Cómo convertirse en fuente de referencia preferida de la IA

La pregunta que llega a consultoría casi siempre viene formulada como un pedido de truco. Alguien quiere saber qué escribir para que ChatGPT recomiende la marca. La respuesta útil empieza en otro lugar, en la descripción de lo que tiene que pasar, en secuencia, para que un sistema generativo cite a alguien.

Son tres condiciones encadenadas. El contenido tiene que ser recuperado, lo que depende del acceso técnico y de la estructura. Tiene que ser atribuido a una entidad estable, lo que depende de una identidad declarada y consistente. Y tiene que ser corroborado fuera del dominio propio, lo que depende de que terceros repitan la misma información. Romper cualquier eslabón tira abajo los siguientes. En el modelo de cinco capas, la primera condición cubre rastreabilidad y estructura, la segunda corresponde a la interpretación y la tercera, a la memoria.

Por qué la superficie de respuesta cambió de lugar

El cambio tiene un tamaño medido, y el número más directo viene de un panel de navegación real, que pesa más que cualquier declaración de intención.

Los dos números miden cosas distintas y apuntan al mismo lugar. Uno muestra que la visita dejó de ocurrir, el otro muestra que el espacio donde se responde la pregunta cambió de dueño. Quien sigue solo la posición continúa viendo un retrato correcto de una superficie que se achicó. Los indicadores de la superficie que creció están en los KPIs de búsqueda con IA.

Primera condición: ser recuperada por el sistema

La recuperación es una operación técnica antes de ser editorial. El sistema tiene que poder entrar, leer y aislar un fragmento que responda la pregunta. Tres fallas concentran la mayor parte de los casos que encuentro en auditorías.

• Bloqueo genérico en el robots.txt, escrito a las apuradas, que deja afuera a los rastreadores de búsqueda de IA junto con los de entrenamiento. El efecto es salir de las respuestas con enlace y seguir en el corpus de los recolectores que ignoran la directiva.
• Contenido principal entregado solo después de la ejecución de scripts. Lo que depende de renderizado adicional entra en una cola que no todo recolector recorre.
• Respuesta enterrada en el medio del texto, después del contexto, la historia de la empresa y la justificación. El fragmento recuperable tiene que tener sentido aislado de la página que lo contiene.

Segunda condición: ser atribuida a una entidad

Un sistema generativo cita entidades. Las páginas sueltas, sin dueño declarado, atraviesan la lectura sin generar atribución. Mientras la marca exista como una colección de páginas sin declaración de identidad, cada mención depende de que el modelo reconstruya solo quién responde por eso. Esa reconstrucción falla con frecuencia cuando el nombre cambia de grafía entre canales, cuando el contenido no tiene autor nombrado o cuando la página institucional describe servicios sin describir a la entidad.

El trabajo aquí tiene un nombre viejo y sigue valiendo. Declarar quién eres, en una frase objetiva que tenga sentido fuera de la página. Repetir esa frase de forma estable en todos los canales. Vincular los perfiles oficiales entre sí con sameAs. Nombrar al autor de cada contenido y darle una página propia con credenciales verificables.

Tercera condición: ser corroborada fuera del dominio

La información que aparece en un único dominio tiene estatus de alegato. La que aparece igual en fuentes independientes tiene estatus de hecho para el sistema que la lee. Esa es la diferencia práctica entre estar en el índice y ser recordada.

La corroboración se construye con trabajo lento y verificable. Publicación en medios de terceros, participación en eventos con registro público, cita de otro profesional del área, registro en bases estructuradas como Wikidata o directorios sectoriales, mención en material académico. Nada de eso ocurre dentro del sitio. Para saber si la corroboración está teniendo efecto, la medición sigue el método para rastrear la visibilidad en IA, con la misma cartera de preguntas a lo largo de las semanas.

El bloque de fuente, elemento por elemento

Existe un artefacto simple que atiende las tres condiciones al mismo tiempo, y casi nadie lo publica. Un bloque corto, al pie del contenido, que declara quién responde por ese texto, con base en qué investigación y desde cuándo.

Sirve a dos lectores. La persona que tiene que decidir si confía, y el sistema que necesita una oración atribuible para citar. Cinco elementos alcanzan.

• Nombre de la entidad, con la misma grafía usada en todos los demás canales.
• Definición en una frase, sin pronombres y sin adjetivos sin respaldo, que tenga sentido aislada de la página.
• Credenciales verificables por terceros, con formación, función y años de trayectoria.
• Cómo se investigó la información, en una frase, que es el elemento que casi todo sitio omite.
• Fecha de la última revisión, real, con marca de tiempo legible por máquina.

Herramienta publicada: el generador de bloque de fuente arma el HTML y el JSON-LD listos para pegar, a partir de un formulario. Viene acompañado de un diagnóstico de recuperabilidad con veinte ítems puntuados y de un generador de robots.txt por categoría de bot. La herramienta es abierta, libre para usar y adaptar con atribución.

El diagnóstico de recuperabilidad, y por qué está puntuado

Un checklist sin pesos produce la ilusión de progreso. Quien marca diez ítems fáciles y ninguno difícil termina con la misma sensación de quien resolvió lo que importa. Por eso el diagnóstico asigna un peso a cada ítem, según cuánto afecta la probabilidad de recuperación y de cita.

Los pesos mayores quedan en los ítems que rompen la cadena entera cuando fallan. Bloqueo indebido de un rastreador de búsqueda de IA. Contenido dependiente de la ejecución de scripts. Ausencia de autor nombrado. Ausencia de corroboración externa. Datos sin fuente y sin fecha.

Lo que no funciona para convertirse en fuente de IA

Tres prácticas circulan con frecuencia y no sobreviven a la verificación.

Optimizar contenido para IA. Tomado al pie de la letra: optimizar contenido, que es el trabajo de siempre. La parte nueva es la unidad, porque la recuperación pasó a ocurrir por bloques. El query fan out entra en la optimización de ayer, y buena parte de lo que se vende como disciplina nueva entra junto. La diapositiva del congreso cambia cada año, y el trabajo cambia bastante menos.

• Bloques de texto escritos para agradar al modelo, con la repetición del nombre de la marca en cada frase. El patrón es detectable y degrada la lectura humana, que sigue siendo la fuente de la señal de calidad.
• Archivos declarativos sin adhesión del operador, tratados como si produjeran un bloqueo o una preferencia efectiva. Una declaración sin adhesión vale como intención registrada, con valor jurídico potencial y sin fuerza técnica. El llms.txt entra en esta categoría: la página de la propuesta se presenta como propuesta de estandarización y describe el uso por agentes, sin afirmar que las plataformas de IA lean el archivo de otros sitios.
• Conteo de menciones sin verificar la atribución. Aparecer en una respuesta con el nombre cambiado o con información equivocada es un problema de marca contabilizado en la columna de las ganancias.

El orden de ejecución, paso a paso

• Correr el diagnóstico y anotar la puntuación inicial con fecha, para tener una línea de base.
• Corregir los ítems de acceso técnico, que son los de efecto inmediato y bajo costo.
• Publicar el bloque de fuente en las páginas centrales, empezando por las que ya reciben menciones.
• Estandarizar nombre, definición y perfiles en todos los canales, con la misma frase.
• Abrir un frente de corroboración externa, con una meta trimestral de publicaciones y registros fuera del dominio propio.
• Repetir el diagnóstico cada trimestre y comparar la puntuación, con un responsable nombrado para la revisión.