Lo que sabemos y lo que piensan los expertos

El modo AI es la experiencia de búsqueda de IA más poderosa de Google, proporcionando respuestas a preguntas complejas de una manera que anticipe las necesidades de información del usuario. Aunque Google dice que no se necesita hacer nada especial para clasificarse en modo AI, la realidad es que SEO solo hace que las páginas sean elegibles para aparecer.

Los siguientes hechos, ideas y ejemplos desmitifican el modo AI y ofrecen una perspectiva clara sobre cómo se clasifican las páginas y por qué.

¿Qué es el modo AI?

El modo de IA de Google se introdujo el 5 de marzo de 2025, como un experimento en Google Labs, luego se implementó rápidamente como una superficie de búsqueda de Google en vivo el 20 de mayo. El modo AI se describe como su experiencia de búsqueda más de vanguardia, combinando un razonamiento avanzado con multimodalidad. La multimodalidad significa contenido más allá de los datos de texto, como imágenes y contenido de video.

El modo AI es una evolución significativa de la búsqueda de Google que alienta a los usuarios a investigar temas. Esto presenta beneficios y cambios en cómo funciona la búsqueda:

• El beneficio es que Google está citando una mayor variedad de sitios web por consulta.
• El cambio es que los sitios web se están citando para múltiples consultas, comenzando con la consulta inicial más consultas de seguimiento.

Esos dos factores presentan desafíos para SEO. Por ejemplo, ¿optimiza para la consulta inicial o qué se puede considerar una consulta de seguimiento más granular? La mayoría de los SEO pueden considerar la optimización de ambos.

Fan-fuera de la consulta

Similar a las descripción general de la IA, el modo AI utiliza lo que llaman una técnica de ventilador de consulta, que divide la consulta de búsqueda inicial en subtemas que anticipan más información que el usuario puede necesitar.

El fanático de la consulta anticipa el viaje de información del usuario. Entonces, si hacen la pregunta A, el modo AI de Google mostrará respuestas a las preguntas de seguimiento sobre B, C y D.

Por ejemplo, si pregunta: «¿Qué es un teclado mecánico?» Google responde a las siguientes preguntas:

1. ¿Qué es un teclado mecánico?
2. ¿Qué son los interruptores mecánicos?
3. ¿Qué sucede cuando se presiona una tecla en un teclado mecánico?
4. ¿De qué son los keycaps y de qué materiales están hechos?
5. ¿Cuál es el papel de la placa de circuito impreso (PCB)?
6. ¿Cómo se clasifican los interruptores mecánicos?

La siguiente captura de pantalla del resultado de búsqueda del modo AI muestra las preguntas (en rojo) ubicadas junto a las respuestas, ilustrando cómo el abanico de consulta genera preguntas relacionadas y crea respuestas para ellas.

Cómo extraí las preguntas latentes de los resultados de búsqueda del modo AI

La forma en que extraí las preguntas que responde a la consulta fue haciendo una búsqueda de conocimiento inversa, también conocida como QA inverso.

Copié la salida del modo AI en un documento, luego la subí a chatgpt con el siguiente mensaje:

Read the document and extract a list of questions that are directly and completely answered by full sentences in the text. Only include questions if the document contains a full sentence that clearly answers it. Do not include any questions that are answered only partially, implicitly, or by inference.

Pruebe eso con el modo AI para comprender mejor las preguntas subyacentes que genera con Fan-Out de consulta. Esto ayudará a aclarar lo que está sucediendo y lo hará menos misterioso.

Contenido con profundidad

El consejo de Google para los editores que desean clasificarse en modo AI es alentarlos a crear contenido que involucre a los usuarios que realizan consultas en profundidad:

«… los usuarios hacen preguntas más largas y más específicas, así como preguntas de seguimiento para profundizar aún más».

Eso puede no significar crear artículos gigantes con profundidad. Simplemente significa centrarse en el contenido que los usuarios están buscando. Ese enfoque del contenido es sutilmente diferente de perseguir el inventario de palabras clave.

Google recomienda:

• Concéntrese en contenido único y valioso para las personas.
• Proporcione una gran experiencia de página.
• Asegúrese de que podamos acceder a su contenido.
• Administre la visibilidad con los controles de vista previa. (Haga uso de NOSNIPPET, DATA-NOSNIPPET, MAX-SNIPPET o NOINDEX para establecer sus preferencias de visualización).
• Asegúrese de que los datos estructurados coincidan con el contenido visible.
• Vaya más allá del texto para el éxito multimodal.
• Comprenda el valor total de sus visitas.
• Evolucionar con sus usuarios.

Las últimas dos recomendaciones requieren una aclaración adicional:

Comprender el valor total de sus visitas

Este es un estímulo para centrarse en entregar las necesidades de información del usuario y tener en cuenta que centrarse demasiado en el «clic» es a expensas de proporcionar lo que busca una audiencia «comprometida».

Evolucionar con sus usuarios

Google enmarca esto como evolucionando junto con la forma en que los usuarios están buscando. Una visión más pragmática es evolucionar con la forma en que Google muestra resultados a los usuarios.

Lo que dicen los expertos sobre la estructura de contenido para el modo AI

Duane Forrester, anteriormente de Bing Search, aconseja que el contenido debe estructurarse de manera diferente para la búsqueda de IA.

Él aconseja:

«… la tubería de búsqueda ha cambiado. No necesita clasificarse, debe recuperarse, fusionarse y razonarse por Genai Systems».

En su artículo titulado «Buscar sin una página web», se expande la idea de que el contenido debe ser útil para formar la base de una respuesta:

«… su contenido no tiene que clasificarse. Tiene que recuperarse, entendido y reunido en una respuesta».

También dice que el contenido debe ser:

«… estructurado, interpretable y disponible cuando es hora de responder.

Esta es la nueva pila de búsqueda. No se basa en enlaces, páginas o clasificaciones, sino en vectores, incrustaciones, fusión de clasificación y LLM que razonan en lugar de rango ”.

Cuando Duane dice que el contenido debe ser estructurado, se refiere a la estructura en la página que comunica no solo la jerarquía de información, sino que también ofrece una delineación limpia de lo que se trata cada sección de contenido.

En mi opinión:

• Los párrafos deben consistir en oraciones que se acumulan a una idea, con una recompensa clara al final.
• Si una oración no tiene un propósito dentro del párrafo, probablemente sea mejor eliminarla.
• Si un párrafo no tiene un propósito claro, deshazte de él.
• Si un grupo de párrafos está fuera de lugar cerca del final del documento, muévalo más cerca del principio si ahí es donde pertenece.
• Todo el documento debe tener un claro comienzo, medio y final, con cada sección como «la base de una respuesta».

Itai Sadan, CEO de Duda, recomienda:

“Use un lenguaje claro y específico: LLMS confía en la claridad en primer lugar, por lo que evite usar demasiados pronombres o cualquier otra referencia vaga y indefinida.

Organice su contenido previsiblemente: divida su contenido en secciones y use encabezados, como H2 y H3, para organizar las ideas únicas centrales para la tesis de su artículo «.

Mordy Oberstein, fundador de Unify Marketing, explica que el enfoque en la atribución tenía prioridad para el vendedor digital promedio:

«Lo que resuena con la persona no ha cambiado fundamentalmente, y no creo que nos hayamos dado cuenta. Creo que lo hemos olvidado. Creo que hemos olvidado por completo qué resonancia es como vendedores digitales debido al advenimiento de dos cosas con Internet:

1. Atribución
2. La capacidad de rastrear las respuestas

Las empresas aparentemente estaban de acuerdo con los vendedores digitales que hicieron lo que sea necesario para obtener ese tráfico, para obtener esa conversión, porque eso es solo Internet, por lo que todos acompañan.

Ahora, con el modo AI, la atribución ya no existe de la misma manera «.

Mordy tiene razón sobre la atribución. El modo AI no se puede rastrear en Google Analytics 4 o la consola de búsqueda de Google. Se agrupan en el cubo de búsqueda web, por lo que no hay forma de saber de dónde viene. No se puede distinguir de la búsqueda orgánica regular en GA4 o GSC.

La pregunta de atribución es un gran problema para los especialistas en marketing digital. Michael Bonfils de Digital International Group discutió recientemente el tema de la atribución desde la perspectiva de las búsquedas de clic cero.

Dice Bonfils:

«Pero el lado orgánico, hay un área … que es cero clic. Por lo tanto, cero clics es para aquellos miembros de la audiencia que no saben lo que eso significa, cero clics significa cuándo tiene una conversación con IA, por ejemplo, estoy tratando de comparar dos zapatillas de correr diferentes y estoy teniendo esto, ‘¿Qué será mejor para mí?’

Estoy teniendo una conversación con AI y AI está agrupando y haciendo referencia … Cualquiera de los formatos de esquema ganador y contenido que esté disponible … pero es cero clic. No va a su sitio. No va allí. Entonces, sin estos datos que realmente afectan … la estrategia de contenido orgánico «.

Y eso encaja con lo que Mordy está recibiendo, que los SEO están condicionados a ver el marketing en Internet a través de la lente de «atribución», pero que podemos estar entrando en una especie de período posterior a la atribución, que es lo que en gran medida fue antes de Internet. Entonces, las antiguas estrategias de marketing están de vuelta, pero siempre fueron buenas estrategias (crear conciencia y popularidad); Es solo que los especialistas en marketing digital tendieron a involucrarse más con la atribución.

Mordy comparte el ejemplo de alguien que investiga una marca de zapatillas de deporte, que le pregunta a un chatbot al respecto, luego va a Amazon para ver cómo se ve y lo que la gente dice al respecto, luego mira reseñas de video en YouTube y luego va al modo AI para revisar las especificaciones. Después de toda esa investigación, el consumidor podría regresar a Amazon y luego dirigirse a Google Shopping para comparar los precios.

Concluye con la idea de que resonar con los usuarios siempre ha sido importante, y que muy poco ha cambiado en términos de investigación de los consumidores antes de realizar una compra:

«Todo eso estaba sucediendo antes. Pero ahora la percepción es que está sucediendo debido a los LLM. No creo que las cosas hayan cambiado fundamentalmente».

Creo que la idea clave aquí es que la investigación todavía está ocurriendo exactamente como antes, pero lo que ha cambiado es que las oportunidades para exponer su negocio o productos se han expandido a superficies de búsqueda multimodales, especialmente con el modo AI.

La captura de pantalla a continuación muestra cómo Nike se está haciendo cargo de la conversación en modo AI con contenido de texto y video.

Captura de pantalla de citas y videos en modo IA, septiembre de 2025

Conecte su marca a un producto

Se está haciendo evidente que conectar una marca semánticamente a un servicio o producto puede ser importante para comunicar que la marca es relevante para lo que desee para que sea relevante.

A continuación se muestra una captura de pantalla de una publicación patrocinada indexada por Google y se clasifica en modo AI para la frase de palabras clave «¿Cuáles son las herramientas de secuestro de anuncios»?

Captura de pantalla de la clasificación de poste patrocinada en modo IA, septiembre de 2025

SEO hace que el contenido sea elegible para el modo AI

Las mejores prácticas de SEO son necesarias para ser elegibles para aparecer en modo AI. Eso es diferente de decir que el SEO estándar lo ayudará a clasificarse en modo AI.

Esto es lo que dice Google:

«Para ser elegible para mostrarse como un enlace de soporte en descripción general de IA o en modo AI, una página debe ser indexada y elegible para mostrarse en Google Search con un fragmento, cumpliendo los requisitos técnicos de búsqueda. No hay requisitos técnicos adicionales».

Los «requisitos técnicos de búsqueda» son solo los tres conceptos básicos de SEO:

• “Googlebot no está bloqueado.
• La página funciona, lo que significa que Google recibe un código de estado HTTP 200 (éxito).
• La página tiene contenido indexable «.

Google dice claramente que el SEO fundamental es necesario para ser elegible para clasificarse en modo AI. Pero no confirma explícitamente que el SEO ayudará a un sitio a clasificarse en modo AI.

¿Es SEO suficiente para el modo AI?

Google y Googlers han asegurado a los editores y SEO que no se necesita hacer nada adicional para clasificarse en las superficies de búsqueda de IA. Afirman que las prácticas de SEO estándar son suficientes.

Las prácticas de SEO estándar aseguran que un sitio esté rastreado, indexado y elegible para clasificar en modo AI. Pero existe la implicación de que las señales para clasificarse realmente en modo AI son sustancialmente diferentes de la búsqueda orgánica estándar.

¿Qué es FastSearch?

La información contenida en los recientes documentos de Google antimonopolio muestra que el modo AI clasifica las páginas con una tecnología llamada FastSearch.

FastSearch motiva la búsqueda de IA de Google resulta en hechos, incluidos los datos de la web. Esto es significativo porque FastSearch utiliza diferentes señales de clasificación de lo que se usa en la búsqueda orgánica regular, priorizando la velocidad y seleccionando solo unas pocas páginas principales para la conexión a tierra de la IA.

El reciente documento de prueba antimonopolio de Google de principios de septiembre ofrece esta explicación de FastSearch:

«Para fundamentar sus modelos Gemini, Google utiliza una tecnología patentada llamada FastSearch … FastSearch se basa en señales de rango, un conjunto de señales de clasificación de búsqueda, y genera resultados web abreviados y clasificados que un modelo puede usar para producir una respuesta fundamentada …

FastSearch ofrece resultados más rápidamente que la búsqueda porque recupera menos documentos, pero la calidad resultante es más baja que la web totalmente clasificada de Search
resultados. «

Y en otra parte del mismo documento:

«FastSearch es una tecnología que genera rápidamente resultados de búsqueda orgánicos limitados para ciertos casos de uso, como la base de LLM, y se deriva principalmente del modelo de rango».

Empapado

Rankembed es un modelo de aprendizaje profundo que identifica patrones en conjuntos de datos y desarrolla señales que se utilizan para fines de clasificación. Utiliza una combinación de datos de usuario a partir de registros de búsqueda y puntajes generados por los evaluadores humanos para crear las señales relacionadas con la clasificación.

El documento de la corte explica:

“Rankembed y su posterior iteración Rankembedbert están clasificando modelos que dependen de dos fuentes principales de datos: __% de 70 días de registros de búsqueda más puntajes generados por evaluadores humanos y utilizados por Google para medir la calidad de los resultados de búsqueda orgánicos.

El modelo de rango en sí es un sistema de aprendizaje profundo basado en IA que tiene una fuerte comprensión del idioma natural. Esto permite que el modelo identifique de manera más eficiente lo mejor
Documentos para recuperar, incluso si una consulta carece de ciertos términos «.

Datos con calificación humana

Los datos con clasificación humana, que forman parte de Rankembed, no se utilizan para clasificar páginas web. Los datos con clasificación humana se utilizan para entrenar modelos de aprendizaje profundo para que puedan reconocer patrones que se correlacionan con páginas web de alta y baja calidad.

Cómo se utilizan los datos con calificación humana en general:

• Los datos con clasificación humana se utilizan para crear lo que se llaman datos etiquetados.
• Los datos etiquetados son ejemplos que los modelos usan para identificar patrones en grandes cantidades de datos.

En este caso específico, los datos marcados con humanos son ejemplos de relevancia y calidad. El modelo de aprendizaje profundo de rango utiliza esos ejemplos para aprender cómo identificar patrones que se correlacionan con relevancia y calidad de página.

Registros de búsqueda y señales de comportamiento del usuario

Volvamos a cómo Google usa «70 días de registros de búsqueda» como parte del modelo de aprendizaje profundo de rango, que sustenta FastSearch.

Los registros de búsqueda se refieren al comportamiento del usuario en el punto en que están buscando. Los datos son ricos con una amplia gama de información, como lo que los usuarios significan cuando buscan, y también pueden incluir los nombres de dominio de las empresas que asocian con ciertas palabras clave.

La documentación del Tribunal no dice todas las formas en que se pueden usar estos datos. Sin embargo, un documento antimonopolio de Google de mayo de 2025 reveló que los patrones del registro de búsqueda (clic) solo se vuelven significativos cuando se escalan a los miles de millones.

Algunos SEO han teorizado que los datos de clic pueden influir directamente en las clasificaciones, describiendo un uso granular de clics para la clasificación. Pero puede no ser cómo se usan los datos de clic, porque es demasiado ruidoso e impreciso.

Lo que realmente está sucediendo es más escalado que granular. Los patrones se revelan en miles de millones, no en el clic individual. Esa no es solo mi opinión; Es un hecho confirmado en la exhibición antimonopolio de Google de mayo de 2025:

«Algunas deficiencias conocidas de evaluación de tráfico en vivo
La asociación entre el comportamiento del usuario observado y la calidad del resultado de la búsqueda es tenue. Necesitamos mucho tráfico para sacar conclusiones, y los ejemplos individuales son difíciles de interpretar «.

Es justo decir que los registros de búsqueda no se utilizan para impactar directamente las clasificaciones de una página web individual, pero se utilizan para aprender sobre relevancia y calidad del comportamiento del usuario.

FastSearch no es el mismo algoritmo de clasificación que el utilizado para los resultados de búsqueda orgánica. Se basa en Rankembed, y el término «incrustación» sugiere que las incrustaciones están involucradas. Las incrustaciones mapean las palabras en un espacio vectorial para que se capte el significado del texto. Para SEO, esto significa que la relevancia de la palabra clave importa menos, y la relevancia tópica y el significado semántico conllevan más peso.

La declaración de Google de que el SEO estándar es todo lo que se necesita para clasificarse en modo AI es cierta solo en la medida en que el SEO estándar asegurará que la página web esté rastreada, indexada y elegible para la etapa final de la clasificación del modo AI, que es FastSearch.

Pero FastSearch utiliza un conjunto de consideraciones completamente diferente en el nivel LLM para decidir qué se utilizará para responder la pregunta.

En mi opinión, es más realista decir que las mejores prácticas de SEO hacen que las páginas web sean elegibles para aparecer en modo AI, pero los procesos de clasificación son diferentes, por lo que entran en juego nuevas consideraciones.

El SEO sigue siendo importante, pero puede ser útil centrarse en la relevancia semántica y tópica.

El modo AI es multimodal

El modo AI es multimodal, lo que significa que el contenido de imagen y video se raniza en modo AI. Eso es algo que SEOS y los editores deben considerar en términos de cómo las expectativas del usuario impulsan el descubrimiento de contenido. Esto significa que puede ser útil crear imágenes, video y tal vez incluso contenido de audio además del texto.

Optimización de imágenes para modo AI

Algo que está bajo su control es la imagen destacada y las imágenes en el contenido que van con su contenido. Las mejores imágenes, en mi opinión, son las imágenes que se notan cuando se muestran en modo AI y contienen información visual que es relevante para la consulta de búsqueda.

Aquí hay una captura de pantalla de imágenes que acompañan a las páginas web citadas para la consulta, «¿Qué es un teclado mecánico?»

Captura de pantalla del modo AI, septiembre de 2025

Como puede ver, ninguna de las imágenes sale ni llaman la atención sobre sí mismas. No creo que esa sea la preferencia de Google; Eso es justo lo que usan los editores. Las imágenes no deben ser una ocurrencia tardía. Hazlos una parte integrada de tu estrategia de clasificación para el modo AI.

El uso creativo de imágenes, en mi opinión, puede ayudar a una página a llamar la atención sobre sí misma como útil y relevante. Las mejores imágenes son las que se ven bien cuando Google las cultiva en un formato cuadrado.

El modo Google AI es multimodal, lo que significa optimizar sus imágenes para que muestren bien en los resultados de búsqueda en modo AI. Sus imágenes deben ser atractivas independientemente de si se muestran como un rectángulo (aproximadamente 16: 9 relación de aspecto) o un cuadrado (aproximadamente 4: 3 relación de aspecto).

Mordy Oberstein ofrece estas ideas sobre el marketing multimodal:

«El modo AI está mirando videos, imágenes y sí, podrías hacer todo eso. Sí, debes hacer todo eso, lo que sea posible para hacer y no ser eficiente y no ser mal dirigido o perder el enfoque, sí, adelante. Estoy a favor de crear autoridad a través del contenido. Creo que esa es una estrategia esencial para casi cualquier negocio.

El modo AI no solo está mirando el contenido de su sitio web, ya sea el contenido de su imagen, el contenido de audio, lo que sea, también está mirando cómo la Web está hablando de usted «.

El modo AI es evolución, no extensión

El modo AI no es solo una extensión de la búsqueda tradicional, sino una evolución de la misma. La búsqueda ahora incluye texto, imágenes y video. Anticipa consultas de seguimiento y muestra las respuestas a ellos utilizando la técnica de ventilador de consulta. Esto desplaza el enfoque de SEO lejos del inventario de palabras clave y de los clics de persecución y para considerar cómo se aborda mejor todo el viaje de la información del usuario y luego elabora el contenido que satisface esa necesidad.

Más recursos:

Imagen destacada: Jirsak/Shutterstock