Búsqueda con IA

Cómo eligen las fuentes los buscadores de IA: lo documentado

Los buscadores de IA eligen sus fuentes recuperando primero páginas de un índice creado mediante rastreo y citando después las que respaldan la respuesta. Si una página no se rastrea ni se indexa, no puede elegirse.

Por Equipo de investigación de SEORecheck, auditores SEOPublicado 11 min de lectura

Un selector extrae tres registros ámbar de un índice azul: cómo los buscadores con IA seleccionan fuentes.
Selección de fuentes de IA desde el índice de búsqueda

Los buscadores de IA eligen sus fuentes en dos pasos. Primero recuperan páginas candidatas de un índice de búsqueda que construyeron rastreando la web, a menudo lanzando varias búsquedas relacionadas. Después, el modelo redacta una respuesta a partir de esas páginas y cita las que respaldan lo que afirma. Si una página no se rastrea ni se indexa, no puede ser elegida.

Esa es la versión corta, y se cumple en Google, ChatGPT search, Copilot, Perplexity y Claude. Los detalles cambian según la plataforma, y gran parte de lo que se vende como "factores de ranking de la IA" no aparece documentado en ningún sitio. Esta guía repasa lo que cada plataforma publica de verdad, lo que no publica y lo que eso significa para tu sitio.

¿Cómo eligen las fuentes los buscadores de IA?

No buscan en toda la web en tiempo real para luego quedarse con su favorita. Extraen páginas de un índice de búsqueda con sus sistemas de clasificación, leen lo que dicen esas páginas y enlazan las que respaldan cada parte de la respuesta. La selección consiste primero en recuperar y después en citar.

Google es quien lo explica con más claridad. Su guía para optimizar para las funciones de IA generativa de la Búsqueda de Google indica que sus funciones de IA usan generación aumentada por recuperación (RAG) y fundamentan las respuestas "basándose en nuestros sistemas principales de clasificación de la Búsqueda para recuperar páginas web relevantes y actualizadas". Luego, los sistemas revisan la información de esas páginas recuperadas y muestran "enlaces destacados y en los que se puede hacer clic a páginas web relevantes que respaldan la información".

Por tanto, para que la IA te cite, una página tiene que ser primero un buen resultado de búsqueda para al menos una de las consultas que lanza el sistema. Después, debe contener una afirmación concreta que el modelo pueda usar. Una página que posiciona pero nunca dice nada con claridad no le da al modelo nada que citar. Una página con una respuesta excelente que no está indexada nunca se recupera. Los dos pasos importan, y el primero es SEO de toda la vida. Hablamos de esa coincidencia en GEO vs. SEO.

¿Qué ocurre antes de que una respuesta de IA cite una página?

Antes de que aparezca una cita, la página pasa por un proceso muy parecido al de la búsqueda clásica, con un paso extra al final:

  1. Rastreo. Un bot propio de la plataforma descarga la página. Si el robots.txt o un firewall bloquean ese bot, el proceso termina aquí.
  2. Indexación. La página se procesa y se guarda en el índice de búsqueda de la plataforma (o de un socio).
  3. Reescritura de la consulta y fan-out. La pregunta del usuario se convierte en una o varias consultas de búsqueda.
  4. Recuperación y clasificación. El índice devuelve las páginas más relevantes para esas consultas.
  5. Generación y fundamentación (grounding). El modelo redacta la respuesta a partir del contenido recuperado y enlaza las páginas que respaldan sus afirmaciones.

Los pasos 1, 2 y 4 son los que puedes comprobar y corregir. El paso 3 explica por qué se citan páginas que no posicionan para la consulta principal. El paso 5 es donde ayuda escribir de forma clara y concreta.

¿Qué índice y qué rastreador usa cada buscador de IA?

Cada plataforma documenta un rastreador distinto y una forma distinta de excluirse. La tabla se limita a lo que dice la documentación oficial de cada proveedor. Lo que un proveedor no publica aparece como no documentado.

Plataforma Qué dice la documentación sobre la recuperación Rastreador que controla la visibilidad en búsqueda Dónde medir
Google AI Overviews / Modo IA RAG sobre los sistemas principales de clasificación y el índice de la Búsqueda de Google (Google) Googlebot (rastreo normal de la Búsqueda) Informe de rendimiento de IA generativa de Search Console
ChatGPT search Los sitios que excluyen a OAI-SearchBot "no se mostrarán en las respuestas de ChatGPT search" (OpenAI) OAI-SearchBot No documentado en esa página
Microsoft Copilot / resúmenes de IA de Bing Las grounding queries son "las frases clave que usó la IA al recuperar contenido" (Bing) Rastreo e índice de Bing AI Performance de Bing Webmaster Tools
Perplexity PerplexityBot está "diseñado para mostrar y enlazar sitios web en los resultados de búsqueda" (Perplexity) PerplexityBot (índice), Perplexity-User (visitas en tiempo real) No documentado en esa página
Claude Bloquear a Claude-SearchBot "puede reducir la visibilidad y la precisión de tu sitio en los resultados de búsqueda de los usuarios" (Anthropic) Claude-SearchBot, Claude-User No documentado en esa página

Destacan dos patrones. Primero, todos los proveedores separan los rastreadores de búsqueda de los de entrenamiento. OpenAI dice que GPTBot sirve para entrenar modelos y no decide la aparición en búsqueda. Anthropic dice lo mismo de ClaudeBot, y Perplexity afirma que sus bots no se usan para entrenar modelos fundacionales. Bloquear un bot de entrenamiento no te saca de la búsqueda con IA. Bloquear un bot de búsqueda, sí.

Segundo, los agentes de "usuario" (ChatGPT-User, Perplexity-User, Claude-User) descargan páginas en tiempo real cuando alguien hace una pregunta. OpenAI indica que ChatGPT-User "no se usa para determinar si el contenido puede aparecer en la búsqueda". Para las reglas de robots.txt de cada bot, consulta nuestra guía de robots.txt. Para los pasos específicos de cada plataforma, mira las guías de ChatGPT, Perplexity y Copilot.

¿Qué es el query fan-out y por qué cambia las fuentes elegidas?

El query fan-out consiste en que el sistema de IA divide una pregunta en varias búsquedas relacionadas y aprovecha los resultados de todas ellas. Una página puede ser citada porque posiciona para una subpregunta concreta, aunque nunca posicione para la formulación original del usuario.

La documentación de Google sobre funciones de IA dice que AI Overviews y el Modo IA "pueden usar una técnica de 'query fan-out' (lanzar varias búsquedas relacionadas sobre subtemas y fuentes de datos) para elaborar una respuesta". Su guía de optimización pone un ejemplo: para "cómo arreglar un césped lleno de malas hierbas", las consultas de fan-out podrían abarcar recomendaciones de herbicidas y formas de prevenir las malas hierbas.

Así se ve en una pequeña empresa. Supón que alguien pregunta: "¿Merece la pena una bomba de calor en una casa antigua con clima frío?". El sistema podría buscar por separado el rendimiento de las bombas de calor a bajas temperaturas, los requisitos de aislamiento, los costes de funcionamiento y la instalación en edificios antiguos. La página de un instalador que explique con claridad los requisitos de aislamiento en viviendas antiguas podría citarse para esa parte, aunque un medio nacional gane la consulta principal.

Las "grounding queries" de Microsoft en Bing Webmaster Tools son la misma idea vista desde el lado del editor: las frases que la IA buscó realmente cuando recuperó tu página. Por eso también Google dice que las funciones de IA muestran "un conjunto más amplio y diverso de enlaces útiles" que los resultados clásicos.

¿La IA elige la mejor página o el mejor fragmento?

Ambas cosas, pero ninguna plataforma publica cómo las pondera. Lo que Google sí documenta es que sus sistemas revisan "la información específica de esas páginas recuperadas" y enlazan las páginas que respaldan la respuesta. En la práctica, una página se gana una cita cuando contiene una afirmación concreta y verificable que encaja con una parte de la respuesta.

De ahí se desprenden algunas cosas, sin depender de ninguna fórmula secreta:

  • Las respuestas directas ayudan. Una frase como "La mayoría de las bombas de calor domésticas necesitan X para funcionar bien en viviendas antiguas, porque…" es más fácil de usar para fundamentar una respuesta que una introducción vaga.
  • Lo concreto gana a lo genérico. La guía de Google pide "contenido no genérico" con "un punto de vista único". Si tu página repite lo que dicen todas las demás, el modelo no tiene ningún motivo especial para elegir la tuya.
  • No necesitas un formato especial para la IA. Google dice que "no es necesario dividir el contenido en fragmentos diminutos para que la IA lo entienda". Los encabezados y párrafos normales funcionan bien.

El anuncio de AI Performance de Bing da consejos parecidos: cubrir con más profundidad los temas por los que te citan, una estructura clara con encabezados y tablas, afirmaciones respaldadas por datos y ejemplos, e información actualizada.

¿Influye la actualidad del contenido en las fuentes que elige la IA?

Sí, al menos en Google y Bing. Ambos mencionan la actualidad en su documentación. Google dice que su enfoque RAG usa "páginas web actualizadas de nuestro índice de búsqueda" para mejorar la precisión y la actualidad. Microsoft recomienda IndexNow para que los sistemas de IA usen como referencia "la versión más reciente" de tus páginas.

Lo que ninguno dice es que las páginas más nuevas ganen siempre. La actualidad entra en juego a través del índice: si un rastreador no ha recogido tu lista de precios o tu horario actualizados, la IA solo puede recuperar la versión antigua. Así que, para la visibilidad en IA, una actualización solo cuenta cuando se vuelve a rastrear e indexar. Por eso avisar a los buscadores (IndexNow para Bing, un lastmod preciso en el sitemap para Google) importa más que cambiar una fecha en la página. Nuestra estrategia de actualización de contenido explica cómo actualizar páginas para que el cambio sea real y se detecte.

¿Qué no está documentado sobre cómo la IA elige sus fuentes?

Ninguna plataforma de búsqueda con IA publica una lista de factores de clasificación de citas, una ponderación de señales de confianza ni un umbral mínimo de autoridad. Las afirmaciones sobre "factores de ranking de la IA" exactos, puntuaciones de citas o tácticas garantizadas son suposiciones o marketing de proveedores, no documentación.

Google va más allá y descarta varias tácticas populares en su guía de optimización:

  • llms.txt: "La Búsqueda de Google no los usa".
  • Schema especial: "Los datos estructurados no son obligatorios para la búsqueda con IA generativa, y no hay ningún marcado especial de schema.org que debas añadir". Los datos estructurados siguen ayudando a los buscadores a entender tus entidades. Simplemente no son un interruptor para conseguir citas en la IA.
  • Reescribir para la IA: no hace falta reescribir tu contenido específicamente para los sistemas de IA.
  • Menciones no auténticas: sembrar menciones de marca por la web no es eficaz.

Las demás plataformas dicen menos. OpenAI, Perplexity y Anthropic documentan sus rastreadores y cómo excluirse, pero no cómo clasifican las fuentes. Trata todo lo que vaya más allá, incluidos los estudios de correlación sobre dominios citados, como una hipótesis que probar en tu propio sitio, no como una regla.

¿Cómo compruebas si los buscadores de IA pueden elegir tus páginas?

Recorre el proceso al revés. Confirma que los bots adecuados pueden rastrear tus páginas, que estas están indexadas y pueden mostrar fragmentos, que el texto importante está en el HTML y, después, mide las citas reales en Search Console y Bing Webmaster Tools.

Una lista de comprobación práctica:

  1. Robots.txt y firewall. Permite Googlebot, Bingbot, OAI-SearchBot, PerplexityBot y Claude-SearchBot si quieres aparecer en esos productos. Decide por separado qué hacer con los bots de entrenamiento como GPTBot, ClaudeBot y Google-Extended. Comprueba que tu CDN o tu protección antibots no bloquee bots de búsqueda que el robots.txt permite.
  2. Indexación y fragmentos. Google exige que las páginas estén "indexadas y sean aptas para mostrarse en la Búsqueda de Google con un fragmento". nosnippet, max-snippet:0 o noindex eliminan esa aptitud. Confirma también en Search Console que tu sitio está incluido en las funciones de IA generativa de la Búsqueda.
  3. Texto en el HTML. Si las respuestas clave solo aparecen después de ejecutarse JavaScript, los rastreadores que no renderizan JavaScript puede que nunca las vean. Consulta problemas de renderizado en SEO para JavaScript.
  4. Información clara sobre la entidad. Un marcado Organization coherente con enlaces sameAs y una entrada precisa en Wikidata, si tu empresa la tiene, ayudan a los sistemas a relacionar tu sitio con tu marca.
  5. Páginas que responden. Para las preguntas que tus clientes hacen de verdad sobre ti, como precios, zonas de servicio o comparativas, asegúrate de que alguna página dé la respuesta con claridad.

Una auditoría SEO gratuita de SEORecheck (solicítala aquí) aplica estas comprobaciones GEO a tu sitio: acceso de los rastreadores de IA de búsqueda, de usuario y de entrenamiento, controles de fragmentos, texto que solo aparece con JavaScript, Organization/sameAs y Wikidata, y cómo responden tus páginas a las preguntas que la gente hace a los asistentes de IA sobre tu negocio. El informe de ejemplo muestra el formato.

Después, mide. El informe de rendimiento de IA generativa de Google y el informe AI Performance de Bing (citas y grounding queries) son datos de primera mano. Para saber qué seguir tanto en la búsqueda clásica como en la búsqueda con IA, consulta medición del rendimiento en SEO y GEO.

Conclusiones clave

  • Los buscadores de IA eligen sus fuentes recuperando primero de un índice de búsqueda y citando después las páginas que respaldan la respuesta. Ser rastreable e indexable va antes que todo lo demás.
  • El query fan-out hace que una página pueda citarse por una subpregunta para la que posiciona, no solo por la consulta principal.
  • Los bots de búsqueda y los de entrenamiento son distintos. Bloquear OAI-SearchBot, PerplexityBot o Claude-SearchBot perjudica la visibilidad en la búsqueda con IA. Bloquear GPTBot o ClaudeBot, no.
  • Google exige indexación, aptitud para mostrar fragmentos e inclusión en las funciones de IA generativa de la Búsqueda. No exige schema especial, dividir el contenido en fragmentos ni llms.txt.
  • Ninguna plataforma publica factores de clasificación de citas. Lo que la documentación pide de verdad es contenido claro, concreto, actualizado y original.
  • Mide las citas en el informe de rendimiento de IA generativa de Search Console y en el informe AI Performance de Bing Webmaster Tools.
Todos los artículos
Un pin dorado sobre datos comerciales ilustra la optimización de búsqueda con IA para negocios locales.

Búsqueda con IA

Posicionamiento en IA para negocios locales: guía

Para un negocio local, posicionarse en IA es tener fichas precisas, los mismos datos en tu web, páginas rastreables, acceso para los rastreadores de IA y reseñas reales. No hay truco especial.

11 min de lectura

Un escaneo azul ilumina precios, funciones, integraciones y documentación: optimización de búsqueda con IA para SaaS.

Búsqueda con IA

GEO para SaaS: guía práctica de posicionamiento en IA

El GEO para SaaS consiste en que tu web, documentación, precios e integraciones sean rastreables, indexables y citables, para que los asistentes de IA describan bien tu producto cuando alguien compara herramientas.

12 min de lectura

Productos y datos cruzan un portal hacia resultados: optimización de búsqueda con IA para ecommerce.

Búsqueda con IA

SEO para IA en ecommerce: guía para tiendas online

El SEO para IA en ecommerce consiste en ofrecer los datos de producto mediante feeds, páginas indexables y acceso abierto a rastreadores para que las respuestas de IA muestren y enlacen tus productos con precisión.

12 min de lectura