El modelo antiguo: el principio PageRank de Google
El algoritmo central de Google, desarrollado originalmente por Larry Page en 1996, trata los enlaces como votos. Quien recibe muchos enlaces de páginas de confianza se considera relevante y sube en el ranking. Este mecanismo fue durante 25 años la base de toda la web.
El resultado: el SEO se convirtió en un juego de linkbuilding. Las agencias construían enlaces, posicionaban páginas, ganaban con el tráfico. El contenido a menudo era secundario — lo importante era estar optimizado para las keywords correctas y tener suficientes backlinks. El juego se podía aprender, era escalable y muy rentable para los proveedores de servicios.
El modelo nuevo: comprensión semántica
Los buscadores de IA como Perplexity, ChatGPT Search y los AI Overviews de Google impulsados por Gemini funcionan de forma fundamentalmente distinta. Utilizan Large Language Models (LLM), que entienden el texto de forma semántica — no se limitan a contar palabras clave, sino que comprenden significado, contexto y relaciones.
Lo que esto significa en la práctica: un documento que responde de forma clara y completa a la pregunta "¿Cómo reduzco los costes de soporte con IA?" le parecerá más importante a un buscador de IA que una página con cien backlinks que da vueltas al tema sin concretar.
Cómo trabaja Perplexity por dentro
Perplexity rastrea la web en tiempo real cuando se hace una consulta. No busca la página con más enlaces — busca la página que responde la pregunta con más precisión. El mecanismo se parece a un investigador muy bien formado que encuentra y sintetiza los documentos más relevantes en cuestión de segundos.
- Búsqueda web en tiempo real mediante infraestructura de rastreo propia
- Evaluación de relevancia semántica — no solo coincidencia de palabras clave
- Selección de fuentes basada en claridad, actualidad y autoridad reconocible
- Cita directa con enlace a la fuente — las fuentes son visibles
Cómo trabajan Claude y ChatGPT con los datos de entrenamiento
Claude (Anthropic) y ChatGPT (OpenAI), fuera del modo de búsqueda, tienen un conocimiento estático hasta su fecha de corte de entrenamiento. Los sitios web que se citaron con frecuencia durante el entrenamiento tienen más presencia en las respuestas. Eso hace que un contenido regular y de alta calidad sea más importante que nunca — no para el ranking, sino para la probabilidad de formar parte del próximo corpus de entrenamiento.
El contenido referenciado en muchas fuentes serias acaba con más frecuencia en el corpus de entrenamiento de futuros modelos de IA — un bucle de retroalimentación de visibilidad que se refuerza a sí mismo.
Claude, ChatGPT, Perplexity — estrategias distintas
Las tres plataformas de búsqueda de IA más importantes siguen enfoques distintos, lo que sugiere estrategias de optimización GEO diferentes:
Claude (Anthropic) es nativo de LLM y, en su función de búsqueda, cita fuentes fiables y bien estructuradas. Anthropic entrena explícitamente con señales de calidad similares a E-E-A-T — la autoría y los metadatos estructurados juegan un papel especialmente importante.
Seguir leyendo — gratis
Desbloquea el contenido completo
Introduce tu dirección de correo y confírmala: te suscribes al newsletter Signal Forge de FORGE y obtienes acceso inmediato a este y a todos los demás contenidos con registro. Puedes darte de baja en cualquier momento.
¿Ya estás registrado? El enlace de tu correo de confirmación vuelve a desbloquear este dispositivo.
ChatGPT Search combina el índice de Bing con su propio rastreo y una evaluación de relevancia específica de OpenAI. La actualidad y la autoridad se ponderan de forma similar a Claude, pero la base de Bing implica que las señales SEO clásicas no son irrelevantes.
Perplexity es un buscador de IA con atribución explícita de fuentes. Cada respuesta muestra enlaces a las fuentes — eso convierte a Perplexity en el vehículo más directo para la visibilidad GEO. Quien es citado en Perplexity es visible para el usuario.
Las 5 diferencias con Google
| Característica | Buscadores de IA | |
|---|---|---|
| Tipo de resultado | Lista de ranking (10 enlaces) | Respuesta directa con fuentes |
| Señal principal | Backlinks + PageRank | Relevancia semántica + E-E-A-T |
| Identificación del autor | Opcional, útil | Crítica — se necesita en formato legible por máquina |
| Actualidad | Existe señal de frescura | El contenido reciente recibe mucho más peso |
| Formato de contenido | Palabras clave + estructura | Respuestas completas + calidad citable |
Qué reconocen los modelos de IA como "confiable"
De mi trabajo en diversos proyectos en la intersección entre IA y contenido, se pueden identificar cinco señales fiables que los modelos de IA interpretan como indicadores de confianza:
- Autoría clara: nombre y credenciales visibles,
schema.org/Person-markup presente - Preguntas específicas y respondibles: nada de textos vagos llenos de buzzwords, sino respuestas directas a preguntas concretas
- Experiencia consistente: el autor escribe siempre sobre el mismo tema — nada de tienda de todo un poco
- Datos y cifras citables: con referencia a la fuente, no un "los estudios demuestran que..."
- HTML estructurado: H1 → H2 → H3, elementos semánticos (
<article>,<section>) en lugar de un revoltijo de<div>-spaghetti
Comparación: una misma consulta en Google vs. Claude
Para que la diferencia se entienda mejor, aquí tienes un ejemplo concreto de la misma consulta en ambas plataformas:
Consulta: "¿Cómo optimizo mi blog para los buscadores de IA?"
Resultado en Google:
→ 10 enlaces de distinta calidad
→ El usuario hace clic en los enlaces 1-3, lee el artículo
→ La conversión depende del sitio web
Resultado en Claude:
→ Respuesta directa: "Para la optimización GEO recomiendo:
1. Implementar el markup Article de Schema.org
2. Autoría clara con el esquema Person
3. Respuestas completas en lugar de contenido de anzuelo"
→ Fuentes: [forgeproject.eu/blog], [otras fuentes]
→ El usuario tiene la respuesta — puede que haga clic en la fuenteConsecuencias para tu estrategia de contenido
Ya no optimizas para un algoritmo — optimizas para un modelo de lenguaje que ha sido entrenado para reaccionar como lo haría un lector humano cuidadoso. En concreto, eso significa:
- Escribe para preguntas reales, no para palabras clave
- Haz la autoría imposible de ignorar — nombre, credenciales, Schema.org
- Usa una estructura clara — H1, H2, H3 anidados de forma lógica
- Responde las preguntas por completo — nada de artículos anzuelo que arrastran al lector a la siguiente página
- Publica con regularidad — la actualidad es un factor de ponderación
En el próximo artículo: la auditoría GEO — los 5 factores concretos que puedes revisar y mejorar hoy mismo en tu sitio web.