Por qué los agentes de IA leen distinto a las personas o a los rastreadores de Google
Cuando una persona lee un artículo, capta el texto como un todo. Percibe el contexto, reconoce las relaciones entre párrafos y entiende que una afirmación en el apartado cuatro se apoya en una definición del apartado uno. Los rastreadores de Google funcionan de forma parecida: indexan las páginas por completo, evalúan señales a nivel de documento y conectan fragmentos de texto concretos con el contexto general de la página.
Los agentes de IA no hacen eso.
Sistemas como ChatGPT, Perplexity o Google AI Overviews trabajan con la llamada Retrieval-Augmented Generation (RAG). En este proceso, tu contenido no se procesa como documento, sino que primero se descompone en fragmentos — los llamados chunks. Estos chunks suelen tener una longitud de entre 200 y 500 tokens, es decir, aproximadamente entre 150 y 400 palabras. El agente busca luego, según la consulta del usuario, los chunks más relevantes y genera una respuesta a partir de ellos.
Suena técnico, pero tiene una consecuencia directa para tu contenido: solo cuenta el chunk, no el artículo. Si tu afirmación más importante solo se entiende gracias a dos párrafos anteriores, pierde justo su fuerza en el momento en que un agente de IA la extrae de forma aislada. El contexto se queda atrás. La cita llega — pero sin el fundamento que la sostiene.
El problema de la fragmentación: cuando se pierde el contexto
Imagina el siguiente caso: escribes un artículo sobre estrategias de precios en el sector SaaS. En el apartado dos explicas que el Value-Based Pricing solo funciona cuando los clientes perciben el valor añadido de forma medible. En el apartado cinco escribes la frase: «Para las startups en fase inicial, este método suele ser la opción equivocada». Una persona entiende que esto se refiere al Value-Based Pricing y remite al contexto del apartado dos. Un agente de IA que solo ve el chunk cinco puede que extraiga: «Para las startups en fase inicial, este método suele ser la opción equivocada» — sin saber a qué método se refiere.
Este problema tiene varias dimensiones:
- Las referencias pronominales fallan: expresiones como «esta estrategia», «el procedimiento mencionado» o «como se describió antes» solo funcionan en el contexto del texto completo. En un chunk aislado carecen de sentido.
- Las matizaciones quedan separadas: muchos autores plantean una tesis y la matizan en el párrafo siguiente. Si la tesis y la matización acaban en chunks distintos, el agente cita la tesis — sin la matización.
- Las definiciones se pierden: si defines un término en el apartado uno y lo usas en el apartado seis, es posible que el agente no conozca tu definición al procesar el chunk seis.
- Los datos numéricos pierden su punto de referencia: una frase como «la tasa de conversión subió un 40 por ciento» resulta, sin la información sobre la base de partida, el período y las condiciones, o bien vacía o bien engañosa.
El resultado no es un error del sistema de IA en sentido técnico. Es un problema estructural: los contenidos escritos para una lectura lineal son procesados de forma no lineal por los sistemas RAG. Quien lo ignora pierde visibilidad — no porque el contenido sea malo, sino porque está optimizado para un modelo de lectura que los agentes de IA no utilizan.
Qué estructuras de contenido citan preferentemente los agentes de IA
La buena noticia: existen patrones claros sobre qué estructuras textuales funcionan mejor en los sistemas RAG. Quien los conoce puede adaptar su contenido de forma específica — sin cambiar radicalmente su estilo de escritura.
Párrafos atómicos
Un párrafo, una idea. Cada párrafo debería entenderse sin conocimientos previos del resto del artículo. Esto no significa que nunca puedas remitir a afirmaciones anteriores — pero la idea central de un párrafo debe poder sostenerse por sí sola. Redacta como si alguien fuera a leer ese párrafo sin contexto.
Seguir leyendo — gratis
Desbloquear el contenido completo
Introduce tu dirección de correo y confírmala: te suscribes al boletín Signal Forge de FORGE y obtienes acceso inmediato a este contenido y a todos los demás que requieren registro. Puedes darte de baja en cualquier momento.
¿Ya estás registrado? El enlace de tu correo de confirmación vuelve a desbloquear este dispositivo.
Definiciones incrustadas
En lugar de definir un término una vez y luego darlo por sabido, incluye breves definiciones incrustadas. No: «Este método tiene tres ventajas». Sino: «El Value-Based Pricing — es decir, fijar los precios según el valor percibido por el cliente en vez de los costes de producción — tiene tres ventajas». Esto resta algo de legibilidad al texto completo, pero gana muchísimo en capacidad de ser citado.
Afirmaciones autosuficientes
Los agentes de IA prefieren afirmaciones que contengan una idea completa con sujeto, predicado y suficiente contexto. «Esto es problemático» no es una frase citable. «El chunking sin límites semánticos hace que las matizaciones y las tesis caigan en fragmentos distintos — lo que empeora la calidad de las citas generadas por IA» sí lo es.
Listas estructuradas para datos y pasos
Los sistemas RAG suelen tratar las listas como una única unidad semántica, siempre que no sean demasiado largas. Una lista de cinco puntos tiende a permanecer unida. Un párrafo de texto corrido con la misma información puede quedar dividido justo en medio del punto tres.
Subtítulos en forma de pregunta
Los subtítulos con el formato «¿Por qué los chunks pierden su contexto?» o «¿Cómo funciona RAG en la práctica?» ayudan a los sistemas de recuperación a determinar el alcance temático de un chunk. Funcionan como anclas semánticas — y aumentan la probabilidad de que un chunk se recupere ante consultas de usuario relevantes.
Checklist: 7 medidas contra la pérdida de citas por fragmentación
Los siguientes siete puntos se pueden aplicar directamente a contenidos existentes y nuevos. No requieren ninguna configuración técnica — solo un cambio de perspectiva al escribir.
- Comprueba que cada párrafo funcione de forma independiente. Lee cada párrafo de forma aislada. ¿Tiene sentido sin el resto del artículo? Si no, añade la información de contexto necesaria directamente en el párrafo o formula las referencias de manera explícita: en vez de «este método» → «Value-Based Pricing».
- Sustituye pronombres y referencias por sustantivos. Expresiones como «esto», «este», «aquel» o «como se mencionó antes» son invisibles en un procesamiento basado en chunks. Sustitúyelas por el término concreto al que se refieren.
- Escribe la tesis y su matización en el mismo párrafo. Si haces una afirmación en una frase y la matizas en la siguiente, nunca las separes con un salto de párrafo. Los límites de los chunks suelen coincidir con los límites de párrafo.
- Repite las definiciones clave, no las introduzcas solo una vez. Si un término es central en tres partes del artículo, defínelo brevemente en las tres. La redundancia en el texto completo es una ventaja en el procesamiento por chunks.
- Formula los datos numéricos de forma completa. Cada cifra necesita su marco de referencia en la misma frase: período, valor de comparación, tamaño de la muestra. Sin ese contexto, una cifra no es utilizable para el agente — o se usa de forma incorrecta.
- Ajusta la longitud de los apartados a los tamaños habituales de chunk. Los chunks se generan en torno a 200–500 tokens. Un apartado bastante más largo probablemente se dividirá. Planifica los cierres de contenido de forma consciente dentro de estos límites de longitud — sin forzarlo, pero con intención.
- Coloca la afirmación más importante al principio. Los sistemas RAG otorgan más peso al inicio de un chunk. Si la idea central de tu apartado es la última frase, se citará con menos frecuencia. Redacta según el principio: primero la afirmación, después la justificación.
La fragmentación no es un fallo que los proveedores de IA vayan a corregir. Es una propiedad fundamental de la arquitectura con la que trabajan los sistemas de recuperación actuales. Quien publica contenido y quiere que aparezca de forma correcta y completa en las respuestas generadas por IA debe entender esta arquitectura — y construir sus textos en consecuencia. No es una concesión al escribir. Es un nuevo requisito para la creación de contenido profesional.