Cuando empecé a revisar los artículos de algunos clientes que no aparecen ni en AI Overviews ni en las respuestas de ChatGPT, encontré un patrón bastante claro: el texto estaba bien escrito para Google, pero estructurado de una forma que los modelos de lenguaje no aprovechan bien. La IA tiene una lógica de extracción de información muy distinta a la de un buscador tradicional, y entenderla cambia cómo escribes desde el primer párrafo.
Lo que cuento aquí viene de combinar lo que se sabe públicamente sobre cómo funcionan estos modelos con lo que aplico en la práctica cuando optimizo contenido orientado a visibilidad en IA. Experiencia real con clientes reales, aplicada a un campo donde todavía hay más teoría que evidencia sólida.
Por qué los LLMs leen distinto a Google
Un buscador como Google rastrea, indexa y posiciona. Un modelo de lenguaje como ChatGPT tiene el contenido incorporado en su entrenamiento o lo recupera en tiempo real a través de herramientas de búsqueda, y cuando genera una respuesta, extrae fragmentos que encajan con la pregunta del usuario. El criterio de selección no es el PageRank, sino la pertinencia semántica y la claridad de la información en el fragmento concreto.
Esto tiene una consecuencia práctica muy concreta: el inicio del artículo pesa más de lo que pesa en SEO clásico. Los modelos están entrenados principalmente con texto periodístico y académico, que sigue la estructura de pirámide invertida (lo más importante primero), así que cuando procesan un artículo, el primer tercio del texto tiene más probabilidades de acabar citado que el resto. Cuando reviso artículos que no aparecen en respuestas de IA, casi siempre tienen las conclusiones enterradas al final y la introducción llena de contexto genérico que no dice nada en concreto.
El patrón opuesto también existe y es igual de problemático: artículos con una intro contundente pero un cuerpo tan vago que el modelo no encuentra nada útil que citar en profundidad. La IA no lee solo el primer párrafo; lo que hace es priorizar el inicio para decidir la relevancia del documento y luego extraer del cuerpo los fragmentos con más densidad de información. Por eso la estrategia tiene que ser coherente de arriba abajo.
Lenguaje declarativo, entidades y preguntas en los H2
Hay tres ajustes concretos que aplico de forma sistemática cuando optimizo contenido para visibilidad en IA.
El más importante es el lenguaje declarativo. Las frases que definen, las que afirman sin rodeos y las que usan fórmulas del tipo "X es…" o "X se refiere a…" funcionan mejor que las frases vagas o condicionales. La IA busca fragmentos que respondan directamente a una pregunta; si tu texto da vueltas antes de llegar al dato, el modelo elige el fragmento de otro artículo que va al grano. Esto no significa escribir de forma robótica, sino empezar las respuestas pronto y dejar los matices para después.
Otro ajuste clave es la densidad de entidades nombradas: marcas, herramientas, personas, lugares, conceptos con nombre propio. El texto genérico habla de "herramientas de análisis web" donde el texto que la IA prefiere cita directamente "Google Search Console" o "Screaming Frog". Las entidades concretas reducen la ambigüedad del fragmento y lo hacen más útil para el modelo a la hora de construir su respuesta.
Por último, y quizá lo más accionable, está el formato pregunta-respuesta en los encabezados H2. Cuando el H2 formula una pregunta y el párrafo inmediato la responde de forma directa, el modelo interpreta esa estructura como un par pregunta-respuesta natural, que es exactamente lo que necesita para contestar al usuario. He visto artículos mejorar su presencia en respuestas de IA simplemente cambiando H2 declarativos por H2 en forma de pregunta, sin tocar una sola palabra del cuerpo.
 (1).jpg)
La voz de analista que los modelos prefieren citar
Hay un matiz importante que los artículos puramente técnicos sobre este tema suelen ignorar: los modelos de lenguaje citan también texto con voz de analista, es decir, texto que presenta un dato y añade una interpretación profesional sobre lo que ese dato implica. Un artículo que dice "Google actualizó su algoritmo en marzo" es menos citable que uno que dice "Google actualizó su algoritmo en marzo, lo que empujó a los sitios con poco contenido propio hacia posiciones más bajas; la diferencia fue visible en sectores como el de servicios locales". El segundo fragmento tiene contexto, consecuencia y especificidad: las tres cosas que hacen que un modelo prefiera citarlo.
Esto conecta directamente con el E-E-A-T. Puedes leer más sobre cómo construir autoridad digital para que las IA recomienden tu marca, porque la visibilidad en respuestas de modelos depende tanto de la estructura del contenido como de que el modelo haya encontrado menciones de tu dominio en fuentes que considera fiables.
Qué cambiar en tu contenido existente
Si tienes artículos publicados que no aparecen en respuestas de ChatGPT o Perplexity, el proceso que sigo con mis clientes es bastante directo: primero leo el primer párrafo y compruebo si responde a la intención de búsqueda principal en menos de tres frases; si no lo hace, ese es el primer lugar donde tocar. Luego reviso los H2 para ver si alguno puede reformularse como pregunta directa, y compruebo si el texto usa nombres propios y herramientas concretas o habla en genérico.
El último punto que reviso es si el artículo tiene voz propia o se lee como un resumen de otro texto. Esta es la diferencia más difícil de definir, pero también la más importante: un modelo de lenguaje entrenado con millones de textos de internet detecta muy bien cuándo un fragmento aporta un punto de vista real y cuándo repite lo que ya existe en todas partes. Y cuando tiene que elegir qué citar, tiende a quedarse con lo primero.
Si quieres ver cómo se aplica esto en la práctica con textos reales, en mi artículo sobre cómo adaptar tus textos SEO para aparecer en AI Overviews y ChatGPT entro en los detalles de formato y estructura con ejemplos concretos.
¿Necesitas mejorar el posicionamiento de tu web?
Si quieres aplicar estas estrategias y obtener resultados reales, puedo ayudarte. Llevo años trabajando el SEO de empresas y proyectos digitales con un enfoque técnico y orientado a resultados.
Solicitar consulta SEOPreguntas frecuentes
¿Qué es el patrón de rampa de esquí en SEO para IA?
Es la tendencia de los modelos de IA a citar información que aparece al principio del contenido. El 44% de las citas se extraen del primer 30% del texto analizado.
¿Cómo influyen los encabezados H2 en las menciones de ChatGPT?
Los encabezados que plantean preguntas directas actúan como disparadores para la IA. Casi el 80% de las citas con estructura de pregunta provienen de estos subtítulos.
¿Qué densidad de entidades es ideal para ser citado?
El contenido con alta probabilidad de cita presenta una densidad de entidades del 20,6%. Incluir nombres específicos, marcas y datos concretos reduce la perplejidad del modelo.