Ser citado por los motores de respuesta con IA: lo que está documentado y lo que no

La documentación de Google Search Central sobre AI Overviews y AI Mode es directa. No hay requisitos adicionales para aparecer en ninguna de las dos funciones y no se necesita ninguna optimización especial. Para poder mostrarse como enlace de apoyo, una página debe estar indexada y reunir las condiciones para aparecer en la Búsqueda de Google con un fragmento. La guía de optimización de Google añade que, para ser elegible, un sitio debe estar incluido en las funciones de IA generativa de la Búsqueda en Search Console.

Google también describe el mecanismo en términos generales. Las funciones usan generación aumentada por recuperación, que se apoya en los sistemas de clasificación principales de la Búsqueda para recuperar páginas del índice, y la técnica de "query fan-out", con la que el modelo lanza varias búsquedas relacionadas sobre distintos subtemas antes de componer una respuesta. AI Overviews solo aparece cuando los sistemas de Google consideran que aporta algo a los resultados clásicos, y Google afirma que a menudo no se activa. AI Mode y AI Overviews pueden usar modelos distintos, por lo que los enlaces que muestran para una misma pregunta pueden variar.

En la práctica, la visibilidad en las funciones de IA de Google se apoya en las mismas bases que la visibilidad en la búsqueda ordinaria. Una página que no puede rastrearse, no puede indexarse o tiene prohibido mostrar un fragmento no es elegible.

OpenAI documenta rastreadores distintos para fines distintos. OAI-SearchBot muestra sitios web en las funciones de búsqueda de ChatGPT, y los sitios que lo bloquean no aparecerán en las respuestas de búsqueda de ChatGPT, aunque todavía pueden aparecer como enlaces de navegación. GPTBot rastrea contenido que puede usarse para entrenar los modelos fundacionales de OpenAI. Las dos configuraciones son independientes, de modo que un sitio puede permitir OAI-SearchBot y bloquear GPTBot. ChatGPT-User obtiene páginas cuando un usuario le hace una pregunta a ChatGPT, y OpenAI señala que las reglas de robots.txt pueden no aplicarse a esas solicitudes iniciadas por usuarios. Según OpenAI, un cambio en robots.txt puede tardar unas 24 horas en reflejarse en los resultados de búsqueda.

La documentación de Perplexity sigue un patrón similar. PerplexityBot muestra y enlaza sitios web en los resultados de búsqueda de Perplexity y, según Perplexity, no se utiliza para rastrear contenido destinado a modelos fundacionales de IA. Perplexity-User obtiene páginas en respuesta a preguntas de los usuarios y, por lo general, ignora robots.txt. Perplexity también recomienda a los propietarios de sitios protegidos por un firewall de aplicaciones web que incluyan en su lista de permitidos los rangos de IP que publica.

Hay un modo de fallo que queda fuera del alcance del equipo de contenidos. Una regla de firewall o de CDN escrita para frenar a los scrapers puede bloquear OAI-SearchBot o PerplexityBot sin que nadie lo haya decidido. La propia lista de comprobación de Google para las funciones de IA incluye asegurarse de que el rastreo esté permitido "por cualquier CDN o infraestructura de alojamiento", además de en robots.txt.

Ningún proveedor publica los criterios que usa su sistema para elegir una fuente frente a otra en una respuesta determinada. Los consejos que dicen conocer esas ponderaciones son inferencias. La guía de optimización de Google dice que ninguna herramienta de terceros tiene acceso a los sistemas internos de clasificación o de IA de Google, y pide a los propietarios de sitios que desconfíen de las herramientas que dicen usar métricas internas de Google.

La guía también se refiere a llms.txt. llms.txt es una propuesta, publicada en llmstxt.org, de un archivo markdown que ofrece a los modelos de lenguaje una visión general seleccionada de un sitio, con enlaces a versiones limpias de sus páginas. Google afirma que la Búsqueda de Google no usa llms.txt ni archivos de texto similares para IA. Publicar uno no ayudará ni perjudicará la visibilidad ni el posicionamiento en la Búsqueda de Google. La documentación de los rastreadores de OpenAI y de Perplexity no lo menciona. Un sitio puede publicarlo de todos modos para agentes de programación u otras herramientas que lo lean, pero no hay ninguna base publicada para tratarlo como un factor de posicionamiento en ninguno de los tres motores de respuesta que se analizan aquí.

Google enumera otras tácticas populares que, según dice, los propietarios de sitios pueden ignorar en lo que respecta a sus funciones de IA. Entre ellas están dividir el contenido en pequeños "fragmentos" (chunks), reescribir páginas específicamente para sistemas de IA, perseguir menciones no auténticas por toda la web y añadir marcado especial de schema.org para IA.

Un motor de respuesta que cita a una organización tiene que averiguar de qué organización se trata. Eso se complica cuando el nombre comercial difiere de la razón social, el número de registro no aparece en ninguna parte del sitio y los perfiles en directorios, redes sociales y marketplaces describen la empresa en términos distintos.

La documentación de Google sobre los datos estructurados de Organization describe un marcado que ayuda a Google a entender los datos administrativos de una organización y a distinguirla de otras. Entre las propiedades disponibles figuran legalName, enlaces sameAs a perfiles en otros sitios, vatID, taxID e iso6523Code, que puede contener un identificador de entidad jurídica (LEI) con el prefijo 0199. Ninguna de las propiedades es obligatoria. La guía de Google sobre funciones de IA añade dos matices. Los datos estructurados deben coincidir con el texto visible de la página, y no son necesarios para la búsqueda con IA generativa. Su valor está en eliminar ambigüedades, y ayudan a ser elegible para los resultados enriquecidos.

Es un trabajo poco vistoso. Publique en el sitio web, en texto plano, la razón social, el número de registro y el domicilio social. Márquelos de forma coherente y apunte sameAs a los perfiles que usted controla. Mantenga actualizada la información de Google Business Profile y, en el caso de los minoristas, la de Merchant Center. Google afirma que ambos pueden ayudar a que los productos y servicios aparezcan en sus respuestas de IA.

Decida la política de rastreadores de forma deliberada. En el caso de OpenAI, el acceso para entrenamiento y el acceso para búsqueda pueden configurarse por separado mediante GPTBot y OAI-SearchBot. En el caso de Google, el token Google-Extended regula el uso en el entrenamiento y la fundamentación de los modelos Gemini, y Google afirma que no afecta a la inclusión ni al posicionamiento en la Búsqueda de Google. Registre la decisión y el motivo para cada agente de usuario.

Compruebe que la política se cumple en el perímetro. Revise los registros del firewall y de la CDN en busca de solicitudes bloqueadas de los agentes de usuario y rangos de IP publicados, y verifique robots.txt con los tokens documentados de cada proveedor.

Use los controles de fragmentos solo cuando cumplan una función. Google considera nosnippet, data-nosnippet, max-snippet y noindex como los controles que limitan lo que se muestra de una página en la Búsqueda, incluidas sus funciones de IA. Una página que bloquea los fragmentos también deja de ser elegible como enlace de apoyo.

Mida lo que se puede medir. Google informa del tráfico de AI Overviews y AI Mode dentro del informe de Rendimiento de Search Console y ofrece un informe de rendimiento de IA generativa. Haga un seguimiento de las citas en otros motores con una muestra fija de preguntas y un calendario fijo, y trate los resultados como observaciones y no como un ranking.

Dé a los motores algo que valga la pena citar. La guía de Google pide contenido "no genérico" basado en experiencia de primera mano. Para una organización consolidada, eso suele significar publicar la evidencia, los métodos y los datos concretos que ya tiene, con autoría y fecha en cada página.