Cómo se gana visibilidad cuando quien busca es una máquina

Al principio bastaba con repetir.

Los primeros blogs corporativos de internet no existían para explicar nada. Existían para acumular palabras clave en cascada, con la esperanza de que un buscador las contara y las premiara. Nadie los leía y nadie pretendía que se leyeran; eran andamios levantados para un solo espectador, que además no era humano. Funcionó durante algunos años, hasta que ese espectador se volvió exigente y empezó a distinguir entre un texto que resuelve algo y una lista de términos disfrazada de artículo.

Después llegaron las redes sociales y la conversación se mudó de casa. Publicar dejó de significar escribir y pasó a significar aparecer. Muchas empresas abandonaron el blog —esa propiedad incómoda que exige criterio y mantenimiento— y entregaron su visibilidad completa a plataformas que no controlaban, a cambio de la promesa de un alcance que cada año se volvió más caro.

Hoy ocurre algo parecido, con una diferencia importante que casi nadie está midiendo bien.

Lo que la evidencia dice

El Pew Research Center rastreó durante marzo de 2025 el comportamiento real de navegación de 900 adultos estadounidenses, sobre casi 69,000 consultas de búsqueda. El hallazgo es incómodo para cualquiera que viva del tráfico web: cuando aparecía un resumen generado por inteligencia artificial en la parte superior de los resultados, los usuarios hicieron clic en algún enlace tradicional en apenas 8% de las visitas, frente a 15% cuando no había resumen. El clic sobre las fuentes citadas dentro del propio resumen ocurrió en 1% de los casos. Y la probabilidad de que el usuario terminara ahí su sesión de navegación subió de 16% a 26%.

Dicho de otro modo: el sistema puede citar a una empresa, nombrarla y recomendarla, y aun así nadie llegar a su sitio.

Esa es la paradoja real del momento, y no es la que suele contarse. El discurso dominante afirma que si la inteligencia artificial no te ve, no existes. La afirmación es tentadora y es exagerada: hasta finales de 2025, Ahrefs estimaba que la búsqueda tradicional seguía enviando cientos de veces más tráfico que todos los motores de IA sumados. Lo que sí está ocurriendo es más sutil y más determinante: el tráfico total baja mientras el tráfico que llega se vuelve mucho más valioso.

Las mediciones varían según quién las publique, y eso merece decirse en voz alta. Semrush calculó que el visitante que llega desde un sistema de IA convierte alrededor de 4.4 veces más que el visitante de búsqueda orgánica tradicional, y proyecta que hacia 2028 los visitantes provenientes de IA superarán a los de búsqueda convencional. Otros estudios reportan diferencias mayores o menores según industria y periodo. La razón de fondo es la misma en todos: el sistema ya hizo el trabajo de filtro. Quien llega no está explorando diez enlaces azules; llega después de que una máquina evaluó varias fuentes y decidió mencionarte.

Cambia entonces la métrica que importa. Medir visitas totales en 2026 es como medir impresiones en 2010: describe actividad, no resultado.

Por qué una máquina decide citar una fuente

En este punto la industria empieza a vender certezas que no tiene, y el terreno se divide entre lo demostrado y lo que solo se afirma.

Lo demostrado tiene un origen académico concreto. En 2024, un equipo de Princeton, Georgia Tech e IIT Delhi presentó en la conferencia KDD el primer estudio a gran escala sobre lo que hoy se llama Generative Engine Optimization: diez mil consultas, nueve métodos de optimización probados y medidos. Sus conclusiones fueron consistentes en una dirección: incluir citas a fuentes confiables, estadísticas verificables y citas textuales atribuidas incrementó la visibilidad del contenido dentro de las respuestas generadas hasta en 40%. El relleno de palabras clave, en cambio, no ayudó y en varios casos perjudicó.

Lo que se afirma sin la misma solidez es casi todo lo demás. Un trabajo posterior, C-SEO Bench, sometió a prueba sistemática las tácticas que circulan como recetas de posicionamiento conversacional y encontró que la mayoría no funciona y algunas empeoran el resultado, mientras que la relevancia real de la fuente sigue siendo el factor que sostiene la cita. Los propios datos del sector se contradicen entre sí sobre algo tan básico como si los sistemas citan preferentemente páginas ya bien posicionadas o llegan hasta resultados que nadie ve.

Esa contradicción es la mejor noticia del panorama, porque despeja el terreno. No hay truco disponible. Lo que se repite en todos los estudios que sí resisten escrutinio es que los sistemas prefieren material verificable, atribuible, fechado y estructurado de manera que un fragmento pueda extraerse sin perder sentido.

Hay un dato adicional que merece leerse despacio: tanto en los resúmenes de IA como en los resultados tradicionales, las fuentes más citadas no son sitios corporativos, sino Wikipedia, Reddit y YouTube. La conversación sobre cualquier categoría ocurre en lugares que la marca no controla, y ser mencionado en ellos pesa más que cualquier optimización dentro del dominio propio.

Lo que esto le exige a una empresa

La consecuencia práctica es que el contenido dejó de ser una tarea de comunicación y volvió a ser una demostración de conocimiento. No porque haya llegado un imperativo moral, sino porque los sistemas que hoy median entre una empresa y sus clientes están entrenados para reconocer sustancia y descartar relleno.

Eso devuelve al centro tres formatos que la fiebre de las redes había arrinconado. Un blog con criterio propio, que responda preguntas reales de una industria en lugar de perseguir volúmenes de búsqueda. Papers que desarrollen un marco de trabajo con la profundidad que un artículo no permite. Reports con datos propios, que es la única categoría de contenido que nadie más puede publicar en lugar de la empresa. Los tres comparten una característica que las publicaciones en redes no tienen: viven en un dominio propio, se pueden fechar, atribuir y citar, y no dependen de que una plataforma decida mostrarlos.

Nada de esto significa abandonar las redes sociales. Significa dejar de confundirlas con el activo. Las plataformas son distribución; el archivo propio es patrimonio. Y como toda distribución, exige decisiones en lugar de presencia indiscriminada.

Un roadmap de publicación razonable se responde con tres preguntas, en este orden. La primera es dónde está realmente la audiencia que decide, que casi nunca es donde está la audiencia más grande. La segunda es qué formato soporta el argumento: hay ideas que solo funcionan escritas, otras que necesitan imagen y otras que exigen una conversación. La tercera, la que más se salta, es qué frecuencia puede sostenerse durante un año sin degradar la calidad; publicar dos veces por semana de forma constante construye más autoridad que publicar a diario durante tres meses y desaparecer.

Sobre el estilo, la regla es de coherencia y no de adaptación camaleónica. La voz debe ser la misma en todos los canales; lo que cambia es el formato y la extensión, no el criterio ni el nivel de exigencia. Una marca que en su blog escribe con rigor y en redes publica frases motivacionales genéricas no está adaptándose al canal: está contradiciéndose en público, y tanto el lector humano como el sistema que la indexa registran esa distancia.

Lo que no cambió

Cada transición tecnológica de los últimos veinticinco años prometió un juego nuevo y terminó exigiendo lo mismo: material que resuelva algo, firmado por alguien que responde por él. Cambió el árbitro y cambió el castigo, no el requisito.

La diferencia es que hoy el margen de simulación se cerró. El blog de palabras clave engañó a un algoritmo primitivo durante unos años; el contenido vacío en redes sobrevivió mientras el alcance orgánico fue gratis. Un sistema entrenado para sintetizar respuestas no tiene ninguna razón para citar a quien no aporta nada, porque su costo de ignorarte es cero y sus alternativas son infinitas.

De modo que la pregunta pertinente no es cómo optimizar para la inteligencia artificial. Es más antigua y más incómoda: si alguien buscara respuestas serias sobre un sector, ¿habría alguna razón para que la búsqueda terminara en esta empresa?

Quien puede contestar esa pregunta con evidencia publicada no necesita perseguir a ningún algoritmo. Los algoritmos llevan veinticinco años buscando exactamente eso.