El tráfico referido por LLM se convierte entre un 30% y un 40%, y la mayoría de las empresas no lo están optimizando.

Durante más de dos décadas, el descubrimiento digital ha operado según un modelo simple: buscar, escanear, hacer clic, decidir.

Eso funcionó cuando los humanos eran los que hacían búsquedas en la web; pero con la llegada de los agentes de IA, el principal consumidor de información ya no es siempre el ser humano.

Esto está dando lugar a un nuevo paradigma: la optimización del motor de respuesta (AEO), también conocida como optimización generativa del motor (GEO). Debido a que los agentes ven los datos de manera muy diferente a como lo hacen los humanos, el éxito ya no se define por las clasificaciones y los clics, sino por si los sistemas de inteligencia artificial comprenden, seleccionan y citan el contenido.

El modelo de SEO sobre el que se construyó la web simplemente ya no va a ser suficiente, y las empresas deben prepararse ahora.

Cómo los LLM interpretan el contenido web

El SEO tradicional se basa en palabras clave, clasificaciones, optimización a nivel de página y tasas de clics. Los usuarios buscan manualmente en múltiples fuentes y hacen clic para obtener lo que necesitan. Sencillo, pero a veces frustrante y definitivamente consume mucho tiempo.

Pero OEA opera en un nivel completamente diferente. Los agentes se están apoderando cada vez más de los flujos de trabajo de los usuarios: Claude Code, OpenClaw, CrewAI, Microsoft Copilot, AutoGen, LangChain, Agent Bricks, Agentforce, Google Vertex, la interfaz web de Perplexity y todo lo que aparece.

Estos agentes no “navegan” por la web como lo hacen los humanos. Analizan la intención del usuario basándose no sólo en la fraseología, sino también en la memoria persistente y el contexto de sesiones pasadas (en lugar de un simple autocompletado). Requieren materiales que sean concisos, estructurados y directos.

Es más, los agentes están pasando de la navegación a la delegación y se encargan de más trabajo posterior. Lo que comenzó como “buscar, leer, decidir” evoluciona a “el agente recupera, el agente resume, el humano decide” (y, más allá de eso, “el agente actúa → el humano valida”).

«En la práctica, OEA comienza donde termina el SEO», dijo Dustin Engel, fundador de la empresa de consultoría Elegant Disruption. «AEO es la siguiente capa de descubrimiento» o «descubrimiento sin clic».

En este nuevo mundo donde los agentes sintetizan respuestas, es posible que los usuarios ni siquiera vean el sitio web de una empresa, las tasas de clics disminuyen y la atribución y la citabilidad (en lugar de pura visibilidad o aparecer en la parte superior de una lista de enlaces azules) se vuelven críticas.

«El nuevo valor predeterminado se acerca más a un mapa de citas: de dónde proviene el modelo, con qué frecuencia apareces y cómo te describen», dijo Engel.

Algunos, como Adam Yang, de la plataforma de preguntas y respuestas Quora, sostienen que el AEO ya se está convirtiendo en el valor predeterminado del SEO.

Esto es para «una cierta clase de consultas», señala Yang. Cualquier pregunta en la que el usuario quiera una respuesta sintetizada («cuál es el mejor enfoque para X», «compare estas dos opciones», «qué necesito saber sobre Y») se resuelve cada vez más mediante una IA sin un clic.

Los propios AI Overviews de Google ya están acelerando esto en el lado del consumidor, señalan muchos analistas. «El SEO no está muerto», dijo Yang. «Pero el objetivo de optimización ha pasado de ‘clasificar en la página 1’ a ‘ser citado en la respuesta'».

Cómo los desarrolladores ya están utilizando agentes de IA

¿Existen escenarios en los que la búsqueda regular/buscar en Google sigue siendo la mejor opción?

«Absolutamente», dijo el analista Wyatt Mayham de Northwest AI Consulting. En particular, para tareas personales como encontrar restaurantes cercanos o proveedores de servicios locales. La interfaz es “simplemente mejor” en esos casos porque integra mapas, reseñas y fotografías. «Esa experiencia es difícil de superar en este momento», afirmó.

Sin embargo, para la investigación relacionada con el trabajo, dice que “apenas” ya utiliza la búsqueda tradicional y que cada mes se está “acercando a cero”.

«Cuando necesito comprender una empresa o una persona profesionalmente, los agentes lo hacen más rápido y me brindan un resultado más útil que una página de enlaces azules», dijo.

Su empresa utiliza agentes autónomos “en gran medida” y creó una función Claude Skills que impulsa sus operaciones de ventas. Antes de una llamada de descubrimiento con un cliente potencial, los miembros del equipo pueden activar una habilidad que extrae el perfil de LinkedIn del contacto, extrae el sitio web de su empresa, obtiene información relevante de fuentes como ZoomInfo y crea una imagen clara de sus ingresos, tamaño del equipo, pila tecnológica y puntos débiles.

«Cuando recibo una llamada, tengo un resumen de investigación personalizado listo para usar sin tener que pasar de 30 a 45 minutos buscando manualmente en Google», dijo Mayham.

La gran ventaja es que estas herramientas se ejecutan en segundo plano, señaló. No tiene que sentarse haciendo clic en las pestañas del navegador: simplemente le dice al agente lo que necesita, él lo hace y obtiene un resultado estructurado que es realmente útil.

«Se ha reducido a unos pocos minutos lo que solía ser una hora completa de preparación de ventas», dijo Mayham.

Carlos Dutra, gerente de ciencia de datos de la empresa de tecnología financiera Trustly, dijo que Claude Code ha «cambiado genuinamente» su flujo de trabajo diario. Lo usa para la mayor parte de su trabajo de codificación, y lo que lo sorprendió no fue la velocidad, sino el hecho de que no necesitaba abrir y realizar un seguimiento de las pestañas del navegador. «No porque sea vago, sino porque las respuestas son mejores», dijo. Todavía usa Google para algunas tareas: páginas de precios, noticias recientes, cualquier cosa que deba estar actualizada. «¿Pero por razones técnicas? La mayoría de los agentes han reemplazado la búsqueda de mí personalmente», dijo. Yang de Quora ha tenido una experiencia similar. Ha estado utilizando Claude Code a diario durante los últimos meses, principalmente para estrategia de contenido, gestión del conocimiento e investigación competitiva. Los flujos de trabajo que antes le tomaban medio día ahora toman 30 minutos. Pero lo que ha sido más ventajoso es que ahora puede ejecutar en paralelo tareas de investigación y síntesis que antes tenía que realizar de forma secuencial. También es útil que la retención de contexto de los agentes entre sesiones sea “significativamente mejor” que las herramientas basadas en web. Cuando necesita comprender un concepto, mapear un panorama competitivo o sintetizar las tendencias de la industria, Claude o Perplexity son las opciones antes de abrir una pestaña del navegador. «Empecé a tratar la búsqueda de agentes como mi primera parada, no en Google. La búsqueda tradicional ahora es donde verifico, no donde descubro». Sin embargo, los problemas son reales. Mayham señaló que LinkedIn, en particular, es “agresivo” a la hora de bloquear el acceso automatizado, y muchos otros sitios tienen (o están implementando) protecciones similares. Los usuarios chocarán contra las paredes cuando los agentes no puedan pasar, por lo que un plan alternativo es importante para quienes dependen de los agentes. «La confiabilidad aún no es del 100%, y eso es probablemente lo que más frena una adopción más amplia», afirmó. El consejo de Mayham para otros desarrolladores: dejen de perseguir objetos brillantes. Se lanza una nueva herramienta de inteligencia artificial “prácticamente todos los días” y muchos (incluidos los desarrolladores experimentados) saltan de una plataforma a otra sin siquiera profundizar en ninguna de ellas. «Elija un modelo, profundice y cree flujos de trabajo reales a partir de él», enfatizó. «Obtendrá más valor al dominar una plataforma que a la experimentación superficial en cinco».

Cómo las empresas pueden competir en un mundo impulsado por los OEA

Cuando los agentes de IA realizan la búsqueda, las reglas cambian. La pregunta ya no es si su contenido se ubica en la primera página, sino si el modelo lo selecciona como fuente al generar una respuesta.

La estructura importa mucho más que antes. El contenido debe:

• Organícese en torno a la intención conversacional, proporcione respuestas directas y refleje las preguntas y seguimientos de los usuarios reales;

• Ser autoritario y reflejar una sólida experiencia;

• Estar frescos (y, cuando sea necesario, refrescarse periódicamente);

• Tenga encabezados claros y un esquema de preguntas frecuentes establecido.

Otra obligación es mantener una fuerte presencia de marca en los foros y plataformas (Wikipedia, Reddit, LinkedIn, publicaciones de la industria) en las que se entrena a los modelos. Las empresas también podrían considerar invertir en datos originales, como investigación.

Según la experiencia de Mayham, cuando un LLM recomienda una empresa durante una consulta de estilo de búsqueda, la tasa de conversión es “dramáticamente más alta” que la de los canales tradicionales. Para su empresa, el tráfico referido a un LLM se está convirtiendo entre un 30% y un 40%, lo que «supera lo que vemos en SEO o redes sociales pagas».

«La señal de intención es simplemente diferente cuando alguien está conversando con una IA y esta te recomienda por tu nombre».

La capacidad de descubrimiento dentro de los LLM será tan importante como la clasificación de Google, “tal vez más”, dijo Mayham. «Es una superficie completamente nueva para la adquisición de clientes en la que la mayoría de las empresas ni siquiera están pensando todavía».

Dutra, de Trustly, estuvo de acuerdo en que la “verdad incómoda” es que la mayor parte del contenido empresarial se está volviendo “básicamente invisible” en las consultas realizadas por agentes. «AEO se trata de si su contenido sobrevive a la fragmentación, la integración y la recuperación semántica», dijo.

Las empresas que salen adelante no están haciendo nada “exótico”, señaló. Tienen contenido limpio y declarativo que no requiere contexto para comprenderlo. Aquellos que todavía escriben textos llenos de palabras clave se quedarán atrás porque los LLM se preocupan por la claridad semántica.

Una prueba rápida que ofrece a los clientes: haga a un LLM una pregunta que su página debe responder, sin darle la URL. «Si no puede construir la respuesta a partir de tu contenido, tienes un problema».

Jeff Oxford, de la agencia de SEO Visibility Labs, ofrece valiosos consejos paso a paso:

1. Participe en conversaciones en Reddit, que es uno de los dominios más citados en la búsqueda de IA. Las empresas deben establecer una reputación positiva en Reddit y participar en cualquier hilo relevante donde los clientes soliciten recomendaciones.

2. Construya una fuerte presencia en YouTube. Según Ahrefs, que rastrea el comportamiento en Internet, las menciones de YouTube tienen la «correlación más fuerte» con la visibilidad de la IA en ChatGPT, Modo AI y Reseñas de IA. «Esto tiene sentido, ya que tanto Google como OpenAI han entrenado sus modelos en transcripciones de YouTube», dijo Oxford, «y YouTube es el dominio más citado en los productos de inteligencia artificial de Google».

3. Invierta en relaciones públicas digitales y menciones de marca; este último es el segundo factor más correlacionado con la visibilidad de la IA. «Las marcas necesitan mejorar su presencia digital estando en tantos lugares como sea posible», dijo Oxford.

4. Cree contenido alineado con los patrones de citas de IA. Las empresas deben auditar las indicaciones y los temas en los que los motores de búsqueda de IA están encontrando competidores y luego crear contenido autorizado sobre esos mismos temas.

«El objetivo es convertirse en una fuente que los modelos de IA consideren digna de citar», señaló.

Aún así, puede haber mucha publicidad innecesaria sobre cuán drásticamente deben cambiar las empresas, dijo Shashi Bellamkonda, director principal de investigación de la consultora Info-Tech Research Group. Aquellos que siguen las mejores prácticas para producir contenido que su audiencia realmente necesita, escrito por expertos y mostrando opiniones de expertos, están en una buena posición para ser citados en las búsquedas impulsadas por IA. Señaló que Google desarrolló un marco EEAT (experiencia, conocimientos, autoridad y confianza) para evaluar la calidad y utilidad del contenido y ayudar a los algoritmos a identificar información confiable y de alta calidad. Para destacar, las empresas deben utilizar datos estructurados y esquemas para señalar el contexto: ¿Es este un artículo, un estudio de investigación, una descripción general del producto? «El contenido original de formato largo será valorado por los motores de respuesta impulsados ​​por IA», dijo Bellamkonda. «Las estrategias de imitación o intentar jugar con el sistema son tabú en esta era». Los expertos también deben compartir sus opiniones a través de varios canales, y las páginas «Acerca de nosotros» deben ser «sólidas» e incluir biografías que destaquen la experiencia de los líderes de opinión.

«En última instancia, la reputación de la búsqueda impulsada por IA consiste en garantizar que al usuario le guste la búsqueda en lugar de lo que usted cree que debería leer», dijo Bellamkonda. «Así que centrarse bien en el usuario final es una excelente manera de tener éxito».