Hay una categoría de herramientas que está creciendo rápido en los últimos meses: los llamados skills o agentes de IA especializados en SEO. Prometen que con conectarlos a Claude, ChatGPT o cualquier LLM, tu web va a estar mejor optimizada casi sola. He probado varios y la conclusión honesta es que la mayoría son útiles para alguien que ya sabe lo que hace, y bastante peligrosos para quien no.
La automatización en sí no es el problema; lo son las decisiones técnicas que estos skills toman sin contexto, porque el SEO técnico sin contexto produce errores que cuestan semanas de trabajo corregir.
Lo que he visto hacer a estos skills cuando nadie los supervisa
El ejemplo más claro que he encontrado es el del Schema Markup. Muchos de estos prompts aplican marcado estructurado de forma indiscriminada: ponen FAQPage en la homepage, BreadcrumbList en páginas que ya tienen navegación de migas explícita en el HTML, y LocalBusiness aunque el negocio ya tenga toda esa información sincronizada desde Google Business Profile. El resultado es código adicional que no genera ningún rich result, porque Google dejó de mostrar fragmentos enriquecidos para FAQ en páginas principales hace tiempo; lo puedes comprobar tú mismo en la guía de implementación y validación de datos estructurados, donde explico qué tipos de Schema siguen teniendo efecto real y en qué condiciones.
Otro caso con el que me encuentro con frecuencia es el del archivo llms.txt. He visto skills que lo crean y lo posicionan como "el robots.txt para la IA", explicando que sirve para indicar a los modelos de lenguaje qué contenido pueden o no pueden usar. Eso es una simplificación que confunde a sus usuarios, porque el estándar llms.txt —todavía sin adopción generalizada— está pensado para que los agentes de IA puedan entender la documentación técnica de un proyecto de forma estructurada, no para gestionar derechos de contenido ni para influir en las citas de ChatGPT. Quien lo configura creyendo que está "protegiendo" su contenido o "apareciendo más en la IA" está perdiendo tiempo en algo que no tiene ese efecto.
¿Y por qué los skills cometen estos errores de forma sistemática? Porque trabajan con el conocimiento que tenían los modelos en la fecha de su entrenamiento y aplican esa lógica a cada web que tocan sin manera de saber si Google cambió las reglas tres meses después. El SEO técnico evoluciona con suficiente frecuencia como para que un prompt estático sea, en el mejor caso, neutral y, en el peor, contraproducente.
 (1).jpg)
Cuándo la IA sí gana tiempo de verdad en SEO técnico
Dicho esto, hay tareas donde delegar en IA tiene sentido porque el margen de error es bajo y el volumen justifica la automatización. El análisis de logs de rastreo es una de ellas: pedirle a un modelo que identifique patrones de URLs que Googlebot visita con alta frecuencia pero que no tienen tráfico orgánico, o que agrupe errores 404 por sección de la web, es una tarea donde la IA acelera horas de trabajo sin riesgo de romper nada en producción. Lo explico con el flujo exacto en el artículo sobre auditorías técnicas SEO analizando rastreos con inteligencia artificial.
La revisión de metadatos a escala también funciona bien: si tienes un ecommerce con tres mil productos y quieres detectar cuáles tienen title duplicado o meta description vacío, un script con IA es infinitamente más rápido que hacerlo a mano. El punto clave es que el output es verificable antes de publicar, así que si el modelo se equivoca, lo ves a tiempo.
La situación cambia cuando las tareas van directamente a producción sin revisión, que es exactamente lo que prometen los skills más agresivos en marketing. Un skill que "optimiza tus textos SEO automáticamente" no sabe si tu cliente es médico, si tienes restricciones legales de comunicación, si los errores de accesibilidad web están frenando tu SEO técnico o si hay una directriz de marca que hace que ciertas frases no deban aparecer en tu web. Eso no lo puede saber porque no tiene ese contexto, y el skill tampoco te lo pregunta.
La comparación que me parece más útil: es como contratar a alguien muy rápido y muy trabajador que no conoce tu negocio. Si le das tareas acotadas con instrucciones claras, produce mucho en poco tiempo. Si le dices "optimiza todo" y te vas, puede hacer más daño que bien. La IA no es distinta en ese sentido; lo que cambia es que produce a una velocidad a la que el daño se escala igual de rápido que el beneficio.
Mi criterio, después de probarlo en proyectos propios y de clientes: úsala para las tareas donde puedes revisar el resultado antes de que afecte a nada, y mantén el criterio técnico tuyo para las decisiones que van a producción directamente. Los skills son una herramienta, no un sustituto del juicio técnico.