Alto ahí: la IA de Google sigue pasando por el SEO

Los resultados de IA de Google se construyen sobre la infraestructura del SEO. Lo dijo Gary Illyes, analista de Google Search, el 2 de octubre de 2026 en Barcelona, según la crónica de John Campbell, asistente y ponente del evento. Para un director de marketing, esa frase ordena el presupuesto: primero, que Google pueda leer las páginas que venden; después, contenido que solo la empresa puede escribir; al final, medición con sus límites escritos.

Imaginemos la reunión de presupuesto. Una agencia propone multiplicar por diez la producción de contenidos con IA. Otra ofrece un paquete para «aparecer en las respuestas de los asistentes». El equipo técnico pide recursos para corregir páginas que Google no logra procesar. La pregunta útil no es «¿cuántos artículos podemos producir con IA?», sino «¿qué información tenemos que ayude a un cliente a elegirnos?».

¿Qué fue Search Central Live Deep Dive Europe y quién dijo qué?

Search Central Live Deep Dive Europe fue un encuentro técnico de tres días del equipo de Google Search Relations, celebrado en Barcelona del 30 de septiembre al 2 de octubre de 2026. Google lo anunció en julio con sesiones sobre rastreo, indexación, posicionamiento y funciones de IA.

Las intervenciones que cito vienen de las crónicas diarias de John Campbell, director de Innovación de la agencia británica ROAST: día 1, día 2 y día 3. Son el relato de un asistente, no una transcripción oficial de Google. Gary Illyes es analista del equipo de Google Search.

¿La IA de Google reemplaza al SEO?

No. La IA de Google se apoya en el SEO. Gary Illyes y Cherry Prommawin explicaron que Google Search, AI Overviews y AI Mode usan el mismo rastreador principal, Googlebot, según la crónica del día 1. La guía oficial de Google lo confirma por escrito: para ser elegible en sus funciones de IA generativa, una página debe estar indexada y poder mostrarse en Search con un fragmento de texto.

Elegible no significa garantizada. La misma guía aclara que cumplir todos los requisitos no asegura que Google rastree, indexe o muestre el contenido.

Pensemos en una universidad que quiere aparecer cuando alguien pregunta por una especialización virtual compatible con un empleo de tiempo completo. La página del programa podría tener un diseño excelente y dejar los horarios, la modalidad y los requisitos detrás de funciones que el buscador no procesa. Comprar más artículos no resolvería ese problema. Mi primera recomendación sería comprobar que esa información está en la página que Google interpreta y que la URL correcta está indexada.

¿Google ve las mismas razones para comprar que ve mi cliente?

No siempre, y hay que comprobarlo. Erin Sparling explicó que el renderizado de Google no hace clic ni se desplaza por la página como una persona: el contenido que solo carga con esas interacciones puede quedar sin procesar, según la crónica del día 2.

Eso no convierte a todo JavaScript en un problema. Significa que conviene verificar el resultado en lugar de darlo por bueno porque la página se ve bien en nuestro navegador.

• Pregunta del director de marketing al equipo: «¿Google está viendo las mismas razones para comprar o inscribirse que ve nuestro cliente?».
• Tarea del responsable de SEO: entregar evidencia de rastreo, renderizado e indexación de las páginas comerciales prioritarias.

¿Conviene planear contenido por palabras clave o por decisiones de compra?

Por decisiones de compra, sin abandonar las palabras clave. Illyes presentó cifras según las cuales las consultas de AI Mode son aproximadamente tres veces más largas que las búsquedas tradicionales y una de cada seis es multimodal, con voz o imágenes. Son datos de Google recogidos en la crónica del día 1, no una investigación independiente.

Mi interpretación es que una consulta más larga describe una situación, no un término. La diferencia se ve con un ejemplo:

• Palabra clave general: «coche para bebé». Orienta una categoría, pero no describe las restricciones de una familia.
• Necesidad concreta: «Busco un coche para dos niños que quepa en un ascensor pequeño y pueda plegar una sola persona». Aquí aparecen dimensiones, facilidad de uso y contexto cotidiano.

Ese ejemplo salió del evento. Juan Seguí presentó el caso de un coche doble para bebé: decir que era «compacto» no resolvía si cabía en un ascensor junto con el adulto. Según su presentación, las preguntas frecuentes detalladas se asociaron con un aumento del 14 % en clics orgánicos y con menos consultas de preventa (crónica del día 3).

La decisión que propondría es sencilla. Antes de ampliar el calendario editorial, pediría a ventas y a servicio al cliente las preguntas que más bloquean una compra. Después las convertiría en información verificable dentro de las páginas donde ocurre la decisión: medidas, peso, condiciones, una demostración.

¿Qué hace que un contenido sea propio y no reciclado?

Que contenga algo que la empresa tuvo que observar, medir y verificar. Duy Nguyen explicó que el contenido de baja calidad puede venir tanto de humanos como de IA, y destacó cuatro criterios de las directrices de calidad: esfuerzo, originalidad, talento o habilidad y exactitud (crónica del día 3). La guía oficial pide perspectivas expertas o de experiencia propia que vayan más allá del conocimiento común.

Imaginemos una empresa que vende software de gestión. Podría publicar «Diez beneficios de digitalizar tu negocio», un tema válido que no demuestra experiencia propia. La alternativa sería documentar una implementación real, con autorización del cliente: qué proceso se quería mejorar, cuánto tardó la puesta en marcha, qué obstáculos aparecieron y qué cambió después. Si el proyecto no dio los resultados esperados, contar sus límites también aporta.

¿Se puede publicar contenido hecho con IA sin revisarlo?

No. Coincidiendo con el evento, Google actualizó su documentación sobre contenido generativo: considera crítico verificar manualmente la exactitud y la fiabilidad de todo contenido generado con IA antes de publicarlo. La revisión incluye títulos, metadescripciones, datos estructurados y textos alternativos de imágenes, según el resumen de Search Engine Journal del 1 de octubre de 2026.

Esa actualización no anuncia una penalización nueva por usar IA. La política que ya existía sanciona generar muchas páginas sin valor para el usuario, con o sin IA.

Pensemos en una institución educativa que usa IA para actualizar las páginas de sus programas. El texto podría quedar bien escrito e incluir una duración desactualizada, una modalidad incorrecta o una promesa de empleabilidad que nadie aprobó. Propondría un proceso con responsables visibles:

1. Insumos aprobados: el equipo entrega la información vigente y marca qué afirmaciones necesitan respaldo.
2. Borrador asistido: la IA ayuda a organizar y redactar, sin convertirse en la autoridad sobre los datos.
3. Revisión experta: una persona competente verifica requisitos, cifras, condiciones y promesas.
4. Validación de publicación: contenido y SEO revisan metadatos, enlaces y marcado estructurado.
5. Mantenimiento: cada página tiene un responsable y una fecha para comprobar su vigencia.

A la dirección le recomendaría medir el ahorro de tiempo junto con los errores detectados y el retrabajo. «Publicamos más rápido» no alcanza si el equipo comercial tiene que corregir después lo que promete la web.

¿Los datos estructurados o llms.txt compran visibilidad en IA?

No. Los datos estructurados aclaran información; no compran apariciones. Ryan Levering explicó que Google limpia y filtra los datos de Schema.org y puede usarlos como contexto para AI Overviews y AI Mode (crónica del día 2). La guía oficial añade que los datos estructurados no son obligatorios para la búsqueda con IA generativa y que no existe un marcado especial de Schema.org para ella.

Imaginemos una tienda donde el precio visible de un producto no coincide con el precio de sus datos estructurados. Antes de preguntar qué schema nuevo instalar, resolvería cuál es el dato correcto y cómo mantenerlo consistente. El entregable de una agencia debería decir qué se implementó, por qué y cómo se comprobó, no garantizar una cita en una IA.

Con llms.txt pasa algo parecido. La guía de Google dice que esos archivos no ayudan ni perjudican la visibilidad en Google Search, porque Google Search los ignora. No lo pondría por delante de corregir páginas inaccesibles, información contradictoria o fichas incompletas. Esa afirmación cubre a Google; otros sistemas pueden comportarse distinto.

¿Cómo se mide la visibilidad en IA sin confundirla con crecimiento?

Con tres niveles separados: disponibilidad, visibilidad y resultado. Ariel Kroszynski comentó que Search Console trabaja en añadir más datos de búsqueda con IA, sin fechas ni detalles (crónica del día 3). Entre los ponentes invitados, Eduard Blacquière propuso cinco etapas para entender la visibilidad: conocimiento de marca, asociación temática, búsqueda, recuperación y selección en la respuesta (crónica del día 1).

Si una empresa aumenta sus menciones en un conjunto de pruebas, preguntaría en qué consultas, para qué compradores y con qué información. No presentaría ese aumento como crecimiento comercial sin ver resultados adicionales. Tampoco atribuiría una subida de ventas a la IA: combinaría analítica, referencias identificables, datos del CRM y preguntas a clientes, dejando escrito qué se puede comprobar y qué sigue siendo hipótesis.

Las respuestas de IA cambian entre repeticiones, así que una captura de pantalla no mide nada. En el Radar GEO, mi piloto sobre universidades de Bogotá, cada pregunta se repite tres veces por modelo y las listas de instituciones varían de una repetición a otra.

¿Qué llevar a la próxima reunión de marketing?

Un piloto acotado, no una elección entre «seguir haciendo SEO» e «invertir en IA». Elegiría páginas importantes para el negocio y una línea de base que permita aprender.

• Marketing: elegir una categoría, programa o servicio prioritario y definir la decisión que necesita facilitar.
• Ventas y atención al cliente: reunir las objeciones, preguntas y condiciones que aparecen antes de la compra.
• SEO y tecnología: verificar que las páginas seleccionadas son accesibles, interpretables e indexables, y resolver los bloqueos.
• Contenido y especialistas: aportar evidencia propia, completar respuestas y revisar todo material generado con IA.
• Analítica: documentar los cambios y evaluar resultados comerciales junto con las señales de visibilidad.

Para aprobar presupuesto pediría que cada iniciativa explique el problema que resuelve, quién responde por ella y qué evidencia permitirá evaluarla. No comprometería una fecha garantizada para obtener citas o mejoras de posicionamiento.

La conversación con el equipo podría empezar así: «Si nuestro mejor vendedor tuviera que responder desde esta página, ¿encontraría información suficiente para ayudar al cliente a decidir?». Después vendría la segunda comprobación: «¿Estamos haciendo posible que los buscadores accedan a esa misma información?».

Varias de estas preguntas tienen respuesta corta en las diez decisiones difíciles del inicio, entre ellas si conviene quitarle presupuesto al SEO para invertir en GEO.