Tu próximo visitante no es humano: Prepara tu web para la IA

Tu próximo visitante no es un humano: Preparando nuestra arquitectura web para los agentes de IA

Imaginemos algo bastante normal.

Laura dirige una empresa de alimentos y tiene un problema con su operación comercial. Cuenta con decenas de vendedores visitando supermercados, distribuidores y puntos de venta, pero tiene muy poca claridad sobre lo que sucede durante esas visitas. No sabe con certeza si se están cumpliendo las rutas, qué productos están exhibidos, dónde quedaron las fotografías de cada visita o qué oportunidades comerciales detectó el vendedor. Una parte de la información vive en Excel, otra en WhatsApp, otra en el CRM y otra, probablemente, solamente existe en la cabeza de las personas.

Hace algunos años Laura habría abierto Google y escrito algo como: software para controlar vendedores en campo. Después habría recorrido una lista de resultados, abierto varias pestañas, visitado sitios web, leído páginas de producto y quizá descargado algún documento antes de decidir a quién contactar.

Hoy puede hacer algo diferente, puede abrir ChatGPT, Gemini, Grok o cualquier otro asistente y explicar directamente su problema:

“Tengo una empresa de consumo masivo con 80 vendedores que visitan supermercados. Necesito controlar rutas, visitas, fotografías, inventario y oportunidades comerciales. ¿Qué soluciones existen y qué debería implementar?”

La IA puede investigar, comparar alternativas y organizar una respuesta antes de que Laura visite una sola página web. Incluso puede mencionar empresas que ella nunca había escuchado. O puede ignorarlas completamente.

Ahí empieza una conversación que va mucho más allá del SEO.

Durante años construimos sitios suponiendo que nuestro visitante sería una persona. Pensamos cuidadosamente el menú, los botones, los formularios, el recorrido entre páginas, el diseño, las imágenes y los llamados a la acción. Todo eso continúa siendo necesario porque los humanos no van a desaparecer del proceso, pero ahora existe otro visitante que funciona de una manera muy diferente.

No se impresiona porque nuestro hero tenga una animación espectacular. No experimenta la marca como nosotros. No necesita recorrer necesariamente el menú de izquierda a derecha.

Está intentando resolver algo mucho más básico: entender qué sabe nuestra empresa, qué ofrece, para quién lo hace, con qué experiencia cuenta y dónde está la información que necesita para construir una respuesta.

Ese visitante puede ser un crawler, un motor de búsqueda generativa o, cada vez más, un agente de inteligencia artificial.

Y eso obliga a mirar el website de otra manera.

De aparecer en una búsqueda a formar parte de la respuesta

En esta conversación aparecen términos como GEO —Generative Engine Optimization—, AEO —Answer Engine Optimization— o AI Search Optimization. La terminología todavía está evolucionando, pero detrás de todos ellos existe una idea sencilla: lograr que nuestra información pueda ser encontrada, comprendida y utilizada cuando una inteligencia artificial construye una respuesta.

Esto no significa que SEO haya muerto.

De hecho, Google ha sido bastante claro al explicar que las buenas prácticas tradicionales de SEO siguen siendo fundamentales para aparecer en experiencias como AI Overviews y AI Mode. No existe un markup secreto para la inteligencia artificial ni un archivo especial que garantice que una marca será citada.

Lo que cambió es que SEO ya no explica por sí solo toda la conversación.

Antes el objetivo era aparecer suficientemente arriba en una lista para conseguir un clic. Ahora también debemos considerar qué ocurre cuando el buscador intenta responder directamente la pregunta. Podemos imaginar Google tradicional como un bibliotecario. Preguntamos dónde aprender sobre automatización de servicio al cliente y nos entrega varios libros. Nosotros decidimos cuál abrir.

Una experiencia generativa funciona de manera diferente. Le hacemos la pregunta y el bibliotecario responde: “Revisé varios libros. Esto es lo que encontré.”

Para hacerlo, los sistemas pueden recuperar información de diferentes fuentes y entregársela al modelo como contexto antes de generar una respuesta. Una de las arquitecturas utilizadas para esto se conoce como RAG, Retrieval-Augmented Generation. El nombre puede sonar complejo, pero el principio no lo es: en lugar de responder únicamente con aquello que el modelo aprendió durante su entrenamiento, primero se recupera información relevante y luego se utiliza para construir una respuesta más específica o actualizada.

Tomemos dos empresas imaginarias que implementan CRM.

La primera frase podría pertenecer a una consultora, una agencia, una empresa de software o prácticamente cualquier compañía de servicios. La segunda elimina buena parte de esa ambigüedad.

Durante años hemos aprendido a escribir sitios corporativos utilizando expresiones como soluciones integrales, innovación, transformación, experiencias excepcionales, ecosistemas digitales o tecnología de vanguardia. No hay nada incorrecto en utilizarlas, pero empiezan a convertirse en un problema cuando todo el sitio está escrito así.

No necesitamos llenar la página de palabras clave. Necesitamos dejar de obligar al lector —humano o artificial— a adivinar qué quisimos decir.

También cambia la manera en que pensamos las preguntas.

Por ejemplo: En Google alguien podría buscar "CRM retail Colombia". Frente a una IA es mucho más natural escribir:

“Tenemos una cadena de tiendas en Colombia. Cada sucursal maneja los clientes de una manera diferente y queremos centralizar marketing, ventas y servicio. ¿Nos serviría un CRM y cómo deberíamos implementarlo?”

La consulta ahora contiene industria, ubicación, problema, contexto y objetivo.

Por eso una estrategia de contenido compuesta únicamente por páginas generales como CRM, Customer Experience o Digital Transformation puede empezar a quedarse corta.

También necesitamos responder preguntas mucho más cercanas a los problemas reales:

• Cómo centralizar ventas y servicio cuando cada sucursal trabaja diferente.
• Cómo conectar un CRM con un ERP sin duplicar información.
• Qué debería controlar una empresa con vendedores en campo.
• Cómo diseñar un portal de clientes conectado con el CRM.
• Cuándo conviene automatizar un proceso de servicio.
  
  

El website empieza a transformarse de brochure corporativo en biblioteca de conocimiento.

Y eso cambia incluso la lógica del blog.

Una IA no necesita necesariamente consumir un artículo de 4.000 palabras de arriba abajo. Los sistemas de recuperación pueden identificar fragmentos concretos dentro de una página y utilizarlos según la pregunta que estén intentando responder.

En otras palabras, ya no escribimos únicamente pensando en que alguien lea la página completa. También escribimos para que cada fragmento importante pueda ser encontrado, entendido y reutilizado en el contexto correcto.

Buena parte del conocimiento más valioso de una empresa ni siquiera está publicado. Está escondido en proyectos, presentaciones, reuniones, tickets, auditorías, correos y conversaciones entre consultores. Convertir parte de ese conocimiento en contenido puede terminar siendo mucho más valioso que publicar otro artículo de “7 tendencias que transformarán la experiencia del cliente”.

Quizá el mayor enemigo de una estrategia preparada para IA no sea una mala keyword. Quizá sea el contenido genérico.

Una pregunta incómoda para cualquier página de nuestro sitio

Si una inteligencia artificial puede generar este mismo contenido en diez segundos sin consultar nuestra página, ¿qué estamos aportando nosotros?

Datos propios, experiencia, casos, metodologías, comparaciones, aprendizajes, opiniones fundamentadas o conocimiento especializado son mucho más difíciles de sustituir que una lista genérica de beneficios.

 

AI-Friendly Web Design: La evolución del posicionamiento

El website empieza a comportarse como un mapa

Hasta ahora todo esto podría parecer un problema exclusivamente de contenidos, pero hay una segunda mitad que ocurre debajo de la superficie.

Supongamos que tenemos el mejor artículo del mundo, pero nuestro servidor no deja entrar al crawler. Para ese sistema, prácticamente no existimos.

OpenAI, por ejemplo, utiliza OAI-SearchBot para descubrir páginas que pueden aparecer dentro de ChatGPT Search. Google tiene sus propios sistemas de rastreo. Cada proveedor establece además políticas diferentes para búsqueda, indexación o entrenamiento.

Aquí reaparece un viejo conocido: robots.txt.

Podemos imaginarlo como un conjunto de instrucciones colocado en la entrada del sitio indicando a ciertos crawlers dónde pueden y dónde no pueden acceder.

Pero permitir el acceso en robots.txt tampoco resuelve todo. El sitio puede tener Cloudflare, firewalls, sistemas anti-bot, CAPTCHAs, reglas geográficas o controles de seguridad que terminen bloqueando al crawler aunque técnicamente tenga permiso. Es la diferencia entre dejar la puerta abierta y tener un guardia impidiendo entrar.

Bueno, no seamos pesimistas, digamos que el crawler logró entrar.

¿Pero entiende lo que encontró?

Imaginemos una página /solutions donde aparecen doce servicios distintos, cada uno explicado en tres líneas:

• CRM.
• eCommerce.
• Customer Experience.
• Field Service.
• Data Analytics.
• Artificial Intelligence.
  
  

Visualmente puede funcionar perfectamente. Informativamente ofrece muy poca profundidad.

Comparemos eso con una arquitectura donde existen páginas específicas:

/solutions/crm
/solutions/customer-experience
/solutions/field-service
/solutions/ecommerce

y esas páginas se conectan con contenidos relacionados:

/insights/crm-integration-erp
/insights/field-sales-automation
/insights/customer-portal-strategy

Ahora existe una red.

Una máquina puede observar que esta organización no solamente menciona CRM en alguna parte de su Home. Tiene contenido sobre CRM, integraciones, automatización, casos y problemas relacionados. Lo mismo ocurre con un humano.

El website empieza a funcionar menos como un brochure y más como un mapa de conocimiento.

Lo que una máquina no debería tener que adivinar

Cuando las páginas empiezan a conectarse, los enlaces internos hacen algo más que repartir autoridad SEO: ayudan a describir relaciones.

Una página sobre CRM puede llevar a una integración con ERP. Esa integración puede llevar a un caso de implementación. El caso puede conectarse con una industria específica. Poco a poco, el sitio deja de ser una colección de páginas y empieza a explicar cómo se relacionan las cosas que la empresa sabe hacer.

Aquí entran también los datos estructurados, o Schema Markup. Su función es bastante sencilla: reducir ambigüedad.

Si una página muestra un precio, un humano probablemente entiende por contexto que se trata del precio de un producto. Con datos estructurados podemos indicarle explícitamente a los sistemas: esto es un producto, este es su precio, esta es su moneda y esta es su disponibilidad.

Podemos hacer algo parecido con organizaciones, personas, artículos, eventos, productos y otros tipos de información.

No es un botón para “posicionarse en ChatGPT”. Tampoco existe hoy un Schema secreto para IA.

Es simplemente otra forma de dejar menos cosas abiertas a interpretación.

Lo mismo aplica para todo lo demás. Un sitio puede tener una metodología espectacular dentro de una imagen, pero si las etapas solamente existen dentro de ese gráfico, estamos haciendo innecesariamente difícil recuperar esa información. Puede tener una página visualmente impresionante y, cinco minutos después, seguir sin responder con claridad qué hace la empresa, para qué industrias trabaja, qué tecnologías utiliza o qué problemas ha resuelto.

Diseñar para humanos y estructurar para máquinas no son objetivos contrarios.

Un buen website debería poder hacer ambas cosas.

Y quizá ese sea un criterio bastante útil para evaluar cualquier nueva técnica que aparezca alrededor de GEO. llms.txt, nuevos tipos de markup, herramientas para “optimizar para IA” y probablemente muchas otras cosas seguirán apareciendo. Algunas terminarán siendo útiles; otras desaparecerán.

Antes de perseguirlas conviene resolver lo básico: contenido accesible, arquitectura clara, páginas relacionadas, información consistente, sitemap, enlaces internos, datos estructurados cuando correspondan y contenido importante disponible como texto. Esa base sigue teniendo mucho más peso que cualquier archivo mágico.

Esto se ve todavía más claro en eCommerce. Un humano entra al catálogo, filtra, compara, revisa stock, añade un producto al carrito y paga. Un agente necesita comprender esos mismos elementos de manera suficientemente clara como para poder operar sobre ellos.

Entonces la conversación empieza a salir de Marketing.

Empiezan a aparecer APIs, integraciones, CRM, identidad, permisos, inventario, pagos y datos en tiempo real.

Podríamos resumir la evolución así:

• Web tradicional: Persona → buscador → website → acción

• Búsqueda generativa: Persona → IA → múltiples fuentes → respuesta → posible visita

• Agentes: Persona → agente → investiga → compara → selecciona → interactúa → acción
  
  

En el segundo escenario podemos perder parte del clic.

En el tercero, podríamos perder incluso parte de la navegación.

Y, paradójicamente, eso no hace menos importante al website. Hace más importante la arquitectura que existe detrás de él.

A estas alturas sería tentador convertir todo esto en un checklist de cuarenta puntos, pero yo empezaría con algo mucho más incómodo. Abriría nuestras páginas principales y preguntaría:

¿Alguien que no conoce la empresa puede entender exactamente qué hacemos?

¿Estamos publicando conocimiento que solamente nosotros podríamos aportar?

¿Puede una máquina acceder, conectar y entender esa información sin tener que adivinar demasiado?

Esas tres preguntas ya revelan muchísimo.

Viva el GEO: Cómo lograr que las IAs recomienden tu sitio web

No existe todavía una fórmula universal para GEO. Una misma pregunta puede producir respuestas diferentes y no hay un equivalente perfecto a decir “estoy número tres en Google”. Podemos aparecer como fuente, como referencia secundaria, como enlace o no aparecer. La investigación sobre Generative Engine Optimization todavía está desarrollándose y por eso conviene desconfiar de cualquier promesa demasiado precisa de “posicionarte primero en ChatGPT”.

Pero no necesitamos conocer completamente el algoritmo para reconocer la dirección del cambio.

Hay algo curioso en todo esto, empezamos este artículo diciendo que nuestro próximo visitante podría no ser humano, la reacción natural sería pensar que ahora debemos escribir para las máquinas. Y probablemente esa sea la conclusión equivocada.

Las personas están haciendo preguntas cada vez más naturales. Las máquinas están intentando comprender mejor esas preguntas. Y los motores buscan información capaz de responderlas de una manera clara.

Eso nos devuelve a algo mucho más conocido.

Entender qué necesita alguien.

Quitar fricción.

Organizar la información.

Ser claro.

Mantener consistencia.

Facilitar el siguiente paso.

Suena bastante parecido a Customer Experience.

Solo que ahora hay una nueva capa entre la empresa y la persona: la inteligencia artificial.

Durante mucho tiempo construimos websites preguntándonos:

¿Qué queremos comunicar?

Después aprendimos a preguntar:

¿Qué necesita encontrar nuestro usuario?

Ahora aparece una tercera pregunta:

¿Puede una máquina entenderlo también?

No sustituye a las anteriores.

Se suma a ellas.

Porque el website que viene no será solamente una vitrina de la marca ni un destino al que queremos llevar tráfico. También será una fuente de conocimiento que otros sistemas consultarán para entender quiénes somos, qué sabemos y qué podemos hacer.

Y quizá, más adelante, ni siquiera se limitarán a consultarlo.

Podrán interactuar con el negocio.

Por eso esta conversación probablemente dejará pronto de llamarse solamente GEO.

Terminará siendo una conversación sobre arquitectura digital, datos, integraciones, APIs, automatización y sobre qué tan preparado está un negocio para existir en una web donde una parte creciente de las decisiones estará mediada por inteligencia artificial.

Prepararnos para eso no consiste en llenar el sitio de términos como GEO, RAG, Schema o LLM.

Consiste en algo mucho menos espectacular:

hacer explícito lo que sabemos.

Explicar con claridad qué hacemos. Organizar el conocimiento. Conectar las ideas. Publicar experiencias que realmente nos pertenecen. Y hacer que toda esa información sea suficientemente accesible y coherente para que una persona —o una máquina— pueda entenderla.

Durante años construimos websites tratando de conseguir que las personas llegaran hasta nosotros.

Ahora hay otra pregunta que vale la pena empezar a hacernos:

Cuando una inteligencia artificial salga a buscar la respuesta, ¿va a encontrarnos a nosotros?

Creo que este cierre funciona mejor por tres razones.

Primero, ya no repite el artículo entero en formato checklist. La versión anterior volvía a enumerar casi todo lo que ya habíamos enseñado: contenido propio, arquitectura, crawlers, Schema, enlaces internos, preguntas a las IAs, etc.

Segundo, deja una progresión muy clara: IA entiende → IA encuentra → IA actúa. Eso hace que la parte de agentes no se sienta como otro tema pegado al final.

Y tercero, creo que rescata muy bien una de las mejores ideas que ya tenías: arrancamos con “tu próximo visitante no es humano”, pero terminamos descubriendo que esto no consiste en abandonar al humano para escribirle a una máquina. De hecho, obliga a construir una web más clara para ambos. Esa paradoja es una excelente forma de cerrar.