial. A medida que aumentaba el volumen de respuestas generadas por IA en todo el ecosistema de Google, el sistema de moderación de Google parece haber detectado los patrones que producen esas herramientas. Esta es la dinámica fundamental: las herramientas de IA provocaron una epidemia de respuestas estereotipadas. Google responde con un filtro de respuestas estereotipadas (dos años después).

Fase 2: a partir de abril de 2025.Un perfil de rechazos diferente. A partir de abril de 2025, la proporción de rechazos generados por la IA desciende drásticamente, pasando de más del 70 % a cifras de un solo dígito en algunos meses. El volumen total de rechazos también se reduce de forma significativa.

Hay dos interpretaciones posibles, y ambas pueden ser parcialmente ciertas. O bien las herramientas de respuesta a reseñas basadas en IA se han perfeccionado tanto que las empresas han dejado de utilizar esas plantillas de baja calidad (por lo que se envían menos respuestas estándar), o bien Google aplica el filtro para interceptar las respuestas estándar en una fase concreta del proceso de respuesta a reseñas, antes de que alcancen el estado formal de «RECHAZADA». Esto es poco probable. Es posible que Google no utilice las respuestas a las reseñas para la elaboración de perfiles contextuales y de entidades mediante IA durante el primer año de la reseña, o lo haga en menor medida. Lo que queda en los datos de finales de 2025 y 2026 es un perfil composicional diferente: principalmente casos de lenguaje soez en contexto, spam con duplicados exactos y respuestas con contenido mínimo, las categorías cubiertas en los motivos 2, 3 y 6 anteriores.

Qué significa esto para tu estrategia de respuesta a las reseñas

Comprueba el estado actual de tus respuestas. Si publicas a través de la API, necesitas conocer el estado "ReviewReplyState". Las respuestas publicadas a través de la interfaz de usuario de Google Business Profile o de herramientas de terceros que no muestran este campo se realizan a ciegas. Es posible que un pequeño porcentaje de tus respuestas ya se encuentre en estado "RECHAZADO"; para adelantarte a los filtros, sigue estos 5 pasos:

1. Revisa tu herramienta de respuestas automáticas.Si genera respuestas que incluyen expresiones como “nos alegra mucho saberlo”, “tu satisfacción es nuestra máxima prioridad” o “esperamos volver a verte pronto”, está generando contenido con un alto riesgo de rechazo. Estas frases son indicadores estadísticos de una automatización de baja calidad. Vuelve a entrenar o reconfigura la herramienta con un lenguaje más específico, contextual y variado.

2. Realiza una comprobación previa de contenido inapropiado en el texto completo de la respuesta. Esto incluye el nombre del revisor, cualquier producto o elemento del menú al que se haga referencia y el nombre de tu empresa en la firma. El filtro de Google no entiende el contexto. “Pornstar Martini” es un cóctel; el filtro detecta dos cadenas que deben marcarse.This includes the reviewer’s name, any product or menu items referenced, and your business name in the sign-off. Google’s filter doesn’t understand context. “Pornstar Martini” is a cocktail; the filter sees two flagged strings.

3. Elimina las plantillas que sean duplicados exactosSi tu herramienta envía respuestas idénticas en varias reseñas, ese patrón es una señal directa de rechazo, independientemente de la calidad del contenido. Cada respuesta debe ser diferente, aunque la diferencia sea mínima.

4. Elimina los datos de contacto de las plantillas.Cualquier plantilla que incluya tu dirección de correo electrónico, número de teléfono o la frase «ponte en contacto con nosotros» debe revisarse. Responde a las quejas con una invitación general a ponerse en contacto, no con una llamada a la acción directa que incluya información de contacto.

5. Distribuye las respuestas a lo largo del tiempo.Si programas el envío de 200 respuestas para las 9 de la mañana del lunes, ese patrón resulta fácil de detectar. Distribuye las respuestas en distintos intervalos de tiempo e intenta responder en un plazo de 24 horas desde la publicación de la reseña.

La falta de visibilidad es el verdadero problema

La mayoría de las empresas no saben que sus respuestas están siendo rechazadas. Ese es el problema más grave.

No hay ningún correo electrónico de Google. No hay ninguna indicación en el panel de control del perfil de empresa. La respuesta simplemente no aparece públicamente, mientras que internamente se encuentra en estado «RECHAZADA», algo que solo la API puede mostrar. Para cualquier empresa que utilice herramientas de terceros que no muestren este campo, el problema es totalmente invisible.

Por eso, el acceso a ReviewReplyState a través de la API no es un simple detalle técnico, sino un requisito operativo. Sin él, estarías publicando en una caja negra.

En GMBapi.com, el estado ",ReviewReplyState" aparece en cada respuesta. Cuando se rechaza una respuesta, la plataforma la marca para que pueda revisarse, corregirse y volver a enviarse. Los datos subyacentes que han dado lugar a este artículo proceden directamente de esa infraestructura de seguimiento, recopilados en dos extracciones realizadas con cinco semanas de diferencia.

El objetivo no es decirte lo que no debes hacer. Es hacer visible lo invisible.