Google Acaba de Eliminar 4 Tácticas de SEO con IA. Aquí Están los Prompts de Claude Que Las Reemplazan.

Llevo 5 años editando más de 100 sitios web. He visto SEO de sombrero blanco, negro, SEO de la vieja escuela, la ola de AMP en 2016, la agresiva ola de schema en 2019. Durante los últimos 18 meses, una nueva corriente ha estado vendiendo auditorías de $500 a $2000 por algo llamado GEO o AEO. Agencias enteras construidas alrededor de 2 siglas, SaaS dedicados, certificaciones, plugins de WordPress que auto-generan un archivo llms.txt en la raíz de tu sitio. El viernes 15 de mayo de 2026, Google publicó 2000 palabras que vuelven obsoleto aproximadamente el 90% de lo que vende esta industria.

RESUMEN: Google nombró 4 tácticas de SEO para IA que no funcionan, la industria las seguirá vendiendo de todos modos, y el único mecanismo que realmente importa es más simple que cualquier cosa que te hayan dicho. Más el giro argumental de Bing que nadie está cubriendo.

El documento de Google enumera lo que no funciona, por nombre: llms.txt y markup especial, fragmentación de contenido, reescritura para IA, menciones inauténticas. En los más de 100 sitios que edito, nunca he implementado ninguna de estas 4 tácticas. No por pereza, por observación. En cada ola (AMP, schema agresivo, markup amigable para IA), el ROI fue el mismo: cero o marginal.

Aprenderás 3 cosas aquí:

• qué vende actualmente la industria GEO (sombrero gris + sombrero negro emergente)
• el único mecanismo que realmente decide si la IA te cita
• 4 prompts de Claude que ejecuto antes de publicar cualquier cosa

Lo Que Google Realmente Dice Sobre GEO y AEO

GEO significa Generative Engine Optimization. AEO significa Answer Engine Optimization. Una industria se construyó sobre estas 2 siglas en 18 meses. Auditorías con precios de $500 a $2000 (he visto las propuestas llegar a bandejas de entrada de clientes), agencias especializadas, programas de entrenamiento, certificaciones, herramientas SaaS dedicadas. El pitch siempre era alguna variación de "Google AI Overviews lo cambia todo, necesitas una metodología diferente."

El documento de Google del 15 de mayo dice lo contrario, en inglés claro. Parafraseando la posición: AEO y GEO son simplemente SEO bien hecho. El término es marketing, no técnico. Cyber Kendra lo expresó más tajantemente un día después: cualquiera que te venda una auditoría AEO distinta de una auditoría SEO estándar te está vendiendo algo que Google no reconoce como real.

El documento nombra 4 tácticas que no funcionan, por nombre:

• llms.txt y markup especial
• fragmentación de contenido
• reescribir contenido para sistemas de IA
• menciones inauténticas

Una quinta se menciona de pasada: enfocarse excesivamente en datos estructurados. Incluiré esa en la cobertura de spam de schema más adelante.

Esta sección es la posición oficial. La siguiente es lo que realmente se vende en el terreno en mayo de 2026, y por qué nada de eso sobrevive al contacto con el documento de Google.

Lo Que Realmente Se Vende en el Terreno

Observación, no tutorial. Ninguna de estas se implementó en mis sitios. Todas aparecieron en auditorías de clientes que revisé durante los últimos 18 meses. El punto es darte un recibo que agitar ante la próxima propuesta de agencia que llegue a tu escritorio.

Obsesión con llms.txt. Yoast SEO y Rank Math agregaron auto-generación en 2025. Un archivo Markdown colocado en la raíz del sitio, supuestamente para "guiar sistemas de IA". Una variante común es llms-full.txt que duplica todo el contenido de tu sitio en markdown. Demolición empírica: Somanath Balakrishnan ejecutó un estudio en 300,000 dominios y no encontró correlación estadística entre la presencia de un llms.txt y la tasa de citación de LLM (Medium, febrero 2026). La mayoría de crawlers de IA ni siquiera solicitan el archivo. Los plugins se envían de todos modos porque venden actualizaciones.

Fragmentación forzada + spam de FAQPage. Cortar artículos en micro-párrafos de Q&A en formato "cebo de snippet". Schema FAQPage aplicado a todo. El efecto perverso documentado por Pasquale Pillitteri: optimizar para el fragmento produce contenido esquelético que pierde valor editorial sin ganar visibilidad.

Reescritura masiva con IA. Prompts que reescriben contenido commodity en "amigable para IA" sin agregar valor real. Cada SaaS de GEO vende este servicio. La ironía: produce exactamente lo que Google marca como abuso de contenido escalado en su política de spam. Optimizas para la IA y terminas activando el filtro anti-spam de Google.

Archivos markdown separados por página. Generar un .md junto a cada .html para "facilitar la ingesta de IA". Riesgo documentado (Derivatex, abril 2026): si los archivos markdown son indexables, introduces contenido duplicado que diluye tu presupuesto de crawl. Pagas costo extra por valor negativo.

Apilamiento de spam de schema. FAQPage + HowTo + Article + Organization + Person + Review todo aplicado en la misma página. El documento de Google es explícito: los datos estructurados no son requeridos para búsqueda generativa de IA, y no hay markup especial de schema.org que necesites agregar. (El plugin Rank Math en un sitio de cliente el año pasado estaba aplicando schema FAQPage a la página About. Nadie lo había configurado. La configuración predeterminada lo hizo. Esa es toda la industria en 1 checkbox predeterminado.)

Listas falsas a escala. "10 mejores herramientas X" o "15 prompts que necesitas" reciclados en 50 sitios con variaciones cosméticas. Busca "Claude SEO prompts" en Medium ahora mismo, encontrarás 5+ artículos publicados en los últimos 30 días, contenido masivamente superpuesto.

Ese es el panorama. Ninguna de estas es ilegal, ninguna es particularmente malvada, son solo una ola de tonterías vendidas a personas que no tienen tiempo para probar. El documento de Google finalmente nos dio un documento público al que señalar cuando una agencia propone una de ellas.

El Único Mecanismo Que Realmente Decide Si la IA Te Cita

Esta es la sección que explica por qué fallan las 4 tácticas. Todo lo demás en el artículo es un corolario de esto.

Los motores de búsqueda de IA (Google AI Overviews, ChatGPT Search, Perplexity, Claude) funcionan a través de RAG, Retrieval Augmented Generation. Concretamente:

• la IA busca páginas en su índice o vía una API de búsqueda
• lee pasajes
• CITA cuando el contenido aporta algo que no podría haber generado solo desde sus datos de entrenamiento
• reformula sin citar cuando el contenido ya es conocido por su modelo

Eso es todo. Ese es todo el mecanismo.

Aplicación: si tu contenido es commodity (7 consejos para compradores de primera vivienda, conocimiento común reciclado), la IA puede generarlo por sí misma desde datos de entrenamiento. No te cita. Si tu contenido es no-commodity (experiencia vivida específica, observación única, expertise irreducible), la IA no puede reformularlo. DEBE citar tu página como fuente para transmitir la información correctamente.

El propio ejemplo de Google en el documento: commodity = 7 Consejos para Compradores de Primera Vivienda (cualquiera podría escribirlo). No-commodity = Por Qué Renunciamos a la Inspección y Ahorramos Dinero: Una Mirada Dentro de la Línea de Alcantarillado (una experiencia vivida, irreproducible).

El único mecanismo. Todo lo demás (llms.txt, schema, fragmentación, farming de menciones, inyección de prompts ocultos en HTML) son optimizaciones sobre un contenido que PRIMERO debe pasar esta prueba mecánica. Si tu contenido falla la prueba, ningún archivo .txt te salvará. Si tu contenido pasa la prueba, ningún archivo .txt es necesario.

Táctica 1: El Archivo Que Más de 100 Sitios Nunca Necesitaron

En los más de 100 sitios que edito, cero llms.txt. No por pereza. Por observación.

Cada ola durante los últimos 10 años ha vendido la misma promesa con una extensión de archivo diferente. AMP en 2016, explosión de hreflang en 2018, schema agresivo en 2019, markup amigable para IA en 2024. La promesa siempre es "implementa esta cosa técnica y IA/Google/lo que sea te recompensará." El ROI siempre es el mismo: cero o marginal, en contenido que no iba a rankear de todos modos. Dejé de sumergirme en cada nueva ola por reflejo porque he visto demasiadas industrias construirse sobre arena. Hice el mismo argumento cuando MCP era la respuesta a todo, mismo manual, década diferente.

La posición de Google en el documento del 15 de mayo: no necesitas crear nuevos archivos legibles por máquina, archivos de texto de IA, markup, o Markdown para aparecer en búsqueda generativa de IA. La parte más divertida es que Google mismo generó accidentalmente un archivo llms.txt en su propio CMS interno por un tiempo. La industria lo tomó como señal de que "Google cree en ello". John Mueller tuvo que aclarar públicamente: el equipo de Search no usa ni respalda llms.txt. El archivo apareció porque el CMS interno de Google agregó soporte para ello y algunos equipos no se molestaron en eliminarlo. Eso es todo (reportado por LBN Tech Solutions, febrero 2026). Creo que los vendedores de aceite de serpiente seguirán vendiéndolo de todos modos. Tal vez esté equivocado pero no veo qué los detiene.

Una salvedad honesta. llms.txt tiene exactamente un caso de uso legítimo. No SEO. Devtools. Cursor, Claude Code, GitHub Copilot obtienen llms.txt en tiempo de recuperación para entender la estructura de documentación técnica (documentado por Derivatex). Si mantienes documentación de SaaS consumida por agentes de codificación de IA, llms.txt puede servir. De lo contrario, no. La línea es clara: Google SEO no, agentes de codificación de IA consumiendo tus docs sí. La industria GEO conflaciona los 2 a propósito porque suena más lucrativo.

Prompt 1: Auditoría Honesta de llms.txt

El prompt de Claude abajo te da un veredicto, no una justificación. Lo ejecuto antes de que cualquier cliente me pida agregar un llms.txt a su sitio. Pégalo en Claude con tus inputs:

<context>
  <site_url>{tu_url}</site_url>
  <content_type>{blog | ecommerce | saas_docs | agency | media | other}</content_type>
  <audience>{humans_via_google | devs_via_claude_code_cursor | mix}</audience>
  <page_volume>{número_aproximado}</page_volume>
  <update_frequency>{daily | weekly | monthly | rarely}</update_frequency>
</context>

<task>
Audita si este sitio necesita un archivo llms.txt. No seas complaciente. Da el veredicto real.
</task>

<constraints>
- Responde Sí o No claramente en la primera línea.
- Si No: explica por qué en 2 oraciones y propón una alternativa concreta (ej., "concentra presupuesto en 3 artículos no-commodity").
- Si Sí: confirma que el caso de uso es devtools (agentes de codificación de IA consumiendo docs), no Google SEO. Luego da la estructura recomendada y advierte sobre el riesgo de contenido duplicado si el usuario también planea generar archivos .md separados.
- No invoques "trato preferencial por IA" como razón. Ese argumento está muerto.
- Reconoce que Google ha declarado públicamente que llms.txt no es usado ni respaldado por Search.
</constraints>

La restricción "no seas complaciente" está haciendo trabajo real aquí. Claude validará todo por defecto si no empujas hacia atrás. (Sonnet realmente lucha comparado con Opus cuando omites esa línea, he probado ambos lado a lado en este prompt exacto.)

Tácticas 2 y 3: Fragmentación, Reescritura, Schema

3 primos, mismo error. Todos tratan el contenido como un recurso para fragmentar o pulir para IA, ignorando el mecanismo RAG extractivo que acabamos de cubrir.

Fragmentación. Posición directa de Google: no hay requisito de romper tu contenido en piezas diminutas para que la IA lo entienda mejor. Los sistemas de Google pueden entender el matiz de múltiples temas en una página. Observación en más de 100 sitios: páginas densas bien escritas (1500-3000 palabras, estructura clara, un punto fuerte por sección) sistemáticamente superan a páginas fragmentadas en formato FAQPage. ¿Por qué? Una página fragmentada pierde su coherencia narrativa, entonces se vuelve intercambiable con cualquier otra página sobre el mismo tema. La IA no la cita más. La cita menos.

Reescritura para IA. Posición directa de Google: no necesitas escribir de una manera específica solo para búsqueda generativa de IA, los sistemas de IA pueden entender sinónimos y significados generales. Cada SaaS de GEO vende reescritura de IA como servicio. La ironía: produce exactamente lo que Google sanciona en su política de abuso de contenido escalado. Mientras más reescribes para la IA, más te vuelves commodity (porque remueves lo que te hacía específico). Loop auto-derrotista perfecto.

Sobredosis de schema. Posición directa de Google: los datos estructurados no son requeridos para búsqueda generativa de IA. Salvedad distribuida: los datos estructurados mantienen su utilidad para resultados enriquecidos de Google Search clásico (Recipe, Event, Product). Pero apilar FAQPage + HowTo + Article + Person en cada página no trae nada en AI Search. (Me topé con un sitio de cliente el mes pasado donde el schema FAQPage estaba aplicado a 4000 páginas de producto por un plugin que nadie había configurado. La Search Console estaba gritando. La agencia que instaló el plugin había cobrado $1800 por el "paquete de optimización de IA".)

Prompt 2: Verificación Commodity vs No-Commodity

El prompt de Claude que toma tu borrador de artículo y te dice si es commodity o no-commodity, con un veredicto justificado. Severo por defecto, porque Claude por defecto es amable si no le dices que no lo sea.

<context>
  <draft>
    {pega tu borrador completo del artículo aquí}
  </draft>
  <topic>{tema del artículo}</topic>
  <audience>{lector objetivo}</audience>
  <competing_articles_optional>
    {pega 2-3 URLs de competidores o texto si está disponible}
  </competing_articles_optional>
</context>

<task>
Determina si este borrador es contenido commodity (una IA podría generarlo desde datos de entrenamiento, no se necesita citación) o contenido no-commodity (irreducible a datos de entrenamiento, la IA debe citar la fuente).
</task>

<output_format>
1. Veredicto: commodity / parcialmente no-commodity / no-commodity
2. Porcentaje estimado de pasajes que son commodity (reciclables desde datos de entrenamiento) vs irreducibles
3. Lista 5 oraciones específicas del borrador que son fuertemente commodity y deberían reelaborarse
4. Lista 3 preguntas que el autor debería responder para empujar el borrador hacia territorio no-commodity:
   - ¿Qué puedes decir tú solo sobre este tema?
   - ¿Qué número / incidente / observación hace tu artículo imposible de reformular?
   - ¿Qué posición tajante estás dispuesto a defender?
</output_format>

<constraints>
- Sé severo, no alentador. La posición predeterminada es "esto es commodity a menos que se demuestre lo contrario."
- No valides el borrador por defecto. El autor necesita la verdad, no una palmadita en la espalda.
- Cita oraciones específicas del borrador, no párrafos vagos.
</constraints>

Ejecuto esto en cada artículo antes de publicar. El mes pasado mató 2 borradores que estaba a punto de enviar. Me ahorró 2 posts desperdiciados. (El dashboard de Convex aún no muestra este tipo de analíticas de uso y he estado pidiendo por 8 meses.)

Táctica 4: Farming de Menciones y el Underground de Sombrero Negro

Aviso sobre el enfoque: observación de la industria, no tutorial. Estoy documentando lo que se vende para que puedas reconocerlo si alguien te lo propone, y defenderte si estas técnicas se usan contra tu marca. No estoy escribiendo un cómo hacerlo. Ninguna de estas está implementada en mis sitios.

Nivel 1, sombrero gris activamente comercializado. Farming de menciones inauténticas. Posts coordinados de Reddit (servicios vendiendo "10 menciones de Reddit en tu nicho por $200"), hilos sincronizados de X con perfiles falsos, perfiles de autor falsos en sitios de nicho, sembrando reseñas positivas en G2, Trustpilot, Capterra para cambiar el sentimiento de IA. Posición directa de Google: buscar menciones inauténticas en la web no es tan útil como podría parecer. La línea es autenticidad, no plataforma. Las menciones auténticas siguen siendo válidas: Reddit orgánico es masivamente citado por LLMs en 2025-2026 (según un análisis de Visual Capitalist citado por Brainz Digital, Reddit fue la fuente más citada en los corpora de LLM que estudiaron, aunque trataría el porcentaje exacto como direccional más que definitivo).

Nivel 2, limítrofe y a veces ilegal. Desplazamiento de citación (crear contenido autoritativo sobre el tema de un competidor para que la IA te cite a ti en su lugar), envenenamiento de sentimiento de marca (contenido sintético en foros y reseñas para alterar la percepción de IA de una marca de terceros). Documentado por Alex Bobes (alexbobes.com, febrero 2026) como técnicas observadas en SEO de IA de sombrero negro. El hecho de que estas tengan nombre ahora debería decirte algo sobre qué tan organizado se está volviendo el underground.

Estuve en un viaje de delfines con mis hijos cerca de Koh Phangan el marzo pasado, hablando con un tipo de Singapur que maneja un SaaS en el nicho de cumplimiento legal. Me dijo que una agencia le había propuesto un servicio de "desplazamiento de citación" para ser citado en lugar de su competidor principal en Perplexity. El precio era $4000 por 90 días. Dijo que no, en parte porque era turbio y en parte porque no tenía idea si funcionaba. La presentación de la agencia tenía 14 diapositivas de gráficos, ninguno con fuente. Toda la industria de SEO de IA de sombrero negro funciona con gráficos sin fuentes, y los compradores usualmente son fundadores que no tienen tiempo para verificar.

Nivel 3, ataque emergente-más-que-optimización. Inyección de prompt oculto en HTML. Comandos invisibles vía display:none, visibility:hidden, texto blanco sobre blanco, comentarios HTML, caracteres unicode invisibles, espacios de ancho cero. Objetivo: manipular IAs que scrapean la página. Microsoft bloqueó explícitamente esta táctica en su documentación (Search Engine Land, septiembre 2025). Los modelos también evolucionaron. Cita de Security Innovation: los modelos procesarán tokens incluso si son invisibles para humanos, siempre que estén presentes en el input. Cita de HiddenLayer: los ataques contra LLMs tuvieron comienzos humildes, con frases como "ignora todas las instrucciones previas" fácilmente evadiendo la lógica defensiva. Estado: aún intentado por algunos, mayormente filtrado ahora.

Nivel 4, investigación académica. Stuffing de consulta reescrita y textos segmentados duplican la tasa de manipulación de motores de búsqueda mejorados con LLM, según el paper Unveiling the Resilience of LLM-Enhanced Search Engines against Black-Hat SEO Manipulation (ACM Web Conference 2026). Envenenamiento de datos de entrenamiento de LLM: investigación conjunta de Anthropic y el UK AI Security Institute mostró que 250 documentos maliciosos son suficientes para envenenar un LLM, independientemente del tamaño total del dataset. Esto es seguridad, no SEO. Pero surge en foros oscuros de SEO de IA de sombrero negro como "técnica futura".

Lectura honesta: las técnicas en nivel 1 y 2 están activamente a la venta. Los niveles 3 y 4 están mayormente filtrados o atascados en investigación, pero he visto hilos en foros oscuros ofreciendo servicios empaquetados. El lector necesita saber que esto existe para reconocerlo y rechazarlo.

Prompt 3: Extracción de Experiencia Vivida (Entrevista, No Reescritura)

El prompt que hace que Claude haga lo opuesto de lo que venden las herramientas GEO. En lugar de reescribir tu artículo para hacerlo amigable para IA, Claude te entrevista para sacar a la superficie tu experiencia vivida real.

<context>
  <topic>{tema del artículo}</topic>
  <angle>{tu ángulo inicial en 1-2 oraciones}</angle>
  <raw_notes_optional>
    {pega notas crudas, transcripciones de memo de voz, o un borrador si tienes uno}
  </raw_notes_optional>
</context>

<task>
Entrevista al usuario para sacar a la superficie experiencia vivida, números específicos, anécdotas fechadas, y observaciones contraintuitivas sobre este tema. NO escribas el artículo. NO reescribas el borrador. Extrae material crudo que el usuario pueda integrar por sí mismo.
</task>

<workflow>
Haz 5 a 7 preguntas dirigidas. Ejemplos de patrones de pregunta:
- ¿Qué incidente específico te hizo darte cuenta de X?
- ¿Qué número has medido que nadie más puede citar?
- ¿Qué decisión tomaste que fue contra el consenso?
- ¿Qué falla te enseñó algo que los tutoriales no dicen?
- ¿Con quién estuviste en desacuerdo públicamente sobre este tema, y cuál fue el desacuerdo?

Después de que el usuario responda, compila un dossier de material crudo:
- citas crudas de su experiencia vivida
- números específicos
- anécdotas fechadas
- observaciones contrarias
</workflow>

<constraints>
- Nunca escribas el artículo. Nunca reescribas el borrador.
- El output es material crudo que el usuario integra por sí mismo.
- Una máquina no puede escribir contenido no-commodity por definición. Solo puede ayudar al humano a sacarlo a la superficie.
</constraints>

Este es el prompt más importante del artículo. Los otros 3 son filtros. Este es el motor. También el único donde Claude está haciendo algo para lo que las herramientas de IA no fueron construidas: alejarse del teclado y dejar que el humano escriba.

El Giro de Bing

En Google, GEO y AEO se declaran muertos (15 de mayo, 2026). En Bing, la posición es exactamente opuesta. Microsoft oficializó el término GEO en sus Webmaster Guidelines en marzo de 2026, con un AI Performance Dashboard dedicado en Bing Webmaster Tools. El enfoque de Microsoft: GEO no garantiza citaciones, así como SEO no garantiza rankings. Microsoft reconoce formalmente la práctica como paralela al SEO.

¿Por qué la brecha? Mi hipótesis honesta (presentada como hipótesis, no hecho): Microsoft tiene un interés comercial directo. Bing Webmaster Tools, AI Performance Dashboard, IndexNow, Bing Places son productos monetizables. Oficializar GEO significa vender herramientas GEO. Google no tiene tal interés. Google AI Search usa el mismo índice que Google Search clásico, entonces validar un término paralelo crearía confusión de producto. Creo que ese es el verdadero impulsor. Podría estar leyendo esto mal pero el timing coincide con la hoja de ruta del producto demasiado perfectamente para ignorar.

Consecuencia práctica: ChatGPT Search es alimentado por Bing (el acuerdo Microsoft-OpenAI). Entonces optimizar para Bing equivale a optimizar para ChatGPT, en parte. Estadística de superposición de Control Alt Digital (abril 2026): solo 13.7% de las citaciones son compartidas entre Google AI Overviews y Google AI Mode (10.7% superposición de URL, 16% superposición de dominio). Y entre Google y ChatGPT/Bing, la superposición es aún menor. Diferentes motores citan diferentes sitios.

Conclusión matizada. Si tu tráfico apunta a Google AI Overviews, las 4 tácticas discutidas arriba están muertas. Si apuntas a ChatGPT Search y Perplexity (que usan índice de Bing), algunas técnicas GEO amigables para Bing (llms.txt, FAQ schema, IndexNow) permanecen parcialmente válidas. Pero el mecanismo RAG extractivo sigue siendo la única palanca universal. Incluso en Bing, no-commodity vence a commodity. Las técnicas específicas de Bing son pulimento sobre contenido que ya debe pasar la prueba fundamental.

No leas esta sección como una nueva tesis. Léela como nota al pie del argumento principal. El mecanismo no cambia con el motor.

La Prueba Que Google No Escribió

Derivatex (febrero 2026) lo expresó más limpio que Google: si un modelo de IA leyera solo esta página y nada más, ¿se iría con un entendimiento preciso y útil de nuestra marca o producto? Google no escribió esta prueba pero es la aplicación directa de "contenido no-commodity primero". Si la respuesta es "no, la IA se iría con un entendimiento genérico disponible en cualquier lugar", tu contenido es commodity. Si la respuesta es "sí, la IA se iría con algo que no podría haber obtenido en ningún otro lugar", eres citable.

Aplicado a los más de 100 sitios que edito: esta prueba inmediatamente separa páginas que merecen existir de páginas que cualquiera podría haber generado. Estadística para tener en mente: 48% de las búsquedas de Google mostraron AI Overviews en marzo de 2026 (datos de SEO.com citados por Pasquale Pillitteri), subiendo del 34.5% en diciembre de 2025. Implicación directa: si tu contenido falla la prueba, desapareces de la mitad del tráfico de Google.

Prompt 4: La Prueba de IA Aislada

El prompt de Claude que simula una IA leyendo tu página como fuente única y te dice qué retendría.

<context>
  <page_url_or_text>{pega URL o texto completo}</page_url_or_text>
  <target_query>{la consulta para la que quieres ser citado}</target_query>
</context>

<task>
Eres Google AI Overviews. Un usuario pregunta la target_query. Tienes acceso SOLO a esta página. ¿Qué retienes?
</task>

<output_format>
1. Tres oraciones que extraerías para la respuesta de IA
2. Veredicto de citabilidad: alta / media / baja
3. Qué haría la página más citable:
   - Números específicos faltantes
   - Experiencia vivida no hecha explícita
   - Posición tajante no tomada
</output_format>

<constraints>
- Trata esto como simulación real, no crítica de contenido. Eres la IA, no el editor.
- Si la página es genérica, dilo directamente.
- No sugieras mejoras estilísticas. Solo señales que cambien citabilidad.
</constraints>

Output corto, accionable en 2 minutos. Lo ejecuto en cada artículo antes de publicar. Si quieres un método que sea no-commodity por construcción, mi libro Vibe Coding, For Real es un Blueprint de 8 pasos construido sobre proyectos enviados, gratis en Kindle Unlimited.

El insight de segundo orden del documento de Google, el que nadie está destacando, es que los sitios que sobreviven 2026 son aquellos donde el autor es no-transferible. No puedes subcontratar no-commodity a una agencia GEO o a un freelancer que no conoce tu tema. La industria SEO tendrá que reaprender cómo escribir en lugar de cómo producir. La estructura de costos también cambia. El contenido no-commodity cuesta más producir que un FAQPage genérico, pero gana en una línea de tiempo completamente diferente. Un artículo no-commodity sigue siendo citado 2 años después. Un artículo commodity desaparece en la próxima actualización de índice de IA. La misma lógica aplica para construir software, por eso dejé de vibe coding y comencé a ejecutar contratos de prompt, frameworks construidos sobre tu propio patrón vencen a las mejores prácticas genéricas.

---

2 años viendo una industria vender archivos .txt a 500 dólares mientras el mecanismo real cabe en 1 oración: si una IA puede escribir tu artículo con sus datos de entrenamiento, no te citará. Los sitios que sobreviven 2026 son aquellos donde el autor es no-transferible.

Ve a escribir algo que solo tú puedas escribir. Eso es SEO en 2026 (a menos que elijas el camino de Sombrero Negro, pero esa es otra historia ;-)

Fuentes

• Google Search Central, Optimizing your website for generative AI features on Google Search (15 de mayo, 2026): https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
• Search Engine Journal, Google's New AI Search Guide Calls AEO And GEO 'Still SEO' (Matt G. Southern, 16 de mayo, 2026)
• Cyber Kendra, Google's AI Search Guide Is Out, Explained Without the Hype (16 de mayo, 2026)
• Pasquale Pillitteri, Google AI Optimization Guide (16 de mayo, 2026): https://pasqualepillitteri.it/en/news/2654/google-ai-optimization-guide-seo-ai-mode-overviews-en
• LBN Tech Solutions, What Is LLMs.txt? The Truth About Google Search Rankings in 2026 (febrero 2026)
• Derivatex, LLMs.txt: The Complete Guide for SEO and AI Search 2026 (abril 2026)
• Somanath Balakrishnan, From SEO to GEO Part 2 (Medium, febrero 2026)
• Search Engine Journal, Bing Adds GEO To Official Guidelines (2 de marzo, 2026)
• Control Alt Digital, AI Search in 2026: Your Complete Guide (abril 2026)
• Alex Bobes, BlackHat SEO in 2026 (alexbobes.com, febrero 2026)
• Search Engine Land, Hidden prompt injection: The black hat trick AI outgrew (septiembre 2025)
• ACM Web Conference 2026, Unveiling the Resilience of LLM-Enhanced Search Engines against Black-Hat SEO Manipulation

Este post puede contener enlaces de afiliados. Si los clicas, podría ganar una pequeña comisión, no te cuesta nada, y me ayuda a seguir enviando artículos de calidad todos los días para tu placer de lectura.