Sección · 48 temas
El Efecto Lindy
Algo publicado hace tiempo (a veces mucho) que sigue en pie. Si ha aguantado hasta hoy, apostamos a que aguanta unos años más.
Las tablas de tiempos de Gary Illyes
En el Deep Dive de Barcelona, Illyes enseña tiempos típicos y lentos de 23 procesos: unas 20 horas para descubrir una URL nueva, hora y media de indexación, 1-2 semanas para levantar una acción manual y 3-6 meses para recuperarse de un core update. Los retrasos se acumulan, y cuando la respuesta es "nunca" suele ser calidad. Google no ha publicado las slides; todo sale de fotos de asistentes como Estela Franco.
4 fuentesLo que dijo Google en la sala
Según Illyes, el contenido escalado ya es un problema mayor que el spam de enlaces, los core updates afectan a páginas y no a dominios, y Google filtra 40.000 millones de páginas de spam al día. Duy Nguyen define calidad como esfuerzo, originalidad, talento y precisión. También hubo apuntes sobre renderizado, datos estructurados y Discover.
3 fuentesGoogle reescribe su documentación de calidad
Revisión manual obligada de todo lo generado con IA, titles, meta descriptions, datos estructurados y alt incluidos. El main content pasa a ser factor crítico con cuatro atributos (esfuerzo, originalidad, talento o habilidad y precisión), y los perfiles de autor inventados entran como forma de engaño. Parte de esto lo destapó Aleyda Solís.
8 fuentesNacho Mascort y el test commodity
Nacho Mascort junta la charla de Duy Nguyen, la nueva documentación y las tablas de Illyes. La calidad se mide por página, aunque algunas señales son de sitio, y su test es muy simple: cambia tu marca por la de un competidor y, si la página sirve igual, es commodity. Propone agrupar por tipo de página, mejorar, consolidar o eliminar, y medir en meses.
1 fuenteLily Ray: viene un gran update
Lily Ray sostiene que Google cambia la documentación antes de los grandes updates, como pasó con Panda o Medic, y ahora la doc apunta al contenido escalado con IA, los autores falsos y las menciones inauténticas. Glenn Gabe y Marie Haynes van por el mismo lado. Lo Lindy de siempre: la calidad se recupera en meses, y con un parche no hay manera.
1 fuenteContent effort según Cyrus Shepard
"Effort" aparece más de cien veces en las directrices para evaluadores, y el leak de la API incluye un contentEffort calculado por un LLM. Para Cyrus, el esfuerzo se mide en las pruebas que quedan en la página, al margen de palabras, horas o de si escribió un humano o una IA. Su encuesta a más de 130 expertos apunta a que marca y confianza pesan más que los trucos de IA, aunque ojo, recoge creencias y no experimentos.
2 fuentesCarlos Redondo convierte el esfuerzo en una rúbrica
Tres jueces, una rúbrica versionada, escala de 0 a 4 y ocho dimensiones, con la obligación de citar fragmentos literales para justificar cada nota. No reproduce ningún algoritmo de Google, pero como forma de auditar nos parece seria. Lo Lindy del asunto: la herramienta cambia y lo que se premia sigue siendo lo mismo.
1 fuenteLos planos de Google Discover
Seis ingenieros de Google publican cómo rankea Discover y reconocen por escrito una "infravaloración sistémica del vídeo frente a los artículos web", ya corregida. Entre las señales del modelo aparece el estado de creador seguido, que le quita peso a la popularidad global. Curioso que Google prediga mucho mejor lo que descartas que lo que te gusta (y ojo, esto va de Discover; Search y AI Mode son otra historia).
3 fuentesMikael Araújo: la autoridad se muda del dominio a la persona
Una semana antes del paper, Mikael Araújo defendía en Moz que la autoridad pasa del dominio a la persona, y que un sitio con DR bajo y una presencia de creador coherente puede ganar en citaciones. Era una pieza de opinión, sin pruebas duras. Siete días después Google le puso el músculo.
2 fuentesJono Alderson: SEO vs GEO es la pregunta equivocada
El contrapunto: SEO, GEO y compañía son instrumentos y no deberían ser el principio organizador del marketing. La IA no cambia el propósito; lo que hace es dejar sin defensa la versión estrecha que iguala visibilidad a tráfico. Y lo Lindy de fondo es que la autoridad de las personas es la idea de siempre con etiqueta nueva.
1 fuenteWeb IQ: el motor lee evidencia
Bing explica Web IQ, su sistema de grounding: retrieval semantic-first, menos dependencia de los clics, evidencias por pasaje que se tienen que entender solas y densidad por token antes que volumen. Natzir Turrado recuerda que la prosa densa y autocontenida se recomienda desde los tiempos de los featured snippets, que el stuffing semántico sobra y que para la frescura en Bing está IndexNow, como confirma Fabrice Canel.
4 fuentesEntityMap: el publisher declara lo que sabe
Fred Laurent y Dixon Jones proponen entitymap.json, un estándar abierto para declarar qué entidades cubre tu web, cómo se relacionan y dónde está la evidencia, pensado contra la desambiguación fallida y la "ghost citation". Tiene el precedente Lindy de GoodRelations y ellos mismos acotan lo que no arregla. Lo miramos con escepticismo sano. ¿Sitemap de la era IA o un estándar más esperando a que alguien lo lea?
3 fuentesToronto: commodity frente a non-commodity
Danny Sullivan, en Search Central Live Toronto, enseña una diapositiva con ejemplos de contenido commodity (listas genéricas) y non-commodity (experiencia, datos propios, errores reales). Lo cruzamos con el contentEffort de las Quality Rater Guidelines, con los perdedores de la Core Update de marzo y con los 17 tipos de contenido de Cyrus Shepard. Hace un mes dijimos que "escalar contenido es escalar decepción". Ahora Google le ha puesto nombre.
3 fuentesLily Ray: automatizar el non-commodity no tiene sentido
Lily Ray ve venir a muchos marketers queriendo automatizar con IA el contenido non-commodity, que es justo lo contrario de lo que se pide. Pone de ejemplo las webs de reviews que compran el producto, lo prueban durante semanas y hacen sus propias fotos. Su punto medio nos parece sensato: la IA asiste y el humano evalúa.
1 fuenteDan Petrovic: el índice de marcas de Gemini
Dejan clasifica 2,9 millones de marcas según la tendencia de Gemini a mencionarlas, con Google, Microsoft, Nike y Adidas arriba. Lo que mide es lo que el modelo recuerda de ti. Si Gemini no te nombra en tu categoría, ¿existes?
1 fuenteCyrus Shepard: cinco rasgos de los sitios que ganan en Google
Cyrus Shepard analiza más de 400 sitios y encuentra cinco rasgos ganadores, entre ellos producto real, tareas completables, activos propios, foco temático y marca sólida. Con 4 o 5, la tasa de éxito ronda el 68-70%. Con ninguno se queda en el 13,5%.
1 fuenteAleyda Solis: diez características de las marcas que ganan en AI Search
Diez características (accesible, útil, reconocible, extraíble...) en un checklist descargable, con cómo validar cada una. Si Petrovic pone el diagnóstico y Shepard el patrón, Aleyda te da el plan.
1 fuenteBonus: el Shopping Classifier de Chrome
Dan Petrovic hace ingeniería inversa del clasificador de shopping de Chrome, que puntúa cada página con sus primeras 400-450 palabras visibles. Si tu hero content tarda en dejar clara la intención comercial, te quedas sin funciones de comercio.
1 fuenteDawn Anderson desmonta la generative information retrieval
En WTSFest London, Dawn Anderson explica que el chunking no es trabajo del SEO, que el "information gain" no significa lo que el sector cree y que LLMs.txt es prematuro como táctica. Y nosotros, ya puestos, cargamos contra los SEOs con nombre que venden remedios milagrosos para problemas que no tienes.
1 fuenteGlenn Gabe: ¿es AEO/GEO diferente del SEO?
Glenn Gabe junta lo que dicen Google, Microsoft y compañía sobre cómo salir en AI Search, con Danny Sullivan y Jeff Dean defendiendo que el buen SEO sigue valiendo. El aviso viene al final: algunos sites que escalaban contenido flojo para AI Search cayeron con la update no confirmada de finales de enero.
1 fuenteChris Green: los chatbots no leen tus imágenes
Dos páginas idénticas, y en una el precio solo existe dentro de una imagen. Ni Gemini ni ChatGPT lo pillan en el flujo normal de fetch y resumen, porque parsean HTML y no hacen OCR. Si lo importante vive solo en píxeles, para AI Search no existe.
1 fuenteEl apagón de Search Console
Según Kevin Indig, GSC oculta cerca del 75 % de las impresiones por filtros de privacidad, las impresiones de bots crecen un 25 % en 180 días y el CTR cae un 56,6 % donde se expanden los AI Overviews. A GSC le queda el papel de herramienta de tendencias, y hay que cruzarlo con Bing Webmaster Tools y logs.
1 fuenteLa mentira de la precisión en los prompt trackers
Natzir Turrado recuerda que un LLM genera probabilidades y que el tracker lanza la consulta desde una API limpia, sin historial, ubicación ni sesión. Vender un "estás en posición 1" da una falsa sensación de control.
1 fuenteLa defensa pragmática del tracking
Esteve Castells, desde LLM Pulse, admite la variabilidad pero defiende que con volumen suficiente la tendencia vale, sobre todo en nichos. Su propuesta es medir el porcentaje de apariciones y olvidarse del ranking individual.
1 fuenteSparkToro: las IAs son muy inconsistentes
Rand Fishkin repitió el mismo prompt cientos de veces. Menos del 1 % de las veces salió la misma lista de marcas, y menos del 0,1 % en el mismo orden. Pagar por saber si sales primero o segundo es tirar el dinero; lo que importa es con qué frecuencia apareces.
1 fuenteGoogle: no hagáis contenido en trocitos
Danny Sullivan avisa de que trocear el contenido en fragmentos diminutos para agradar a los LLMs es una estrategia perdedora a largo plazo. Si pierdes al humano, Google dejará de rankearte.
2 fuentesEl presupuesto de grounding de Gemini
Dan Petrovic analiza más de 7.000 consultas y calcula que Gemini usa unas 2.000 palabras por consulta para fundamentar su respuesta. O sea, Google te pide que no trocees y su IA trocea. Nosotros nos quedamos con contenido profundo, pero ordenado en bloques limpios.
1 fuenteTus primeras 200 palabras deciden si te citan
Según WordStream, los LLMs escanean el arranque para entender tema, autor y credibilidad, y el nuevo above the fold es semántico. Si ahí no dices quién eres y qué resuelves, te quedas fuera.
1 fuenteCC Rank, la autoridad en Common Crawl
Metehan Yesilyurt propone medir la centralidad armónica en Common Crawl, que es el corpus con el que se entrenan la mayoría de LLMs. Los enlaces desde sitios centrales de ese grafo ayudarían a que la IA se acuerde de ti, y eso hace el Digital PR doblemente rentable.
1 fuenteHubSpot y las tripletas semánticas
Un 642 % más de citas en herramientas de IA. Eso consiguió HubSpot reescribiendo contenido importante en frases de sujeto, predicado y objeto, con la respuesta primero y sin abandonar schema ni backlinks.
1 fuenteIngeniería inversa a Google Discovery Engine
Sin leaks, solo con la documentación pública: la búsqueda con IA de Discovery Engine va en cuatro fases (prepare, retrieve, signal y serve). Trocea documentos en chunks de hasta 500 tokens que pueden arrastrar la jerarquía de encabezados, usa siete señales de ranking (base ranking, Gecko, Jetstream, BM25, predicción de CTR, freshness y boost/bury) y solo personaliza cuando hay datos masivos. Para las webs pequeñas, las reglas son otras.
1 fuente¿Del ranking a la generación? La tesis de Josh Budman
Budman sostiene que con la búsqueda con IA cambia la función objetivo del SEO, que pasaría de maximizar tráfico por posición a influir en la respuesta generada. Según él, los sistemas de recuperación prefieren páginas cortas, de una sola intención y fáciles de trocear antes que las guías definitivas enormes.
1 fuentePor qué esa tesis hace aguas
Una crítica en LinkedIn la desmonta punto por punto. El pipeline actual es ranking, selección y generación, así que el ranking sigue ahí; BM25 normaliza por densidad en lugar de penalizar los documentos largos, y la penalización por mezcla semántica no aplica en producción. Encima, el propio autor admite que no hacen falta técnicas nuevas y lo prueba con un único ejemplo.
1 fuenteLos agentes suspenden en trabajo remoto real
Scale AI puso a los mejores sistemas de IA a hacer proyectos freelance reales: diseño de producto, videojuegos, análisis de datos, redacción científica. Ninguno pasó del 2,5 % de tareas completadas. Para ser el año de los agentes, algo no cuadra.
2 fuentesMcKinsey: casi todos prueban la IA, pocos la escalan
Según The State of AI 2025, dos tercios de las empresas no han escalado la IA y solo un 39 % ve impacto en el EBIT, aunque el 62 % ya experimenta con agentes. Las que más valor sacan rediseñan flujos completos en lugar de automatizar tareas sueltas. Nada que nos sorprenda.
1 fuentePowell y el empleo en la era de la IA
El presidente de la Reserva Federal reconoce que la creación de empleo anda cerca de cero y que las empresas citan la IA como motivo de sus recortes. Y los beneficios de la automatización se quedan en las rentas más altas.
1 fuenteLa mayor ola de despidos desde 2008
Un vídeo recopila las cifras de la ola de despidos de 2025 en EE. UU.: más de 312.000 recortes en tecnología según Challenger, Gray & Christmas, concentrados en doce gigantes que sustituyen puestos por agentes de IA.
1 fuenteUna artista de IA en las listas de Billboard
Xania Monet, una artista generada con IA, debuta en la lista Adult R&B Airplay. Ahí lo dejamos.
1 fuenteThe Illusion of Readiness, o los modelos que van por atajos
El paper pone a modelos como GPT-5, o3, o4, 4o o Gemini 2.5 Pro ante pruebas médicas multimodales. Según sus autores, adivinan el razonamiento en lugar de razonar: aciertan sin ver la imagen o se inventan las explicaciones. De ahí sale la pregunta práctica de qué tareas tiene sentido darle a la IA según tu tolerancia al error.
1 fuenteCómo lograr determinismo en los LLMs
Thinking Machines Lab, la empresa de Mira Murati, ha dado con el motivo por el que los modelos responden distinto a la misma pregunta. El hardware queda descartado; el culpable está en cómo se agrupan y procesan las solicitudes. Con su solución sale siempre la misma respuesta. Ojo, que determinista no significa correcta.
1 fuenteSimilitud semántica vs. ranking
Para Cyrus Shepard, los embeddings son un mínimo necesario y poco más. En una búsqueda competitiva, el top 100 tiene embeddings muy parecidos y sin correlación clara con la posición. Lo juntamos con el estudio PaRaDe de Google, que encuentra solo un 5 % de correlación entre similitud semántica y buen re-ranking, y con su Difficulty-based Selection (DBS), que premia los pasajes más difíciles. Así que la similitud te selecciona y el resto lo deciden otros factores.
2 fuentesAI Mode desde la barra de Chrome Canary
Mención rápida. En Chrome Canary puedes buscar en AI Mode desde la barra con @aimode, y al escribir @ salen sugerencias. Casi todo esto ya está en Chrome normal; lo único que falta es la opción de AI Mode.
1 fuenteMike King desmenuza AI Mode
Repasamos el análisis de Mike King sobre AI Mode. Según él, favorece el modelo sin clics, personaliza con embeddings y recupera por fragmentos; encima tiene una arquitectura por capas y usa memoria ambiental.
2 fuentesGemini, el motor detrás de AI Mode
Dan Petrovic sostiene que Gemini mueve AI Mode y que tira de un almacén interno de Google en lugar de ir a la web. Nosotros creemos que el índice sigue igual y que lo que ha cambiado es la relación chunk-query, mucho más profunda. Eso podría explicar tantas desindexaciones recientes.
Los documentos del juicio antimonopolio
Según los documentos del juicio antimonopolio, Google está rediseñando su arquitectura de búsqueda. Y los LLMs podrían acabar en el centro.