Nuestra web sacó 96 sobre 100 y cero citas de IA

Actualizado: 2026-08-29

Respuesta rápida: construimos un auditor de preparación para IA, lo pasamos por nuestra propia web y sacamos 96 sobre 100. Después preguntamos a cuatro modelos de lenguaje si nos nombrarían cuando alguien pide una agencia de nuestro sector. Veinticuatro respuestas. Cero menciones. La nota no se equivocaba sobre lo que medía. Se equivocaba sobre lo que decía predecir, y reconstruirla alrededor de esa brecha nos llevó casi un mes.

¿De qué estaba hecho el 96?

El motor de primera generación comprobaba lo que comprueba todo el mundo, y nuestra web pasaba casi todo.

Rastreadores permitidos en robots.txt, incluidos los agentes específicos de IA. Respuestas de servidor rápidas. Páginas que se muestran sin necesidad de JavaScript, porque prerenderizamos. Marcado de esquema presente y válido. Etiquetas canonical correctas. Sitemap completo y enviado. Encabezados en jerarquía sensata. Maquetación móvil limpia. Ningún enlace interno roto.

Cada una de esas cosas es una propiedad real de la web, medida correctamente. El motor no funcionaba mal. Informaba, con exactitud, de que nuestra web es técnicamente competente.

El número presentaba eso como preparación para ser citado por la IA, que es una afirmación completamente distinta y que las comprobaciones nunca probaron.

Jurado de modelos

Pasar el mismo conjunto de preguntas por varios modelos de lenguaje para ver si alguno nombra el sitio.

Bloqueante

Condición que anula toda la puntuación al margen del resto, como noindex o una prohibición en robots.txt.

¿Qué prueba lo rompió?

Preguntamos a cuatro modelos directamente: Claude, Gemini, Llama 70B y DeepSeek. Seis cuestiones cada uno, formuladas como las formularía un cliente potencial. Qué agencias recomendaría para este tipo de trabajo en este mercado. Quién lo hace bien. Nombre algunos proveedores.

Volvieron veinticuatro respuestas. Nuestro dominio no apareció en ninguna.

Los modelos nombraron competidores. Nombraron agencias internacionales grandes. Algunos nombraron empresas que, según los criterios de nuestro propio motor, tienen montajes técnicos bastante peores que el nuestro.

Ese último detalle es el que zanjó la discusión internamente. No era que todos puntuaran alto y nosotros perdiéramos por poco. Webs con respuestas más lentas, marcado más sucio y sin prerenderizado estaban siendo recomendadas, y nosotros no.

La IA es un sistema nuevo de búsqueda y de menciones, y ahora recorre el mismo camino que recorrió la búsqueda orgánica hace veinte años. Averiguamos por experimento qué funciona y qué no. Cero de veinticuatro respuestas con 96 puntos fue exactamente ese experimento: la puntuación medía el sistema anterior.

¿Qué faltaba en realidad?

No una propiedad técnica. Una noción previa.

Los modelos nunca se habían topado con nuestra marca en un contexto que la hiciera disponible como respuesta. No hay volumen de menciones en sitios que no poseemos, ni acumulación de reseñas, listados y conversación, nada que meta el nombre en el conjunto del que un modelo tira cuando le piden nombrar proveedores.

Nuestras páginas eran extraíbles. Nadie las extraía, porque nadie tenía motivo para buscarlas.

Son dos condiciones separadas y nosotros medíamos una mientras informábamos de las dos.

¿Qué cambió la reconstrucción?

De aquí salieron tres cambios, y son la sustancia del motor actual.

Dos números en lugar de uno. Citabilidad, que mide si un modelo puede usar su página, y memorabilidad, que mide si tiene alguna noción previa de su marca. Se informan por separado. Mezclarlas produce un número incapaz de distinguir «perfectamente extraíble y desconocida» de «conocida y a medio romper», que son problemas opuestos.

Multiplicación en lugar de suma. La nota es ahora contenido × (0,6 + 0,4 × acceso). Con suma, una web podía acumular puntos de comprobaciones técnicas sin tener nada que merezca ser citado. Con multiplicación, un contenido flojo limita toda la nota por limpia que esté la infraestructura. Nueve condiciones la dejan en cero directamente, porque una página que no se puede descargar no tiene crédito parcial que repartir.

Prueba directa además de inferencia. El jurado de cuatro modelos forma parte de la auditoría, y no es algo que hicimos una vez para comprobarnos. El motor ya no solo predice si un modelo le citaría. En modo completo, pregunta.

¿Qué saca hoy la misma web?

Reescaneada el 27 de agosto de 2026 con el motor actual:

Sesenta y tres no es un número mejor. Es un número más honesto, y la diferencia entre 96 y 63 es casi toda de contenido: ninguna cita atribuida en toda la web, ningún bloque de preguntas frecuentes, cifras solo en la página de precios donde los precios obligaban, y la comprobación de respuesta arriba fallando en la portada.

El 82% técnico es el viejo 96 puesto en su sitio: un componente, no una conclusión.

¿Cuáles son las admisiones incómodas?

Varias cosas de esto merecen decirse en vez de suavizarse.

Enviamos el 96 a clientes antes de detectarlo. El motor estaba en producción. Salieron informes con números altos. Esos informes describían con exactitud la preparación técnica y daban a entender algo más amplio.

Seguimos en 63 y cero. Publicar esto no arregla nuestra propia memorabilidad. El jurado sigue devolviendo nada. Sabemos cuál es el trabajo y lleva meses, y estamos al principio.

Solo 10 de 75 variables tienen umbrales de mediciones publicadas. El resto son criterios informados. El modelo actual es una hipótesis mejor fundamentada que el anterior, no un instrumento validado, y llamarlo validado sería repetir el mismo error en otro sitio.

La reconstrucción la disparó una observación, no un estudio. Un 96 que predecía un cero. Es la prueba más tosca posible y bastó, porque una nota que invierte su propia predicción ha fallado sin importar el tamaño de la muestra.

¿Por qué las notas técnicas altas engañan de forma sistemática?

Hay una razón estructural por la que esto le pasa justo a las webs buenas, y merece entenderse más allá de nuestro caso.

Las comprobaciones técnicas son fáciles de automatizar y baratas de ejecutar. Producen resultados claros de aprobado o suspenso. Todas las herramientas del sector las miden, porque medirlas es abordable.

El reconocimiento de marca es difícil de automatizar, caro de medir y produce respuestas incómodas de entregar. La mayoría de herramientas no lo miden, y una herramienta que no mide algo no puede informar de que falta.

Así que toda la categoría converge en puntuar lo que es medible y presentarlo como lo que el cliente preguntaba. Una web técnicamente bien construida recibe un número alto de todas las herramientas del mercado, y ninguna prueba aquello que decide si la recomiendan.

La web que más sufre esto es la competente, porque una web competente maximiza la mitad que se mide y recibe un informe diciendo que casi ha terminado.

¿Qué hacer con una nota alta?

Si una herramienta le ha dicho que su web está en noventa y tantos y nada ha cambiado en cómo hablan de usted los sistemas de IA, los pasos prácticos son cortos.

Pregunte usted mismo a los modelos. No hace falta herramienta. Abra Claude, ChatGPT, Gemini y pregunte lo que preguntaría siendo cliente. No mencione su empresa en la pregunta. Anote si el nombre vuelve. Lleva diez minutos y es lo más informativo que puede hacer.

Separe los dos problemas. Si los modelos no le conocen, su web no es el cuello de botella y más trabajo técnico no lo moverá. Si le mencionan pero le describen mal, eso es un problema de contenido y se arregla en sus propias páginas.

Revise la mitad de contenido en concreto. Citas atribuidas, cifras concretas, bloques de preguntas frecuentes, una respuesta autónoma cerca de arriba en cada página. Ahí es donde una web técnicamente fuerte suele estar más floja, porque exige escribir y no configurar.

Trate la marca como una vía aparte. Menciones en dominios que no posee, listados, reseñas, que se hable de usted. Lento, poco lucido, y lo único que mueve el número que importa.

Preguntas frecuentes

¿El motor antiguo estaba mal construido? Estaba bien construido para la afirmación equivocada. Cada comprobación individual funcionaba. El fallo estaba en qué se decía que significaba el número agregado.

¿Una nota baja significa que la web es mala? No. Nuestro 63 sale de una web técnicamente fuerte con señales de contenido escasas. La nota describe citabilidad, no la calidad del trabajo ni la del negocio.

¿Por qué cuatro modelos y no uno? El silencio de un modelo podría ser una rareza de sus datos de entrenamiento o de su recuperación. Cuatro silencios independientes son un hecho sobre la marca y no sobre un modelo.

¿Cuánto tarda en moverse la memorabilidad? Meses. Depende de actividad fuera de su propio dominio y no hay versión que se complete en un sprint.

¿Debo dejar el trabajo técnico? No. La preparación técnica es la condición previa. Un modelo que decide citarle y encuentra su página inutilizable citará a otro. Es necesaria y no es suficiente.

¿Publicarían la nota baja de un cliente? Publicamos la nuestra, que es la única versión de esa pregunta que podemos responder por nuestra cuenta. El motivo de publicarla es que un proveedor que informa de 96 sobre sí mismo mientras es invisible estaría cometiendo el mismo error en público.

Fuentes: escaneos de seo7.es con los motores GeoScan v1.1 y v1.2, 26 y 27 de agosto de 2026; recuento del jurado de cuatro modelos (Claude, Gemini, Llama 70B, DeepSeek), 24 respuestas, mismas fechas; mediciones de GEO-bench (Universidad de Princeton).