Una familia de modelos, tres formas de obtener las fuentes
Tres superficies de Google responden la misma pregunta de tres formas distintas. Si trabajas en búsqueda, la diferencia entre anclado (grounded) y generativo no es un detalle anecdótico. Determina qué tienes que hacer para que te citen.
Se habla de "posicionar en la IA" como si fuera una sola cosa. No lo es. Google usa una misma familia de modelos en tres superficies, y cada una decide de forma distinta de dónde sale una respuesta.
Esa es la parte útil. No estás construyendo un segundo sitio web para robots. Estás asegurándote de que un mismo sitio sea recuperable, clasificable y citable en cada ruta que pueda tomar una respuesta, y no solo en la consulta principal que resulta que mides.
Gemini (la app): generativa primero
Cómo se crea la respuesta. Las respuestas se generan por defecto a partir de los datos de entrenamiento del modelo. El grounding con Google Search se activa de forma selectiva, cuando el modelo decide que la consulta necesita información fresca o verificable.
De dónde salen las respuestas. Sobre todo de los pesos del modelo, es decir, de su memoria paramétrica: lo que el modelo ya aprendió. Cuando sí hace grounding, recupera resultados en vivo de Search y muestra enlaces de apoyo. Pero aquí el grounding es opcional, no el comportamiento por defecto.
Por qué importa. Las menciones de marca en la app de Gemini dependen en gran medida de la presencia en los datos de entrenamiento, no de tus posiciones de esta semana.
- Tu marca está bien representada en el corpus de entrenamiento: cobertura con autoridad, presencia en Wikipedia, una entidad consolidada.
- O el grounding se activó para esa consulta y posicionas bien en Search en vivo.
- La mayoría de las respuestas salen de la memoria del modelo. Si tu marca es nueva, de nicho o tenía poca cobertura antes del corte de entrenamiento, no existes para el modelo.
- Unas posiciones excelentes no te salvan en las consultas que el modelo responde sin grounding.
La acción: construir una presencia de entidad duradera. Cobertura de terceros, datos de entidad consistentes y contenido del que el modelo haya tenido ocasión real de aprender.
AI Overviews: anclado primero
Cómo se crea la respuesta. La recuperación va primero. Un modelo Gemini personalizado sintetiza un resumen a partir de documentos que los sistemas de clasificación de Google ya recuperaron, y solo se muestra cuando la confianza es alta.
De dónde salen las respuestas. Del índice de Search en vivo, del Knowledge Graph y del Shopping Graph. Los enlaces citados apuntan a las páginas con las que se construyó el resumen.
Por qué importa. La recuperabilidad clásica sigue mandando. Si no te pueden recuperar y clasificar, no te pueden citar.
- Estás en el conjunto recuperado y clasificable para esa consulta.
- Un pasaje de tu página respalda de forma directa una afirmación de la respuesta sintetizada.
- Un texto limpio y extraíble y la frescura ayudan. Ahrefs encontró que las URL citadas por la IA son alrededor de un 26% más recientes que los resultados orgánicos.
- Según Google, no se requiere ningún schema especial para ser elegible.
- No eres recuperable:
noindex,nosnippet, bloqueos o simplemente una recuperación débil. - O ningún pasaje de tu página respalda la afirmación que se está haciendo.
- La cita ocurre a nivel de pasaje. Una buena posición ya no garantiza la cita, aunque sigue elevando mucho tus probabilidades: la coincidencia con el top-10 va de un 17% a un 76% según el estudio.
- No cuentes con que se suprima lo YMYL. Cerca del 88% de las consultas de salud ya activan un AI Overview.
La acción: escribir pasajes citables. Afirmaciones claras y autónomas que respondan por sí solas a una subintención, en lugar de páginas que solo posicionan.
AI Mode: anclado más fan-out
Cómo se crea la respuesta. El query fan-out divide tu pregunta en varias subconsultas que se buscan en paralelo. Después, Gemini razona sobre todo ello para componer una única respuesta conversacional.
De dónde salen las respuestas. Del índice web, del Knowledge Graph y de datos en tiempo real como compras, información local y finanzas, sintetizados con enlaces de salida. Cada respuesta está anclada en la recuperación.
Por qué importa. Ya no optimizas para una consulta. Optimizas para las decenas de subconsultas en las que se despliega.
- Posicionas en alguna de las subconsultas paralelas que genera el fan-out, no solo en el término principal.
- Las páginas que posicionan en las consultas del fan-out tienen alrededor de un 161% más de probabilidades de ser citadas, según Ahrefs y Surfer.
- Una cobertura temática profunda y unos datos de entidad sólidos amplían tu superficie de exposición.
- Optimizaste para una palabra clave mientras la respuesta se montaba con una docena de subconsultas que nunca trabajaste.
- Solo cerca del 20% de las citas de AI Mode proviene de los 20 primeros resultados orgánicos, según seoClarity.
- La relevancia del pasaje es el billete de entrada, pero la autoridad sigue actuando como filtro, sobre todo en YMYL.
La acción: mapear el fan-out. Cubrir el clúster de intenciones relacionadas alrededor de cada consulta comercial, no solo la consulta en sí.
Qué cambiar de verdad
Tres superficies, tres modos de fallar. El trabajo se divide con nitidez según la línea entre lo anclado y lo generativo.
Para la superficie generativa, construye la entidad. No puedes optimizar tu entrada en la memoria de un modelo de aquí a este trimestre. Lo que la mueve es la cobertura duradera de terceros, unos datos de entidad consistentes en los lugares donde Google reconcilia la identidad, y suficiente contenido sustancial para que el modelo tenga algo que aprender. Es un trabajo lento y acumulativo.
Para las superficies ancladas, escribe pasajes, no solo páginas. Que una página posicione es el precio de la entrada. Lo que se cita es un pasaje que formula una afirmación con la claridad suficiente para extraerlo y que siga teniendo sentido. Autónomo, específico y ligado a una subintención que alguien realmente tiene.
Deja de medir una sola consulta. Si AI Mode descompone una pregunta en una docena de subconsultas, hacer seguimiento del término principal no te dice casi nada sobre si estás presente en la respuesta. Mapea las subintenciones alrededor de las consultas que importan comercialmente, y cúbrelas.
Nada de esto exige una estrategia de IA aparte, atornillada a tu sitio. Exige que el mismo sitio sea legible para sistemas que ahora componen respuestas en lugar de listar enlaces. Y exige una medición capaz de ver lo que esos sistemas hicieron realmente, que es otro problema, y sobre el que hemos escrito en las tres señales que vale la pena monitorizar.
Descubre qué superficies de IA te están citando de verdad.
WISLR mide el canal de IA con tus propios datos de origen: qué rastreadores leen tus páginas, qué respuestas las citan y qué hace ese tráfico una vez que llega. Verdad a nivel de servidor en lugar de una estimación de cuota de voz.