Investigación
El AEO se consolida como el nuevo SEO: qué citan realmente los modelos frontera
Cuando millones de personas preguntan a un asistente de IA en lugar de buscar en Google, la pregunta deja de ser en qué puesto apareces y pasa a ser si el modelo te menciona. El AEO (Answer Engine Optimization, optimización para motores de respuesta) ha pasado de curiosidad de marketing a preocupación estratégica para cualquier empresa con presencia digital. Un nuevo esfuerzo de seguimiento sistemático intenta medir qué fuentes eligen los modelos frontera cuando responden.
Recibe el resumen diario de IA
Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.
Al suscribirte aceptas recibir el newsletter de AI Informator. Puedes darte de baja cuando quieras.
En resumen
- El AEO (optimización para motores de respuesta) sustituye al SEO (Search Engine Optimization, optimización para motores de búsqueda) como campo de batalla de la visibilidad digital.
- Los modelos frontera con búsqueda integrada seleccionan un puñado de fuentes por consulta, no diez enlaces azules, lo que concentra drásticamente la atención.
- Los rastreadores de las empresas de IA se identifican con agentes de usuario propios, lo que permite a los editores decidir explícitamente si aceptan ser indexados y citados.
- La medición del AEO es inestable por diseño: las respuestas varían entre ejecuciones, entre modelos y con cada actualización del sistema de recuperación.
La respuesta única sustituye a la lista de enlaces
Durante dos décadas, la visibilidad en internet se jugaba en una página de resultados con decenas de posiciones. Los asistentes conversacionales rompen ese modelo: sintetizan una respuesta y citan un número reducido de fuentes, a menudo entre tres y ocho. La consecuencia es aritmética y brutal: donde antes había espacio para varios competidores, ahora hay espacio para muy pocos.
Esa concentración explica el interés repentino por el AEO. No se trata de posicionar una página, sino de convertirse en la fuente que el modelo considera suficientemente fiable, actualizada y clara como para citarla. Los criterios exactos no están documentados por ninguna de las empresas, lo que ha abierto un espacio de experimentación empírica.
La recuperación de información decide más que el propio modelo
Cuando un asistente responde con citas, casi siempre está aplicando RAG (Retrieval-Augmented Generation, generación aumentada por recuperación): busca documentos, los inyecta en el contexto y redacta a partir de ellos. Esto significa que el factor determinante no es tanto el LLM (modelo de lenguaje grande) como el sistema de búsqueda que lo alimenta y los criterios con los que ordena y filtra candidatos.
De ahí se derivan recomendaciones prácticas más prosaicas de lo esperable: contenido estructurado con encabezados claros, afirmaciones verificables y fechadas, datos concretos en texto plano y no atrapados en imágenes, y páginas accesibles sin muros que bloqueen a los rastreadores. Los modelos favorecen material que puedan trocear y citar sin ambigüedad.
Medir el AEO es más difícil que hacerlo
El principal obstáculo metodológico es la falta de determinismo. Una misma consulta puede devolver fuentes distintas en dos ejecuciones consecutivas, y los proveedores actualizan sus índices y sus modelos sin previo aviso. Cualquier medición seria exige repetir consultas muchas veces, agregar resultados y comparar entre proveedores en la misma ventana temporal.
A esto se suma la fragmentación: cada modelo frontera tiene su propia infraestructura de búsqueda y sus propios sesgos de selección. Optimizar para uno no garantiza resultados en otro, y las herramientas comerciales que prometen cuadros de mando de visibilidad en IA operan sobre muestreos que no siempre documentan.
Los editores recuperan cierto control mediante los rastreadores
Las principales empresas de IA documentan públicamente los agentes de usuario de sus rastreadores y permiten gestionarlos desde el fichero robots.txt, distinguiendo entre el rastreo para entrenamiento y el acceso en tiempo real para responder consultas del usuario. Esa distinción es clave: bloquear el entrenamiento no tiene por qué implicar renunciar a aparecer citado.
Para muchos medios y empresas, la decisión ya no es técnica sino económica. Ceder contenido a cambio de una cita sin clic no equivale al tráfico que generaba la búsqueda tradicional, y ese desequilibrio está detrás tanto de los acuerdos de licencia firmados en el último año como de los bloqueos selectivos.
Conclusión
El AEO no es todavía una disciplina con reglas estables, y conviene desconfiar de quien las venda como tales. Lo que sí parece asentado es el cambio estructural: la intermediación entre contenido y lector pasa de un buscador que reparte clics a un modelo que sintetiza y cita a unos pocos. Quien publique en abierto tendrá que decidir si acepta ese trato y, si lo acepta, escribir de forma que una máquina pueda entenderlo, verificarlo y atribuirlo sin esfuerzo. La alternativa es la invisibilidad silenciosa: no caer al puesto cincuenta, sino sencillamente no existir en la respuesta.
Fuentes primarias
Recibe el resumen diario de IA
Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.
Al suscribirte aceptas recibir el newsletter de AI Informator. Puedes darte de baja cuando quieras.
Comentarios