De las palabras clave a la comprensión del lenguaje: la revolución que comenzó en 2019 y que hoy continúa con la inteligencia artificial generativa.
Introducción: cuando Google empezó a intentar entender lo que realmente queremos decir
El 25 de octubre de 2019, Google anunció uno de los cambios más importantes de su historia en la forma de interpretar las consultas de los usuarios: BERT (Bidirectional Encoder Representations from Transformers).
No era una actualización convencional destinada a modificar determinados factores de posicionamiento, introducir nuevas penalizaciones o mejorar la velocidad de indexación. Era algo mucho más profundo: un avance en la capacidad del buscador para comprender el lenguaje humano, interpretar las relaciones entre palabras y reconocer el contexto de una búsqueda.
Hasta entonces, buena parte de las estrategias SEO se habían construido alrededor de una premisa relativamente sencilla: identificar las palabras que utilizaban los usuarios y conseguir que esas palabras apareciesen en los lugares adecuados de una página web.
El problema era evidente. Las personas no siempre buscan utilizando expresiones perfectamente estructuradas. Escribimos frases incompletas, cometemos errores, utilizamos sinónimos, formulamos preguntas y damos por supuesto un contexto que el buscador no siempre conoce.
No buscamos como una máquina. Buscamos como personas.
Con BERT, Google dio un paso decisivo para reducir esa distancia.
La importancia de aquella actualización no reside únicamente en su impacto inmediato sobre los resultados de búsqueda. Su verdadero valor está en que anticipó una transformación que hoy resulta mucho más evidente: los motores de búsqueda ya no se limitan a localizar documentos que contienen determinadas palabras. Intentan interpretar preguntas, identificar intenciones, relacionar conceptos y ofrecer respuestas.
En 2026, con la expansión de los resultados generados mediante inteligencia artificial, las experiencias conversacionales y los asistentes digitales, aquella evolución adquiere una nueva dimensión.
Lo que comenzó como una mejora en la comprensión del lenguaje se ha convertido en uno de los fundamentos tecnológicos de la nueva economía de la información.
Este artículo recupera el anuncio de BERT de 2019, explica su funcionamiento, analiza sus consecuencias para el marketing digital y el posicionamiento orgánico y examina qué pueden aprender las empresas de aquella transformación para competir en el nuevo escenario de búsqueda.
1. ¿Qué es Google BERT y por qué fue tan importante?
BERT son las siglas de Bidirectional Encoder Representations from Transformers, una arquitectura de procesamiento del lenguaje natural desarrollada por investigadores de Google.
Su objetivo es que los sistemas de inteligencia artificial puedan comprender mejor el significado de las palabras teniendo en cuenta el contexto en el que aparecen.
Para entender su importancia debemos recordar una limitación histórica de los motores de búsqueda: interpretar una consulta no consiste simplemente en reconocer las palabras que contiene.
Una misma palabra puede tener significados diferentes. Una misma intención puede expresarse de muchas maneras. Y una pequeña preposición puede cambiar completamente el sentido de una frase.
Imaginemos dos consultas:
- «Viajar de Barcelona a Roma con poco presupuesto».
- «Viajar de Roma a Barcelona con poco presupuesto».
Las palabras son prácticamente las mismas, pero la dirección del viaje cambia.
O pensemos en una consulta como:
«¿Puedo comprar medicamentos para alguien que no puede desplazarse?».
Para responder correctamente, el buscador necesita comprender la relación entre las palabras, especialmente los elementos que determinan quién realiza la acción y quién recibe sus efectos.
Los algoritmos tradicionales podían identificar términos relevantes, pero tenían dificultades para interpretar determinadas relaciones lingüísticas.
BERT mejoró esa capacidad.
1.1. El significado depende del contexto
Uno de los grandes avances de BERT fue su capacidad para analizar las palabras teniendo en cuenta tanto el contexto anterior como el posterior.
Los modelos lingüísticos anteriores trabajaban, en muchos casos, con representaciones más limitadas del contexto. BERT introdujo un enfoque bidireccional que permite interpretar una palabra considerando el conjunto de la secuencia.
Pongamos un ejemplo:
«El banco está cerca del parque».
La palabra banco puede referirse a una entidad financiera o a un asiento. El contexto permite interpretar cuál de los significados resulta más probable.
Lo mismo sucede con consultas comerciales:
- «Comprar una batería para un coche».
- «Comprar una batería para tocar música».
- «Comprar una batería externa para el móvil».
La palabra batería aparece en todas ellas, pero la intención de búsqueda es completamente diferente.
La capacidad de interpretar esas diferencias resulta fundamental para ofrecer resultados relevantes.
1.2. El papel de las preposiciones y las relaciones entre palabras
Uno de los aspectos más interesantes del anuncio original de Google fue la importancia que concedía a palabras aparentemente poco relevantes.
Preposiciones como «para», «de», «a» o «con» pueden cambiar el significado de una consulta.
En una búsqueda como:
«2019 brasileño que viajó a Estados Unidos necesita visado».
La interpretación depende de comprender quién viaja, desde dónde y hacia dónde.
No basta con reconocer los términos Brasil, Estados Unidos y visado. Es necesario comprender la relación que existe entre ellos.
Esto tiene consecuencias directas para el SEO.
Durante años, muchos profesionales habían trabajado con listas de palabras clave y densidades de repetición. BERT evidenció que el significado de una consulta no puede reducirse a una suma de términos aislados.
El contexto importa tanto como las palabras.
2. Cómo funciona BERT: los Transformers y la comprensión bidireccional
Para comprender la relevancia tecnológica de BERT conviene detenerse en su arquitectura.
BERT se basa en Transformers, una arquitectura de redes neuronales presentada en 2017 en el trabajo de investigación Attention Is All You Need.
Su principal aportación fue introducir un mecanismo de atención que permite al modelo identificar las relaciones entre diferentes elementos de una secuencia.
En lugar de procesar cada palabra como una unidad independiente, el modelo puede prestar atención a otras palabras de la misma frase y determinar qué relaciones resultan relevantes para interpretar su significado.
2.1. El mecanismo de atención
Imaginemos la frase:
«El cliente compró una pintura porque quería renovar su habitación».
Para interpretar correctamente el texto, un sistema necesita relacionar:
- Cliente con la acción de comprar.
- Pintura con el objeto adquirido.
- Renovar con la motivación.
- Habitación con el espacio que se pretende transformar.
El mecanismo de atención permite establecer relaciones entre las diferentes partes de una secuencia.
No todas las palabras tienen la misma importancia para interpretar una consulta. Algunas determinan la intención, otras identifican el producto y otras aportan contexto.
La arquitectura Transformer permite ponderar esas relaciones.
2.2. ¿Qué significa que BERT sea bidireccional?
La bidireccionalidad es una de sus características fundamentales.
Un modelo que interpreta una frase únicamente de izquierda a derecha tiene una perspectiva limitada: cuando encuentra una palabra, todavía no ha procesado el contexto que aparece después.
BERT utiliza un entrenamiento que le permite aprender representaciones contextuales considerando ambos lados de una palabra.
Esto mejora su capacidad para interpretar expresiones ambiguas, relaciones gramaticales y significados dependientes del contexto.
2.3. El entrenamiento mediante palabras enmascaradas
Durante su entrenamiento, BERT utiliza una técnica conocida como Masked Language Modeling.
Consiste en ocultar determinadas palabras de una frase y entrenar al modelo para que pueda predecirlas a partir del contexto.
For example:
«El consumidor busca una [MÁSCARA] que sea resistente al agua».
El modelo aprende a identificar qué palabras podrían encajar en esa estructura y qué relaciones semánticas existen entre los términos.
El entrenamiento también incorporó originalmente una tarea denominada Next Sentence Prediction, destinada a aprender relaciones entre pares de frases.
Estas técnicas permitieron construir representaciones lingüísticas que podían adaptarse a diferentes tareas de procesamiento del lenguaje natural.
Es importante aclarar que BERT no es un buscador autónomo ni un sistema que comprenda el mundo como una persona. Es un modelo estadístico de lenguaje que aprende patrones y relaciones contextuales.
Sin embargo, su aportación permitió mejorar significativamente la interpretación de consultas complejas.
3. El anuncio de Google en octubre de 2019: un cambio de paradigma
Cuando Google anunció BERT, explicó que la actualización afectaría inicialmente a las búsquedas en inglés de Estados Unidos y que se aplicaría aproximadamente al 10 % de las consultas de ese mercado.
Posteriormente, la tecnología se extendió a otros idiomas y mercados.
La noticia fue importante porque no se trataba de una mejora limitada a un sector o a un tipo de búsqueda. Afectaba a la forma en la que Google interpretaba el lenguaje.
Hasta entonces, muchas estrategias de posicionamiento habían considerado que la coincidencia entre palabras de una consulta y las palabras de una página era uno de los elementos fundamentales para conseguir visibilidad.
BERT reforzó otra perspectiva: la relevancia semántica.
Esto no significaba que las palabras clave dejaran de importar. Significaba que debían interpretarse dentro de un contexto.
3.1. Del lenguaje de las máquinas al lenguaje de las personas
Durante mucho tiempo, los profesionales del SEO habían intentado adaptar el lenguaje de las personas a la lógica de los buscadores.
Se buscaban expresiones con un volumen determinado, se analizaban las combinaciones más frecuentes y se construían contenidos alrededor de ellas.
El resultado era, en ocasiones, una escritura poco natural.
Los textos se llenaban de repeticiones, variaciones artificiales y frases construidas para satisfacer al algoritmo.
BERT reforzó una tendencia contraria: los contenidos debían responder mejor a la manera en que las personas se expresan realmente.
La búsqueda dejaba de ser una operación basada exclusivamente en coincidencias y avanzaba hacia una interpretación más contextual.
3.2. ¿BERT penalizaba las páginas web?
No directamente.
Esta distinción es importante porque, tras el anuncio, aparecieron interpretaciones que presentaban BERT como un nuevo algoritmo de penalización.
BERT no fue concebido como una penalización para determinadas páginas ni como un mecanismo para castigar la repetición de palabras clave.
Su función estaba relacionada con la comprensión de las consultas y del lenguaje.
Por tanto, no tenía sentido intentar optimizar una página introduciendo una fórmula específica para BERT.
La recomendación más razonable era mejorar la calidad del contenido, utilizar un lenguaje natural y responder de forma precisa a las necesidades de los usuarios.
3.3. Una evolución, no una sustitución completa del algoritmo
Google no funciona con un único algoritmo.
Su sistema de búsqueda está compuesto por múltiples sistemas de rastreo, indexación, clasificación, evaluación de calidad y presentación de resultados.
BERT fue una de las tecnologías incorporadas para mejorar la comprensión del lenguaje dentro de ese ecosistema.
No sustituyó todos los sistemas anteriores ni convirtió automáticamente cualquier consulta en una respuesta perfectamente comprendida.
Fue un avance dentro de una evolución mucho más amplia.
4. Del SEO tradicional al SEO semántico: la muerte de la obsesión por las palabras clave
Uno de los efectos más importantes de BERT fue reforzar una transformación que ya estaba en marcha: el paso de un SEO centrado en palabras clave a una estrategia basada en la intención de búsqueda.
Durante años, una parte importante del trabajo de posicionamiento se había concentrado en identificar las palabras que utilizaban los usuarios.
La metodología era relativamente conocida:
- Identificar palabras clave.
- Analizar el volumen de búsqueda.
- Estudiar la competencia.
- Incorporar las palabras clave en títulos y contenidos.
- Construir enlaces.
- Medir posiciones y tráfico.
Esta metodología sigue teniendo utilidad, pero resulta insuficiente cuando se utiliza de manera aislada.
Why?
Porque una palabra clave no siempre representa una intención única.
Pensemos en la búsqueda «pintura blanca».
El usuario puede estar buscando:
- Pintura blanca para paredes.
- Pintura blanca para madera.
- Pintura blanca para manualidades.
- Pintura blanca para tela.
- Pintura blanca para exteriores.
- Pintura blanca para restaurar muebles.
La consulta es prácticamente idéntica, pero las necesidades son distintas.
Un contenido que pretenda posicionarse para todas estas intenciones sin diferenciarlas difícilmente ofrecerá la mejor respuesta.
4.1. La intención de búsqueda como unidad estratégica
La intención de búsqueda representa el objetivo que persigue una persona cuando realiza una consulta.
Podemos distinguir cuatro grandes categorías:
Intención informativa: el usuario quiere aprender algo.
Ejemplo: «Qué es la pintura chalk paint».
Intención navegacional: quiere encontrar una marca, empresa o página concreta.
Ejemplo: «Web oficial de TColors».
Intención comercial: está comparando alternativas antes de decidir.
Ejemplo: «Mejores pinturas para manualidades».
Intención transaccional: está preparado para comprar o contratar.
Ejemplo: «Comprar pintura acrílica online».
La diferencia es fundamental para construir una estrategia de contenidos.
No basta con aparecer en Google. Es necesario aparecer ante el usuario adecuado, con el contenido adecuado y en el momento adecuado.
4.2. La búsqueda semántica y los campos de significado
El SEO semántico consiste en trabajar los conceptos y relaciones que rodean a una temática.
Si escribimos sobre marketing digital, por ejemplo, no deberíamos limitarnos a repetir esa expresión.
También podemos abordar:
- Estrategia digital.
- Posicionamiento orgánico.
- Experiencia de usuario.
- Conversión.
- Analítica web.
- Publicidad digital.
- Marketing de contenidos.
- Comportamiento del consumidor.
Estas expresiones no son necesariamente sinónimos, pero forman parte de un mismo universo conceptual.
Un buscador que comprende el contexto puede interpretar mejor la relación entre ellas.
La consecuencia práctica es que debemos construir contenidos completos, coherentes y útiles.
En este sentido, recomiendo recuperar una reflexión que ya desarrollábamos en Comosevende.com:
Se acabó el SEO de palabras clave: ahora hay que posicionar en la mente (y en la IA).
La idea central sigue vigente: el posicionamiento no debería limitarse a conseguir que una página aparezca cuando alguien escribe una palabra. Debería conseguir que una marca sea reconocida como una respuesta relevante cuando alguien necesita resolver un problema.
5. Cómo cambió BERT la estrategia de contenidos
La transformación tecnológica tiene consecuencias directas para los responsables de marketing, comunicación y contenidos.
Si el buscador interpreta mejor el lenguaje, también debemos replantear cómo construimos nuestros mensajes.
5.1. Escribir para responder, no para repetir
Una página no debería construirse alrededor de una repetición mecánica de palabras clave.
Debe responder a una pregunta, explicar un problema o ayudar a tomar una decisión.
Imaginemos que queremos posicionar un artículo sobre cómo elegir pintura para manualidades.
Una estrategia tradicional podría insistir en expresiones como:
«Pintura para manualidades», «comprar pintura para manualidades», «pintura manualidades barata» o «pintura para manualidades online».
Una estrategia semántica más completa desarrollaría cuestiones como:
- Qué tipos de pintura existen.
- Qué superficies admite cada producto.
- Qué diferencias hay entre pintura acrílica y témpera.
- Cómo preparar una superficie.
- Qué herramientas utilizar.
- Cómo limpiar los materiales.
- Qué precauciones deben tenerse en cuenta.
El resultado no es únicamente un texto más completo. Es un recurso que responde a diferentes necesidades del consumidor.
5.2. Trabajar las preguntas reales de los usuarios
Una de las mejores maneras de mejorar los contenidos es identificar las preguntas que se hacen los clientes.
Las preguntas pueden obtenerse de:
- Consultas de Google Search Console.
- Búsquedas relacionadas.
- Foros especializados.
- Comentarios en redes sociales.
- Preguntas frecuentes del departamento comercial.
- Consultas recibidas por atención al cliente.
- Conversaciones con distribuidores y vendedores.
Este último punto suele estar infravalorado.
Las empresas tienen una fuente de información extraordinaria en sus propios equipos comerciales. Los vendedores conocen las dudas, objeciones y problemas que aparecen antes de una compra.
Convertir ese conocimiento en contenido digital permite conectar el SEO con la realidad del mercado.
5.3. Construir contenidos con profundidad temática
Un artículo sobre un producto no debería limitarse a describir sus características.
También debería explicar para qué sirve, cómo se utiliza, qué problemas resuelve, qué alternativas existen y qué criterios deben tenerse en cuenta para elegirlo.
Esto permite construir autoridad temática.
La autoridad temática no significa escribir el mayor número posible de artículos sobre una palabra clave. Significa demostrar conocimiento suficiente de una materia y cubrir sus principales dimensiones.
5.4. La importancia de la arquitectura de contenidos
La estructura de una web también debe reflejar las relaciones entre conceptos.
Una arquitectura adecuada puede organizarse mediante:
- Páginas principales o pilares temáticos.
- Artículos especializados.
- Guías prácticas.
- Comparativas.
- Casos de uso.
- Preguntas frecuentes.
- Enlaces internos entre contenidos relacionados.
Esta estructura facilita la navegación y ayuda a los buscadores a descubrir las relaciones entre las páginas.
También contribuye a que los usuarios puedan profundizar en una temática sin tener que regresar constantemente al buscador.
6. BERT y la evolución de la búsqueda por voz y conversacional
Otro ámbito en el que la comprensión del lenguaje resulta especialmente relevante es la búsqueda conversacional.
Cuando escribimos una consulta, solemos utilizar expresiones breves.
Sin embargo, cuando hablamos con un asistente digital, nuestras preguntas suelen ser más largas y naturales.
No necesariamente decimos:
«Restaurante italiano Barcelona».
Podemos preguntar:
«¿Dónde puedo encontrar un restaurante italiano cerca de mi trabajo que tenga opciones vegetarianas?».
La segunda consulta contiene más información y establece relaciones entre diferentes criterios.
La búsqueda conversacional obliga a interpretar:
- Qué quiere el usuario.
- Qué características necesita.
- Qué restricciones establece.
- Qué contexto geográfico utiliza.
- Qué información debe recuperarse.
BERT contribuyó a mejorar esta comprensión contextual.
Pero la evolución no terminó ahí.
Los asistentes conversacionales actuales utilizan modelos de lenguaje y sistemas de recuperación de información mucho más avanzados, capaces de mantener conversaciones, contextualizar preguntas anteriores y sintetizar respuestas.
6.1. El usuario ya no necesita conocer las palabras exactas
Este cambio tiene una consecuencia importante para el marketing.
Antes, una persona que no conocía el nombre técnico de un producto podía tener dificultades para encontrarlo.
Ahora puede describir lo que necesita.
For example:
«Busco una pintura que pueda utilizar sobre madera, que tenga acabado mate y que permita conseguir un aspecto envejecido».
No necesita conocer necesariamente el término chalk paint.
El sistema puede interpretar la descripción y relacionarla con una categoría de producto.
Esto supone una oportunidad para las marcas que explican bien sus productos y sus aplicaciones.
Pero también supone un riesgo para aquellas que utilizan un lenguaje excesivamente técnico, cerrado o centrado en su propio catálogo.
El lenguaje comercial debe conectar con el lenguaje del consumidor.
6.2. El marketing debe aprender a escuchar
La búsqueda conversacional refuerza una idea que debería ser central en cualquier estrategia comercial: conocer cómo se expresa el cliente.
No se trata únicamente de saber qué producto busca.
Se trata de comprender:
- Qué problema quiere resolver.
- Qué resultado espera conseguir.
- Qué conocimientos tiene.
- Qué dudas le impiden comprar.
- Qué alternativas está considerando.
La información que antes obteníamos mediante conversaciones comerciales ahora también debe utilizarse para construir contenidos digitales.
El SEO deja de ser una actividad exclusivamente técnica y se aproxima cada vez más a la investigación de mercados y al conocimiento del consumidor.
7. De BERT a MUM, RankBrain y los modelos de inteligencia artificial
BERT no apareció de forma aislada.
Forma parte de una evolución tecnológica más amplia en la que Google ha ido incorporando sistemas capaces de interpretar mejor las consultas y las relaciones entre información.
Conviene diferenciar algunas de las tecnologías más relevantes.
7.1. RankBrain: aprender a interpretar consultas desconocidas
RankBrain fue anunciado por Google en 2015.
Se trata de un sistema basado en aprendizaje automático que ayuda a interpretar consultas, especialmente aquellas que no se habían visto anteriormente.
Su importancia reside en que permite relacionar expresiones y conceptos incluso cuando no existe una coincidencia literal entre la consulta y el contenido.
RankBrain fue uno de los primeros grandes pasos hacia una búsqueda menos dependiente de las coincidencias exactas.
7.2. BERT: comprender el contexto lingüístico
BERT mejoró la interpretación contextual de las palabras y las relaciones dentro de una consulta.
Su gran aportación fue permitir una comprensión bidireccional del lenguaje, especialmente útil para búsquedas complejas y expresiones conversacionales.
7.3. MUM: conectar información de diferentes formatos e idiomas
En 2021, Google presentó MUM, siglas de Multitask Unified Model.
Se trata de una tecnología diseñada para abordar tareas de búsqueda complejas y relacionar información de diferentes formatos y lenguas.
Google explicó que MUM era multimodal, es decir, que podía trabajar con diferentes tipos de información, como texto e imágenes.
Su planteamiento anticipaba una búsqueda en la que las personas podrían utilizar diferentes formas de expresar una necesidad y obtener información más integrada.
7.4. La inteligencia artificial generativa: de encontrar documentos a construir respuestas
La irrupción de los modelos generativos ha introducido una nueva dimensión.
Los buscadores tradicionales presentan resultados para que el usuario los consulte.
Los sistemas generativos pueden recuperar información, sintetizarla y construir una respuesta.
La diferencia es considerable.
Antes, el usuario preguntaba y Google ofrecía una lista de páginas.
Ahora, en determinados entornos, el usuario pregunta y recibe una respuesta elaborada a partir de diferentes fuentes.
Esto no significa que los enlaces hayan desaparecido. Significa que conviven diferentes formas de acceder a la información.
La evolución puede resumirse así:
| Etapa | Tecnología o enfoque | Principal aportación |
|---|---|---|
| 2015 | RankBrain | Interpretación de consultas mediante aprendizaje automático |
| 2019 | BERT | Comprensión contextual y bidireccional del lenguaje |
| 2021 | MUM | Comprensión multimodal y multilingüe |
| 2023 en adelante | IA generativa en búsquedas | Síntesis y generación de respuestas |
| 2026 | Búsqueda generativa y conversacional | Recuperación, recomendación, contextualización y asistencia |
No debemos interpretar esta tabla como una sustitución lineal de tecnologías. Son sistemas y enfoques que forman parte de una evolución mucho más compleja.
8. El SEO en 2026: de posicionar páginas a conseguir ser una respuesta
Llegados a este punto, la pregunta ya no es únicamente cómo ha cambiado Google desde BERT.
La pregunta es cómo debe trabajar una empresa su visibilidad en un entorno donde conviven buscadores tradicionales, respuestas generativas y asistentes de inteligencia artificial.
Durante años, el indicador más conocido del SEO ha sido la posición en las páginas de resultados.
Estar en primera posición era un objetivo prioritario.
Después llegaron otros indicadores:
- Impresiones.
- Clics.
- CTR.
- Tráfico orgánico.
- Conversiones.
- Autoridad del dominio.
- Calidad de los enlaces.
Todos siguen teniendo utilidad.
Pero ahora debemos incorporar otra pregunta:
¿Qué sucede cuando el usuario obtiene la respuesta sin visitar nuestra web?
8.1. La aparición del Zero-Click Search
Las búsquedas Zero-Click son aquellas en las que el usuario obtiene la información que necesita sin hacer clic en un resultado externo.
No son un fenómeno completamente nuevo.
Los fragmentos destacados, las calculadoras, los paneles de conocimiento y otros elementos de las páginas de resultados ya permitían resolver consultas sin visitar una web.
La inteligencia artificial amplía este comportamiento.
Un usuario puede preguntar:
«¿Qué diferencias existen entre una pintura acrílica y una témpera?».
Puede recibir una explicación suficientemente completa sin necesidad de entrar en una tienda o en un blog.
Esto obliga a replantear el concepto de visibilidad.
Una marca puede aparecer en una respuesta, influir en una decisión y no recibir necesariamente una visita.
Por tanto, el tráfico ya no representa por sí solo toda la influencia que puede ejercer un contenido.
En Comosevende.com hemos profundizado en esta transformación en el artículo:
The Zero-Click Customer Journey: cómo ganar clientes antes de que hagan clic.
8.2. Del SEO al GEO: Generative Engine Optimization
En este nuevo contexto ha ganado protagonismo el concepto GEO, Generative Engine Optimization.
Se utiliza para describir las estrategias destinadas a mejorar la presencia de marcas y contenidos en respuestas generadas por sistemas de inteligencia artificial.
También se habla de AEO, Answer Engine Optimization, cuando el objetivo es optimizar la presencia en motores de respuesta.
No son conceptos completamente equivalentes ni existe una metodología universalmente aceptada.
Sin embargo, ambos reflejan una transformación:
Ya no basta con que una página sea recuperada por un buscador. También interesa que su información pueda ser interpretada, seleccionada, citada o utilizada para construir una respuesta.
Esto exige trabajar varios aspectos:
- Claridad en la información.
- Autoridad y credibilidad.
- Contenido original.
- Contextualización.
- Datos verificables.
- Estructura comprensible.
- Coherencia entre la web y otras fuentes externas.
- Actualización de la información.
Es importante no confundir estas recomendaciones con trucos técnicos capaces de garantizar una recomendación de la IA.
No existe una fórmula que asegure que ChatGPT, Gemini, Perplexity o Google mencionen una marca.
La visibilidad depende de múltiples sistemas, fuentes y circunstancias.
8.3. La marca también debe posicionarse en la inteligencia artificial
Durante mucho tiempo, las empresas se han preocupado por aparecer en Google cuando un consumidor buscaba su producto.
Ahora deben preguntarse también qué información encuentra una inteligencia artificial cuando alguien pregunta por su empresa.
For example:
- ¿Qué es esta marca?
- ¿Qué productos comercializa?
- ¿Qué la diferencia de sus competidores?
- ¿Es una empresa fiable?
- ¿Qué opiniones existen sobre ella?
- ¿Qué alternativas ofrece el mercado?
- ¿Qué productos son adecuados para una determinada necesidad?
La IA no construye necesariamente su respuesta a partir de una única página.
Puede combinar información procedente de la web corporativa, medios de comunicación, directorios, publicaciones especializadas y otras fuentes.
Por eso, la estrategia de visibilidad debe ir más allá de la optimización de una URL.
En este sentido, resulta especialmente interesante nuestro análisis:
Visibilidad de marca en la era de la IA: qué es, por qué importa y cómo dominarla.
9. Cómo adaptar una estrategia SEO a la nueva comprensión del lenguaje
La evolución desde BERT hasta los sistemas generativos nos deja una serie de aprendizajes prácticos.
No se trata de abandonar el SEO tradicional, sino de construir una estrategia más completa.
9.1. Investigar problemas, no solamente palabras clave
El primer paso es dejar de pensar exclusivamente en términos de búsqueda.
Hay que identificar los problemas que los clientes intentan resolver.
Una empresa que comercializa pintura, por ejemplo, puede investigar:
- Qué pintura utilizar para cada superficie.
- Cómo conseguir determinados acabados.
- Cómo restaurar muebles.
- Cómo pintar tejidos.
- Cómo realizar manualidades con niños.
- Cómo limpiar los materiales.
- Qué diferencias existen entre productos.
Cada una de estas preguntas representa una oportunidad para construir contenido útil.
9.2. Crear contenidos que respondan preguntas completas
Una buena estrategia debe combinar artículos extensos con respuestas concretas.
Un contenido puede comenzar con una explicación directa y después desarrollar los detalles.
For example:
¿Qué diferencia existe entre pintura acrílica y témpera?
La pintura acrílica utiliza una dispersión de polímeros acrílicos como aglutinante y, una vez seca, forma una película generalmente resistente al agua. La témpera escolar suele tener una formulación diferente y está pensada para aplicaciones educativas y artísticas sobre determinadas superficies.
Después se pueden desarrollar sus características, usos, ventajas, limitaciones y criterios de elección.
Esta estructura ayuda a las personas y facilita la comprensión del contenido.
9.3. Utilizar títulos descriptivos
Los encabezados deben explicar qué encontrará el lector en cada apartado.
No es necesario convertir todos los títulos en preguntas, pero sí deben ser claros.
Una estructura lógica permite identificar:
- El tema principal.
- Las cuestiones secundarias.
- Las relaciones entre conceptos.
- La información más relevante.
9.4. Construir una red de enlaces internos
Los enlaces internos son una herramienta fundamental.
Permiten relacionar contenidos, facilitar la navegación y ayudar a descubrir otras páginas del sitio.
Pero su valor no se limita al SEO técnico.
También permiten construir una experiencia de conocimiento.
Si un artículo habla de BERT, tiene sentido enlazarlo con otros contenidos sobre:
- SEO semántico.
- Inteligencia artificial.
- Marketing de contenidos.
- Búsqueda conversacional.
- Visibilidad de marca.
- Customer Journey.
El enlace debe tener sentido para el lector y aportar contexto.
No debemos insertar enlaces únicamente para aumentar su número.
9.5. Incorporar ejemplos y experiencia propia
Uno de los riesgos de la producción masiva de contenidos es que todos terminemos publicando las mismas explicaciones.
La inteligencia artificial puede generar textos correctos desde el punto de vista formal, pero eso no significa que aporten conocimiento diferencial.
Las empresas tienen una ventaja que no deberían desaprovechar: su experiencia real.
Casos de clientes, problemas resueltos, comparativas propias, observaciones de mercado y conocimientos profesionales aportan una perspectiva que un texto genérico difícilmente puede reproducir.
La experiencia debe convertirse en contenido.
9.6. Mantener actualizados los contenidos antiguos
Un artículo publicado en 2019 puede seguir teniendo valor en 2026.
Sin embargo, necesita contexto actualizado.
No tiene sentido presentar BERT como la última gran novedad de Google cuando han aparecido otras tecnologías y cambios en el ecosistema de búsqueda.
Actualizar no consiste simplemente en cambiar la fecha de publicación.
Implica:
- Revisar los datos.
- Corregir posibles errores.
- Incorporar nuevas tecnologías.
- Añadir ejemplos actuales.
- Eliminar información obsoleta.
- Ampliar las conclusiones.
- Introducir enlaces a contenidos relacionados.
La actualización debe mejorar realmente el valor del artículo.
10. Guía práctica: cómo aplicar estos aprendizajes a una web empresarial
Podemos trasladar todas estas reflexiones a un plan de trabajo de seis etapas.
Fase 1. Auditoría de contenidos
Analizar las páginas existentes y clasificarlas según su función.
| Content type | Objetivo |
|---|---|
| Informativo | Resolver dudas y generar conocimiento |
| Comercial | Explicar productos y servicios |
| Comparativo | Ayudar a evaluar alternativas |
| Transactional | Facilitar la compra |
| Corporativo | Construir confianza y credibilidad |
| Especializado | Demostrar experiencia y conocimiento |
El objetivo es detectar contenidos duplicados, páginas incompletas y oportunidades de mejora.
Fase 2. Investigación de intenciones
Identificar las preguntas y necesidades de los usuarios.
Para cada temática conviene trabajar:
- Consultas principales.
- Preguntas relacionadas.
- Problemas frecuentes.
- Comparaciones.
- Objeciones.
- Necesidades de información antes de comprar.
No hay que crear una página para cada variación de una pregunta. Hay que agrupar las consultas que responden a una misma necesidad y desarrollar contenidos con suficiente profundidad.
Fase 3. Construcción de contenidos
Cada contenido debería tener:
- Una pregunta o necesidad claramente identificada.
- Una respuesta inicial comprensible.
- Una explicación detallada.
- Ejemplos.
- Información contrastable.
- Enlaces internos relacionados.
- Una conclusión útil.
- Una llamada a la acción coherente con la intención.
Fase 4. Optimización técnica
Revisar los aspectos fundamentales:
- Indexación.
- Rastreo.
- Velocidad y experiencia de página.
- Adaptación móvil.
- Arquitectura de URLs.
- Etiquetas de título.
- Metadescripciones.
- Encabezados.
- Imágenes y textos alternativos.
- Datos estructurados cuando correspondan.
- Enlaces internos.
Los datos estructurados pueden ayudar a describir mejor determinados elementos de una página, aunque no garantizan resultados enriquecidos ni una aparición en respuestas de IA.
Fase 5. Autoridad y reputación
Desarrollar una estrategia de presencia externa.
Las empresas deben trabajar:
- Relaciones con medios.
- Publicaciones especializadas.
- Entrevistas.
- Colaboraciones.
- Casos de éxito.
- Opiniones verificadas.
- Participación en comunidades profesionales.
- Contenido de especialistas.
La reputación digital no se construye únicamente desde la propia web.
Fase 6. Medición y mejora continua
Medir el rendimiento mediante diferentes indicadores:
| Indicador | Qué permite analizar |
|---|---|
| Impresiones orgánicas | Visibilidad en buscadores |
| Clics orgánicos | Tráfico procedente de resultados |
| CTR | Capacidad de atraer clics |
| Posición media | Evolución del posicionamiento |
| Conversiones | Resultados comerciales |
| Búsquedas de marca | Reconocimiento y demanda |
| Menciones en IA | Presencia en respuestas generativas |
| Citaciones | Referencias a contenidos propios |
| Tráfico referido | Visitas procedentes de plataformas externas |
La clave es no utilizar un único indicador para evaluar toda la estrategia.
11. Cómo medir la visibilidad en los motores de inteligencia artificial
Una de las cuestiones más interesantes de 2026 es cómo medir la presencia de una empresa en las respuestas generadas por inteligencia artificial.
En el SEO tradicional disponemos de herramientas consolidadas como Google Search Console y Google Analytics.
En el ámbito de la IA, la medición es más compleja porque no existe una única clasificación universal ni todas las respuestas son iguales.
Una misma consulta puede producir resultados diferentes según el contexto, la plataforma, el país, la fecha o la disponibilidad de información.
Por eso propongo trabajar con seis indicadores.
1. Cobertura de marca. ¿En cuántas consultas aparece nuestra empresa?
2. Posición en la respuesta. ¿Aparecemos entre las primeras recomendaciones o solamente en una referencia secundaria?
3. Citación. ¿La IA enlaza nuestra página o menciona nuestra marca sin proporcionar una fuente?
4. Exactitud. ¿Describe correctamente nuestros productos, servicios y características?
5. Contexto competitivo. ¿Qué competidores aparecen junto a nosotros?
6. Impacto comercial. ¿La visibilidad genera visitas, consultas, búsquedas de marca o conversiones?
Para desarrollar esta metodología recomiendo consultar nuestra guía:
Cómo medir tu visibilidad en búsquedas de IA: herramientas, comparativas y metodología práctica.
La propuesta consiste en definir un conjunto estable de preguntas, repetirlas periódicamente en diferentes plataformas y registrar las menciones, las fuentes y la calidad de las respuestas.
Esto permite construir una serie histórica y dejar de depender de impresiones subjetivas.
12. El riesgo de confundir optimización con manipulación
La evolución de los algoritmos también ha generado una nueva industria de supuestos trucos SEO.
Cada vez que aparece una tecnología, aparecen métodos que prometen conseguir resultados inmediatos.
Con BERT sucedió algo parecido. Algunas recomendaciones se centraron en introducir determinadas estructuras lingüísticas o repetir expresiones supuestamente reconocidas por el algoritmo.
Con la IA generativa sucede algo similar.
Ahora encontramos propuestas que prometen garantizar que una marca aparezca en las respuestas de los modelos mediante técnicas específicas.
Conviene mantener una perspectiva crítica.
Google ha reiterado que sus sistemas buscan priorizar contenidos útiles, fiables y creados para las personas.
En su documentación actual sobre las funciones generativas de búsqueda insiste en que las buenas prácticas SEO siguen siendo relevantes.
También recomienda aportar información original, experiencias propias y contenidos que no sean simples reproducciones de información ya disponible.
La conclusión es bastante sencilla: no debemos confundir la optimización con la manipulación.
Un contenido no es mejor porque incluya más palabras clave, más encabezados o más términos técnicos.
Es mejor cuando ayuda a comprender, comparar, decidir o resolver un problema.
13. El futuro del SEO: cuando el buscador se convierte en intermediario de las decisiones
La evolución iniciada con BERT plantea una cuestión que va mucho más allá del posicionamiento orgánico.
Durante décadas, las empresas han competido por captar la atención de los consumidores.
Han invertido en publicidad, comunicación, branding, relaciones públicas y marketing de contenidos.
La llegada de los buscadores cambió las reglas. Una parte importante de las decisiones comenzó a producirse a través de las consultas realizadas en internet.
La inteligencia artificial introduce ahora un nuevo intermediario.
El consumidor puede delegar parte de su proceso de investigación en un asistente que compara, resume, recomienda y filtra información.
Esto modifica el recorrido de compra.
Antes:
- El consumidor identifica una necesidad.
- They look for information.
- Visita diferentes páginas.
- Compara productos.
- Decide.
Ahora puede suceder algo diferente:
- El consumidor identifica una necesidad.
- Pregunta a un asistente de IA.
- Recibe una selección de alternativas.
- Solicita una comparación.
- Consulta únicamente las opciones recomendadas.
- Decide.
El número de marcas consideradas puede reducirse.
La capacidad de influir en la respuesta adquiere un valor estratégico.
En Comosevende.com hemos analizado esta transformación en:
Cómo vender y hacer marketing cuando el primer filtro ya no es el humano, sino su asistente de IA.
La pregunta que deben hacerse las empresas ya no es exclusivamente cómo conseguir que el consumidor encuentre su producto.
También deben preguntarse cómo conseguir que el asistente que utiliza el consumidor considere ese producto una alternativa relevante.
13.1. La nueva batalla por la recomendación
En el posicionamiento tradicional, una empresa podía conseguir tráfico aunque no ocupase la primera posición.
Había diez resultados, diferentes formatos y múltiples oportunidades de atraer la atención.
En una respuesta generativa, la selección puede ser mucho más reducida.
Si un asistente recomienda tres alternativas, las empresas que no aparecen quedan fuera de esa primera selección.
Esto no significa que desaparezca la competencia por los resultados orgánicos.
Significa que se añade otra dimensión competitiva: la recomendación algorítmica.
La marca debe trabajar su reconocimiento, su reputación, su diferenciación y la calidad de la información disponible sobre ella.
13.2. El contenido como infraestructura comercial
Una web empresarial no debería entenderse solamente como un escaparate.
Debe funcionar como una infraestructura de información.
Tiene que explicar con claridad:
- Quién es la empresa.
- Qué ofrece.
- Qué problemas resuelve.
- A quién se dirige.
- Qué la diferencia.
- Qué experiencia tiene.
- Qué pruebas respaldan sus afirmaciones.
- Cómo puede contactar o comprar el usuario.
Esta información debe estar disponible de forma coherente y ser comprensible tanto para las personas como para los sistemas que procesan contenidos.
El contenido deja de ser únicamente una herramienta de captación.
Se convierte en un activo estratégico de la empresa.
14. Reflexión final: BERT no fue el final del SEO, fue el principio de otra forma de entenderlo
Cuando Google anunció BERT en octubre de 2019, muchos profesionales del marketing interpretaron la noticia como una nueva actualización algorítmica.
Sin embargo, su importancia era mucho mayor.
Representaba un cambio de orientación: pasar de interpretar palabras aisladas a comprender mejor las relaciones entre ellas.
Desde entonces, la evolución tecnológica ha continuado con sistemas de aprendizaje automático, modelos lingüísticos avanzados, tecnologías multimodales y experiencias de búsqueda generativa.
En 2026 estamos viviendo otra transformación.
Los buscadores ya no son solamente herramientas que permiten encontrar información. Cada vez más, también interpretan necesidades, sintetizan conocimientos, comparan alternativas y participan en los procesos de decisión.
Pero hay algo que permanece.
El objetivo de cualquier estrategia de marketing debería seguir siendo comprender al consumidor y ofrecerle información relevante para resolver sus necesidades.
La tecnología cambia la forma de acceder a esa información, pero no elimina la necesidad de conocer a las personas.
Por eso, la verdadera lección de BERT no es que debamos escribir de una determinada manera para satisfacer a Google.
Es que debemos dejar de construir contenidos pensando exclusivamente en las palabras que utiliza un algoritmo y empezar a construirlos desde el significado que tienen para las personas.
El SEO no ha muerto.
Tampoco ha desaparecido la importancia de las palabras clave.
Lo que está desapareciendo es la idea de que posicionar consiste únicamente en repetir términos, conseguir enlaces y perseguir posiciones.
El futuro pertenece a las marcas capaces de explicar con claridad qué hacen, qué problemas resuelven y por qué merecen ser elegidas.
Porque en un mercado donde la inteligencia artificial puede seleccionar, resumir y recomendar, la visibilidad ya no consiste únicamente en aparecer.
Consiste en ser relevante, ser comprendido y merecer la recomendación.
De las palabras clave a la comprensión. De la comprensión a la recomendación. Y de la recomendación a la confianza.
Esa es, probablemente, la verdadera evolución que comenzó con BERT.
Bibliografía y fuentes de referencia
- Google (2019). Understanding searches better than ever before. Anuncio oficial de BERT: https://blog.google/products-and-platforms/products/search/search-language-understanding-bert/
- Google Search Central. Creating helpful, reliable, people-first content: https://developers.google.com/search/docs/fundamentals/creating-helpful-content
- Google Search Central. Optimizing your website for generative AI features on Google Search: https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
- Vaswani et al. (2017). Attention Is All You Need. https://arxiv.org/abs/1706.03762
- Devlin et al. (2018). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. https://arxiv.org/abs/1810.04805
Sobre el autor: Davide Menini. Profesional de marketing, ventas y desarrollo de negocio. Analiza desde Comosevende.com la evolución del marketing, la estrategia empresarial, el comportamiento del consumidor y el impacto de las nuevas tecnologías en los negocios.
Deja una respuesta