Cómo arma una respuesta un motor de IA y por qué cita a unos y no a otros

Memoria del modelo o búsqueda en vivo

Un motor de IA responde con lo que aprendió en su entrenamiento (su memoria) o con lo que encuentra en la web en ese momento (búsqueda en vivo). La memoria no cita fuentes y cambia muy despacio. La búsqueda en vivo cita fuentes y cambia en días. Casi todo lo que puedes influir rápido está en la segunda.

Un modelo de lenguaje como los que usan ChatGPT, Gemini o Claude aprende de una cantidad enorme de texto hasta una fecha de corte. De ese entrenamiento le queda algo parecido a una memoria: sabe que Bogotá es la capital de Colombia y probablemente sabe qué es una empresa grande y conocida de tu sector. Pero esa memoria tiene tres problemas para una marca:

• Está desactualizada. Todo lo que publicaste después de la fecha de corte no existe para el modelo.
• Es imprecisa con lo pequeño. Las marcas, personas y empresas que aparecen poco en internet quedan mal representadas o no aparecen.
• No cita. Cuando el modelo responde de memoria, no hay un enlace a tu sitio que alguien pueda seguir.

Por eso los motores agregaron la búsqueda en vivo. Cuando la pregunta lo amerita (algo reciente, local, comercial o muy específico), el sistema consulta la web, lee varias páginas y redacta la respuesta con base en ellas, mostrando de dónde salió cada parte.

Las dos importan. La búsqueda en vivo es la palanca rápida. La memoria es el efecto acumulado de tener una presencia consistente durante años, y se construye sobre todo con autoridad fuera de tu sitio, que es el tema del capítulo 5.

Una respuesta, paso a paso

Con búsqueda activada, el motor convierte la pregunta en una o varias consultas, busca en un índice, toma los fragmentos más útiles de las páginas encontradas, redacta la respuesta con esos fragmentos y añade las citas. Tu página puede quedar por fuera en cualquiera de esos pasos.

Cada motor tiene su propia implementación y ninguno publica todos los detalles, pero el flujo general es el mismo que el de la técnica RAG. Si quieres la explicación de fondo, la escribí en qué es RAG en inteligencia artificial. Aplicado a un motor de respuestas, se ve así:

1. Interpretar la pregunta. El sistema decide si necesita buscar. “¿Qué es la fotosíntesis?” se puede responder de memoria. “¿Qué agencia de marketing en Medellín me recomiendas?” casi siempre activa la búsqueda.
2. Reformular en consultas. Una pregunta larga se convierte en varias búsquedas cortas. Google llama a esto query fan-out: AI Overviews y AI Mode pueden lanzar varias búsquedas relacionadas sobre subtemas para armar una sola respuesta. Microsoft documenta algo parecido para Copilot, que genera una consulta corta a partir del prompt y la envía a Bing.
3. Recuperar resultados. Las consultas van a un índice: el de Google, el de Bing o uno propio. Si tu página no está en ese índice, el proceso termina aquí para ti.
4. Leer y seleccionar fragmentos. El sistema descarga las páginas candidatas y extrae los pasajes que mejor responden a cada subpregunta. Aquí gana el texto claro: una frase que responde de forma directa le sirve más que tres párrafos de contexto.
5. Redactar. El modelo escribe la respuesta usando esos fragmentos más lo que ya sabe.
6. Citar. Las afirmaciones se enlazan a las páginas de donde salieron. No todas las páginas leídas terminan citadas.

Cómo difiere cada motor

ChatGPT busca con su propio rastreador de búsqueda, Gemini y AI Overviews se apoyan en el índice de Google, Perplexity busca en casi todas las preguntas, Copilot se apoya en Bing y Claude busca en la web cuando la búsqueda está activada. Por eso una marca puede aparecer en uno y no en otro.

La lógica es la misma, pero cada motor tiene su propio índice, sus propios bots y sus propias reglas para decidir cuándo buscar. Esto es lo que se puede afirmar con la documentación pública de cada empresa:

ChatGPT

ChatGPT decide por su cuenta cuándo buscar y el usuario también puede forzarlo. Para que tu sitio sea elegible, OpenAI pide no bloquear su rastreador de búsqueda. Su documentación de bots es explícita: OAI-SearchBot se usa para mostrar sitios en los resultados de búsqueda de ChatGPT, y los sitios que lo bloquean no aparecen en esas respuestas. GPTBot, en cambio, es para entrenamiento. Bloquear uno no bloquea el otro.

La escala importa: en octubre de 2025 Sam Altman dijo que ChatGPT tenía más de 800 millones de usuarios semanales.

Google: AI Overviews, AI Mode y Gemini

AI Overviews es el resumen que aparece arriba de los resultados de Google, y AI Mode es la experiencia de búsqueda conversacional. Ambos se alimentan del índice de Google. La guía oficial de Google dice que no hay requisitos adicionales para aparecer en ellos y que no necesitas archivos de texto para IA ni marcado especial: si tu página puede aparecer en la Búsqueda con fragmento, puede ser elegida. Según Alphabet en julio de 2025, AI Overviews tenía más de 2.000 millones de usuarios mensuales en más de 200 países y territorios.

El token Google-Extended, que puedes poner en robots.txt, controla si tu contenido se usa para entrenar y fundamentar Gemini. Google aclara en su lista de rastreadores que no afecta la inclusión en Google Search ni se usa como señal de posicionamiento.

Perplexity

Perplexity nació como motor de respuestas con búsqueda, así que casi todas sus respuestas muestran fuentes. Su bot de indexación, PerplexityBot, según su guía de bots, sirve para mostrar y enlazar sitios en sus resultados y no se usa para entrenar modelos. Es probablemente el motor donde un cambio en tu sitio se nota más rápido.

Copilot

Microsoft documenta que Microsoft 365 Copilot y Copilot Chat consultan el servicio de búsqueda de Bing cuando la web ayuda a dar una respuesta mejor fundamentada. Para el Copilot de consumo no encontré un documento equivalente, pero el ecosistema es el mismo: si no estás bien indexado en Bing, tus opciones bajan. En febrero de 2026 Bing lanzó en vista previa un informe de rendimiento en IA dentro de Bing Webmaster Tools que muestra cuándo tu sitio se cita en Copilot y en los resúmenes de IA de Bing.

Claude

Claude, de Anthropic, puede buscar en la web cuando la función está activa y, según Anthropic, entrega citas directas para que el usuario verifique las fuentes. Anthropic usa tres agentes distintos, descritos en su página de soporte: ClaudeBot para recolectar contenido que puede usarse en entrenamiento, Claude-User para visitas que pide un usuario y Claude-SearchBot para mejorar la calidad de los resultados de búsqueda.

Por qué cita a unos y no a otros

Un motor cita una página cuando puede encontrarla, cuando un fragmento de ella responde de forma directa una subpregunta y cuando la fuente le parece confiable. Ser encontrable es técnico, responder bien es contenido y parecer confiable es autoridad.

Ningún motor publica su algoritmo de selección de fuentes. Lo que sí se puede hacer es combinar lo que dicen las empresas, lo que muestran los estudios independientes y lo que se observa al medir. De ahí salen cinco factores que se repiten:

El caso de las recomendaciones

Cuando alguien pide una recomendación (“¿qué consultor de IA en Medellín me recomiendas?”), el motor no busca una página que diga “yo soy el mejor”. Busca consenso: listas, artículos, directorios, reseñas y conversaciones donde aparezcan nombres que se repiten. Por eso las marcas que más aparecen recomendadas no siempre son las que tienen el mejor sitio, sino las que más se mencionan en fuentes de terceros. Es una diferencia grande con el SEO clásico, donde tu propia página era casi todo.

Los dominios que más se citan cambian

Los estudios que miden qué dominios citan los motores muestran que la mezcla se mueve rápido. Semrush analizó unos 230.000 prompts durante 13 semanas de 2025 y encontró que las citas de ChatGPT a Reddit cayeron de cerca del 60 % de las respuestas a cerca del 10 % entre agosto y septiembre de ese año, mientras que en AI Mode y Perplexity no hubo una caída equivalente. La lección no es “publica en Reddit” ni “olvídate de Reddit”: es que depender de un solo canal es frágil, y que cada motor tiene preferencias distintas.

Lo que dice la investigación

El estudio académico más citado sobre el tema, GEO de Aggarwal y otros (KDD 2024), encontró que ciertos cambios de contenido pueden aumentar la visibilidad en respuestas generativas hasta en 40 %. Lo que más funcionó fue citar fuentes, añadir citas textuales y añadir estadísticas. Llenar el texto de palabras clave no funcionó.

El artículo GEO: Generative Engine Optimization, de un equipo de investigadores encabezado por Pranjal Aggarwal, con autores de Princeton, IIT Delhi y otras instituciones, se publicó en noviembre de 2023 y fue aceptado en la conferencia KDD 2024. Fue el que popularizó el término GEO. Sus autores crearon un conjunto de prueba de miles de preguntas, aplicaron distintas técnicas de reescritura a las páginas fuente y midieron cuánto cambiaba su presencia en las respuestas generadas.

Un hallazgo especialmente útil para empresas pequeñas: el beneficio fue mayor para las páginas que estaban más abajo en los resultados del buscador. En el análisis por posición, la técnica de citar fuentes aumentó la visibilidad de la página que estaba en quinto lugar en 115 %. Dicho de otra forma: el contenido bien construido puede compensar parte de la desventaja de no estar arriba.

Hay que leerlo con cuidado. Es un experimento con motores construidos por los propios investigadores y con un conjunto de preguntas definido, no una medición dentro de ChatGPT o Gemini en producción. Sirve como dirección, no como promesa.

Qué pasa con los clics

Cuando aparece un resumen de IA, la gente hace menos clic. Pew Research encontró que los usuarios hicieron clic en un resultado tradicional en el 8 % de las visitas con resumen, frente al 15 % sin resumen. Por eso la meta ya no es solo el clic: es ser la marca nombrada en la respuesta.

El estudio de Pew Research Center de julio de 2025 analizó la navegación real de 900 adultos en Estados Unidos durante marzo de 2025. Cuando Google mostraba un resumen de IA, los usuarios hicieron clic en un resultado tradicional en el 8 % de las visitas, contra 15 % cuando no había resumen. Solo el 1 % de las visitas terminó con un clic en un enlace dentro del propio resumen.

Ahrefs llegó a una conclusión parecida con otra metodología. En su actualización de febrero de 2026, comparando 300.000 palabras clave con datos de Search Console, encontró que la página en la posición 1 tenía un CTR promedio 58 % más bajo cuando había un AI Overview. Ahrefs aclara que es una correlación, no un experimento.

Esto cambia lo que hay que medir:

• Menciones: ¿la respuesta nombra tu marca?
• Citas: ¿enlaza tu sitio como fuente?
• Posición en la respuesta: ¿apareces primero o en la quinta línea?
• A quién nombran en tu lugar: ¿qué competidor ocupa el espacio que quieres?

Cómo medir cada una de esas cosas es el tema del capítulo 2.

Cinco mitos frecuentes

La visibilidad en IA no reemplaza al SEO, no depende de un archivo mágico, no se compra, no es igual en todos los motores y no se mide preguntando una sola vez.

1. “El SEO murió.” Falso. Google dice que sus funciones de IA usan las mismas bases de la Búsqueda, y varios motores consultan índices de buscadores. El SEO técnico y de contenido es la base de la visibilidad en IA.
2. “Con un llms.txt ya quedo listo.” No hay evidencia pública de que los grandes motores lo usen para elegir fuentes. Lo explico en el capítulo 3.
3. “Hay un schema especial para la IA.” Google dice explícitamente que no necesitas datos estructurados especiales para AI Overviews. El schema estándar ayuda a describir tu entidad, nada más y nada menos.
4. “Si salgo en ChatGPT salgo en todos.” Cada motor usa índices y bots distintos. Es normal aparecer en uno y no en otro.
5. “Le pregunté a ChatGPT y no salí, entonces no existo.” Las respuestas varían entre sesiones, ubicaciones y formulaciones. Una sola prueba no dice nada; se necesita una muestra de prompts repetida en el tiempo.

Qué hacer con todo esto

Primero mide dónde estás, después asegura la base técnica, luego reescribe tus páginas clave para que sean fáciles de citar y, en paralelo, construye menciones fuera de tu sitio. Ese es el orden de los capítulos siguientes.

Si este capítulo te deja una sola idea, que sea esta: la IA no te recomienda por lo que dices de ti, sino por lo que puede encontrar, entender y verificar. Todo lo demás se desprende de ahí.