Mi visión de las auditorías de visibilidad de la IA con citelayer®

Fecha: junio de 2026. Una auditoría de visibilidad de IA no es una pregunta de prueba para ChatGPT. Si en algún momento preguntas „Recomiéndame proveedores de X“ y tu marca no aparece, eso es solo un indicio. Aún no es un resultado definitivo. Si tu marca aparece, tampoco es más que un indicio. Aún no es una victoria.

Es precisamente aquí donde empieza el trabajo de verdad. Visibilidad de la IA No solo mide si se menciona una marca en algún sitio. Se pregunta: ¿se entiende correctamente? ¿De qué fuentes surge esta imagen? ¿Qué competidores se recomiendan en su lugar? ¿Qué señales técnicas son útiles y cuáles no son más que una bonita cortina de humo? ¿Y qué lagunas se pueden cubrir realmente sin menospreciar la web con relleno superficial basado en la IA?

El resumen

• Una auditoría de visibilidad de la IA es un análisis, no un oráculo. Analiza cómo los sistemas de respuesta basados en IA clasifican actualmente una marca, un producto o un servicio.
• No basta con una sola indicación. La plataforma, el modelo, el momento, la formulación de la pregunta y las fuentes pueden influir en los resultados.
• Se miden varios niveles: menciones reales, fuentes, competidores, claridad en cuanto a marcas y entidades, contenidos, aspectos técnicos y prioridades.
• Las señales técnicas son importantes, pero no son el único factor decisivo. Esquema, llms.txt, Markdown, robots.txt y el acceso de los rastreadores solo son útiles si los contenidos en sí son claros, actuales y contrastables.
• Una partitura es un mapa, no el paisaje. Ayuda a establecer prioridades. No sustituye a una clasificación técnica.
• Esto resulta especialmente práctico para WordPress: Hay muchos aspectos que se pueden mejorar de forma concreta: páginas principales, enlaces internos, datos estructurados, autores, categorías, contenidos obsoletos y formatos legibles por máquinas.

Mi opinión: una buena auditoría no te hace depender de una herramienta. Lo que hace es poner de manifiesto qué supuestos son válidos en este momento, cuáles no lo son y cuáles son los siguientes pasos que conviene dar.

¿Qué es una auditoría de visibilidad de la IA?

Una auditoría de visibilidad de IA comprueba si una marca aparece en los sistemas de respuesta basados en IA y de qué manera. En este contexto, „visible“ significa algo más que «el nombre aparece en algún sitio». «Visible» puede significar que la marca se menciona, se describe correctamente, se cita como fuente, se compara con la competencia, se recomienda o, simplemente, se pasa por alto.

Lo importante es la combinación. Una auditoría no solo analiza la superficie de los resultados, sino también las causas subyacentes: la estructura del sitio web, la claridad de la marca y los productos, los documentos externos, los datos estructurados, la política de acceso para los rastreadores, los datos de búsqueda, las lagunas de contenido y la presencia de la competencia. Solo así se obtiene una visión con la que se puede trabajar.

La diferencia con respecto a una auditoría de SEO clásica no es que, de repente, el SEO haya dejado de importar. Al contrario. El propio Google afirma que los fundamentos del SEO siguen siendo relevantes para las funciones de IA generativa en Google Search. Pero AI Visibility plantea preguntas adicionales: ¿Qué fuentes utiliza el sistema? ¿Qué respuesta se genera sin necesidad de hacer clic? ¿Qué competidores aparecen mencionados, aunque tú estés bien posicionado? ¿Y qué claridad hay sobre la entidad que hay detrás de tu nombre?

Lo que no es una auditoría

Una auditoría no es una captura de pantalla de ChatGPT con el título „Somos invisibles“. Una auditoría no es una puntuación de herramientas sin indicar fuentes, periodo ni plataforma. Y una auditoría no es una lista de 50 recomendaciones en la que todas parecen tener la misma urgencia.

Las respuestas de la IA son variables. Dependen de la consulta, el idioma, la ubicación, el modelo, el momento de la consulta, las fuentes disponibles y, en ocasiones, también de la interfaz. Por eso, una auditoría debe documentar claramente qué se ha comprobado. De lo contrario, una instantánea se convierte en un juicio que no puede sustentar.

Además, una buena auditoría distingue entre hallazgos, interpretaciones y medidas. „La marca no se mencionó en 8 de los 20 mensajes“ es un hallazgo. „La marca es una entidad poco definida“ es una posible interpretación. „Armonizar la página “Quiénes somos», la página de productos, los perfiles externos y el gráfico de Schema» es una medida. Esta distinción puede parecer árida, pero evita que cada dato medido se convierta inmediatamente en una acción precipitada.

Las cinco preguntas que hago primero

En mi trabajo de auditoría y desarrollo de productos con citelayer®, hay cinco preguntas iniciales que han demostrado su eficacia. Son deliberadamente sencillas. Precisamente por eso permiten detectar rápidamente si nos enfrentamos a un verdadero problema de visibilidad, a un problema de medición o a un problema de posicionamiento.

1. ¿Para qué debe ser visible la marca? ¿Se trata de una categoría, un producto concreto, un servicio local, un problema, una recomendación o una pregunta técnica?
2. ¿Quién o qué es la marca? ¿Una persona, una empresa, un producto, un complemento, un método, una tienda, un estudio o varias entidades que deben estar bien relacionadas entre sí?
3. ¿Qué fuentes describen actualmente esta marca? Página web propia, Search Console, datos estructurados, perfiles de terceros, valoraciones, directorios públicos de código, mercados online, prensa, vídeos, listados del sector.
4. ¿Qué competidores aparecen en su lugar? No solo en Google, sino también en ChatGPT, Perplexity, Claude, Gemini y Google AI.
5. ¿Qué carencia es la más relevante desde el punto de vista empresarial? ¿Falta alguna definición, algún documento de referencia, una página de comparación, una autorización técnica, una página central de ofertas o una respuesta clara a las preguntas relacionadas con la decisión de compra?

Ahí es donde la visibilidad de la IA se vuelve agradablemente poco romántica. No toda ausencia de mención es un drama. No toda mención tiene valor. Y no todas las optimizaciones técnicas tienen el mismo impacto.

Por qué una plataforma no es suficiente

ChatGPT, Claude, Perplexity, Gemini y Google AI Search no funcionan exactamente igual. Tienen interfaces, lógicas de recuperación, rastreadores, preferencias de fuentes, normas de seguridad y estilos de respuesta diferentes. Una marca puede aparecer en Perplexity, no aparecer en ChatGPT y, en las vistas generales de Google AI, aparecer solo como fuente, sin que se recomiende.

Precisamente por eso separo las respuestas por plataforma. Un valor combinado puede resultar útil si se quiere observar tendencias. Sin embargo, para el diagnóstico propiamente dicho es importante saber dónde se produce el problema. ¿Falta la marca en todas partes? En ese caso, eso apunta más bien a un problema de fondo. ¿Falta solo en una plataforma? Entonces debemos analizar con más detalle su acceso, sus fuentes, su comportamiento a la hora de citar y su lógica de respuesta.

Google ha dado un paso más en este tema: desde junio de 2026, Google está implementando sus propios informes de Search Console para las funciones de IA generativa. Esto es importante porque, de este modo, la visibilidad de la IA ya no se debate únicamente a través de pruebas manuales de prompts y herramientas de terceros. Pero también en este caso se aplica lo siguiente: Search Console muestra los datos de Google, no automáticamente los de ChatGPT, Claude o Perplexity.

Marca y entidad: ¿Se entiende a quién se refiere?

En AI Visibility, „marca“ no es, en primer lugar, un término de diseño. Es un término de clasificación. Un sistema debe ser capaz de reconocer que un nombre pertenece a una persona, empresa, sitio web, servicio o producto concretos. Si esta clasificación falla, todo lo que viene después se resiente.

Esto afecta especialmente a las pequeñas empresas, los estudios, las consultas, los proveedores locales, los productos SaaS y los plugins de WordPress. Las personas suelen entender el contexto a partir de conversaciones, recomendaciones o su propia experiencia. Los sistemas de IA necesitan señales públicas, accesibles y coherentes. ¿El nombre del producto se escribe siempre igual? ¿Existe una página web central? ¿Coinciden la organización, la fundadora, la marca, el dominio, los perfiles en redes sociales y los datos estructurados? ¿Se siguen utilizando nombres antiguos? ¿Existen pruebas externas?

En este caso, una auditoría no busca la belleza, sino la claridad. Cuando varias entidades se solapan, un sistema puede tener que adivinar. Y las máquinas a veces adivinan con una seguridad en sí mismas digna de mención.

Fuentes, citas y competidores

Una respuesta generada por IA rara vez es solo un reflejo de tu página web. Precisamente en las preguntas sobre recomendaciones, las fuentes de terceros son importantes: listas comparativas, reseñas, foros, mercados online, GitHub, YouTube, prensa, directorios del sector, documentación y otras páginas web que te sitúan a ti o a tus competidores en el mercado.

Por eso no basta con limitarse a contar si se ha citado tu URL. Una fuente puede ser citada y, aun así, reforzar a la competencia. En el artículo sobre Listas comparativas y artículos de listas en AI Search He descrito precisamente este riesgo: las listas de autopromoción pueden, en determinadas circunstancias, proporcionar a una IA una lista de competidores perfectamente ordenada, sin que la propia marca resulte ganadora.

Por eso, en la auditoría hay tres cuestiones que hay que tener en cuenta a la vez: ¿qué fuentes se utilizan? ¿Qué marcas se mencionan? ¿Y qué papel desempeña tu marca en la respuesta: es una fuente, una opción, una recomendación, una nota al margen o ni siquiera aparece?

Técnica: esquema, llms.txt, rastreador, enlaces canónicos

La tecnología es importante. Pero no es la solución mágica que a menudo se nos quiere hacer creer. Datos del esquema pueden ayudar a aclarar las entidades y las relaciones. llms.txt Puede resultar útil para sistemas y agentes que utilicen este tipo de archivos. Los archivos Markdown pueden facilitar la lectura de los contenidos. El archivo robots.txt puede controlar el rastreo. Las etiquetas canónicas pueden reducir los conflictos de señales. En el caso de WordPress, he desglosado este aspecto técnico por separado: Hacer que WordPress sea más legible para los sistemas de IA.

Sin embargo, Google indica expresamente, en relación con „AI Overviews“ y „AI Mode“, que no se necesitan archivos adicionales especiales legibles por máquina para aparecer en estas funciones de Google. Al mismo tiempo, esto no ignora la práctica de otros sistemas, agentes y vías de acceso técnicas. Es precisamente esta tensión la que hay que explicar con claridad; de lo contrario, se acaba llegando a la conclusión de que «todo es una tontería» o de que «instala el archivo X y serás visible». Ambas opciones son demasiado simplistas.

Por eso, en mi metodología, las señales técnicas siguen dos vías: algunas se tienen en cuenta en la evaluación cuando se demuestra que mejoran la claridad, la estructura o el acceso. Otras se mantienen como puntos de alerta o de diagnóstico. Por ejemplo, la existencia de un archivo llms.txt no es prueba de visibilidad. Sin embargo, la ausencia de una política de acceso para los rastreadores de IA puede suponer un problema práctico si los bots de búsqueda no pueden acceder a contenidos públicos importantes.

Contenidos: Fan-Out, preguntas de elección y huecos

La visibilidad de la IA rara vez se ve obstaculizada únicamente por la falta de un archivo. Muy a menudo faltan las respuestas a partir de las cuales se podría formular una recomendación. Es precisamente aquí donde ayuda Fan-out de consultas Como modelo de pensamiento: una pregunta se desglosa en subpreguntas. Los sistemas no solo buscan la palabra clave principal, sino también definiciones, riesgos, alternativas, precios, pruebas, grupos destinatarios, límites y próximos pasos.

Por eso, una auditoría comprueba si tu página web responde a las preguntas clave. No a todas, sino a las relevantes. La diferencia es importante. Quien se limita a abordar a ciegas todas las subpreguntas posibles, acaba rápidamente creando un batiburrillo de contenidos. Quien responde con claridad a las verdaderas preguntas clave, aporta sustancia.

En el caso concreto de WordPress, esto significa que los artículos pilares, los clústeres, las preguntas frecuentes, las páginas de productos, las páginas de ofertas, las categorías y los enlaces internos deben funcionar de forma conjunta. Una buena página no solo explica „qué es“, sino también „para quién es útil“, „cuáles son sus límites“, „cómo reconozco la calidad“ y „por qué debería creer en esta fuente“.

Pequeña lista de comprobación para una mini-auditoría de WordPress

Si no quieres hacer un análisis completo, puedes empezar con una pequeña muestra. Aunque no sustituye a una auditoría exhaustiva, te permite detectar rápidamente dónde está el problema.

1. Define tres preguntas fundamentales: ¿Cómo te gustaría que te mencionaran? Por ejemplo, „la mejor agencia de WordPress para WooCommerce“, „plugin de SEO para tiendas pequeñas“ o „auditoría de visibilidad con IA para B2B“.
2. Prueba varias plataformas: Plantea preguntas similares en ChatGPT, Perplexity, Claude, Gemini y Google AI Search. Anota la fecha, el idioma, la pregunta exacta y el resultado.
3. No te limites a anotar «Sí» o «No»: ¿Se menciona tu marca? ¿En qué lugar? ¿En qué frase? ¿Qué competidores aparecen? ¿Qué fuentes se citan?
4. Comprueba tu página de entidad principal: ¿Hay alguna página que explique con claridad la marca, la oferta, el público objetivo, la ubicación, las personas, los productos y los documentos justificativos?
5. Comprueba los datos estructurados: ¿Coinciden «Organización», «Persona», «Artículo», «Producto», «Preguntas frecuentes» o «LocalBusiness» con el contenido visible?
6. Comprueba la indexación y los fragmentos de contenido: ¿Las páginas importantes son indexables, no tienen la etiqueta «noindex» aplicada por error y, en principio, están disponibles en la Búsqueda de Google con un fragmento de vista previa?
7. Echa un vistazo al archivo robots.txt y a los rastreadores de IA: ¿Bloqueas los bots de búsqueda aunque quieras que tu sitio sea visible? ¿Diferencias entre la búsqueda, el entrenamiento y las consultas iniciadas por los usuarios? Los conceptos básicos al respecto se explican en el artículo sobre Rastreadores de IA, robots.txt y señales de contenido.
8. Buscar lagunas en el contenido: ¿Qué cuestiones aborda mejor el concurso? ¿En qué aspectos faltan comparativas, pruebas, rangos de precios, público objetivo, límites o ejemplos?
9. Evalúa las fuentes externas: ¿Existen perfiles, reseñas, menciones, documentación, repositorios o fuentes del sector que respalden de forma independiente la credibilidad de tu marca?
10. Establece prioridades con firmeza: ¿Cuál es el siguiente paso que reportará mayores beneficios: mejorar la página principal, reorganizar el esquema, completar los clústeres, actualizar contenidos antiguos o crear referencias externas?

Lo bueno de esta lista es que saca a AI Visibility de la niebla. De repente, ya no se trata de „GEO-Vibes“, sino de cuestiones, páginas y señales muy concretas.

Cómo interactúan el plugin citelayer® y Audit

citelayer® para WordPress cubre precisamente esta brecha entre los plugins clásicos de SEO y AI Visibility. El plugin hace que los contenidos de WordPress sean más legibles para las máquinas: Schema.org, llms.txt, salidas en Markdown, UCP Discovery, WebMCP y compatibilidad con plugins de SEO como Yoast, Rank Math o All in One SEO (AIOSEO). Esa es la base técnica.

El Auditoría de visibilidad con IA de citelayer® El nivel de diagnóstico se sitúa por encima de ese. No solo se pregunta si la tecnología está disponible, sino si la marca es comprendida, mencionada, citada o ignorada en situaciones relevantes de respuesta de IA. Esto incluye pruebas de plataformas, comparativas con la competencia, análisis de fuentes, datos estructurados, arquitectura de contenidos, política de rastreadores y una hoja de ruta priorizada.

Para mí, esta distinción es importante porque es sincera: un plugin puede mejorar las señales técnicas. Una auditoría puede poner de manifiesto las carencias y priorizarlas. Ninguna de las dos cosas sustituye al trabajo real relacionado con la marca, los contenidos y la documentación. Por desgracia. Sería más cómodo. Yo también lo aprovecharía. Pero esa no es la realidad.

Límites: lo que ninguna auditoría puede prometer con sinceridad

Una auditoría seria no promete una mención garantizada en ChatGPT, Claude, Perplexity, Gemini o Google AI. Nadie puede controlar con certeza qué fuente seleccionará un modelo mañana. Quien afirme lo contrario está vendiendo más tranquilidad que análisis.

Lo que puede aportar una auditoría: puede documentar la situación actual, identificar patrones, detectar obstáculos técnicos y de redacción, poner de manifiesto las carencias de la competencia y priorizar medidas. Además, puede evitar que se invierta mucho tiempo en detalles superficiales, mientras que la esencia de la marca sigue sin quedar clara.

Por eso considero las puntuaciones como una ayuda para tomar decisiones. No como un juicio sobre el valor de una marca. No como un trofeo. Y, desde luego, tampoco como sustituto del sentido común. Una puntuación es útil cuando explica por qué es así y qué medidas se deben tomar a raíz de ella.

Preguntas frecuentes

¿Necesito una auditoría de visibilidad de IA si mis cifras de SEO son buenas?

Quizás. Unas buenas métricas de SEO son una ventaja, pero no garantizan automáticamente que los sistemas de IA mencionen correctamente tu marca, la recomienden o la utilicen como fuente. Especialmente en lo que respecta a las recomendaciones, las comparativas y las cuestiones relacionadas con la toma de decisiones, puede merecer la pena realizar una auditoría.

¿Basta con probar mi marca en ChatGPT?

No. Es un buen punto de partida, pero no es una auditoría. Necesitas varias preguntas, varias plataformas, resultados documentados, un análisis de las fuentes y una clasificación de las causas.

¿Es llms.txt un factor de posicionamiento?

En el caso de Google Search, Google afirma expresamente que el archivo llms.txt no es necesario y que Google Search lo ignora. No obstante, para otros sistemas, agentes y flujos de trabajo legibles por máquina, un archivo llms.txt bien mantenido puede resultar útil. Por eso no lo considero una solución milagrosa, sino una señal técnica dentro de su contexto.

¿Qué es más importante: la estructura o el contenido?

Ambos cumplen funciones diferentes. El contenido aporta la esencia. El esquema ayuda a estructurar esa esencia de forma más clara. Si el contenido es escaso, el esquema no lo convierte de repente en algo útil. Si el contenido es bueno, un esquema bien definido puede aclarar las relaciones y las entidades.

¿Puede una pequeña empresa desarrollar realmente la visibilidad de la IA?

Sí. No es imprescindible para términos genéricos muy amplios, pero sí lo es para nichos concretos, cuestiones locales, ofertas especiales, categorías de productos y cuestiones decisivas. Precisamente los pequeños proveedores suelen tener experiencia real, pero carecen de pruebas públicas y bien estructuradas.

Fuentes y verificación

Esta clasificación se basa en mi trabajo de auditoría y desarrollo de productos citelayer®, así como en fuentes primarias públicas. Utilizo mis propios análisis como base técnica; las afirmaciones sobre hechos públicos pueden verificarse a través de las siguientes fuentes.

• Google Search Central: Las funciones de IA y tu página web.
• Google Search Central: Optimización de tu sitio web para las funciones de IA generativa en la Búsqueda de Google.
• Blog de Google Search Central: Presentamos los informes de rendimiento de la IA generativa de búsqueda en Search Console.
• Google Search Central: Introducción al archivo robots.txt.
• Desarrolladores de OpenAI: Resumen de los rastreadores de OpenAI.
• Centro de Privacidad de Anthropic: ¿Anthropic recopila datos de la web?.
• Documentación de Perplexity: Rastreadores de Perplexity.
• citelayer®: Complemento de visibilidad de IA para WordPress.
• citelayer®: Auditoría de visibilidad de la IA.
• El trabajo propio de citelayer® en materia de auditorías y productos: pruebas de plataforma, análisis de fuentes, verificación de entidades, señales técnicas de WordPress, lagunas en el «query fan-out» y priorización se incorporan a esta clasificación como una metodología práctica.