Su mejor contenido es un vídeo, y la IA no puede verlo

Actualizado: 2026-08-29

Respuesta rápida: un vídeo incrustado en su página no aporta nada a lo que un modelo de lenguaje puede citar, porque la recuperación trabaja sobre texto y un incrustado es una dirección envuelta en marcado. Los cuarenta minutos de conocimiento que hay dentro son invisibles. Una transcripción en la misma página convierte esos cuarenta minutos en el contenido más citable que usted posee, y casi nadie la publica.

¿Qué ve un sistema de recuperación cuando llega a su vídeo?

Un <iframe> que apunta a un servicio de vídeo. Esa es toda la carga útil.

El rastreador no descarga el vídeo. No ejecuta reconocimiento de voz. No sigue el incrustado ni analiza lo que se reproduce allí. Lee su HTML, extrae texto, y el texto que extrae de un vídeo incrustado es lo que haya en el atributo de título y en el pie que lo rodea.

Así que una página cuya sustancia entera es una explicación de veinte minutos de su persona con más experiencia se lee, para una máquina, como una página con un encabezado, un párrafo de introducción y una caja vacía.

Esto no es una limitación que alguien esté resolviendo por usted. Es como está construido el proceso.

Transcripción

Texto completo de lo dicho en una grabación, publicado en la propia página.

Recuperación

Fase en la que el sistema busca fragmentos de texto adecuados antes de generar la respuesta.

¿Por qué la transcripción es mejor materia prima que casi cualquier artículo?

Aquí está la parte que hace que esto merezca la pena y no solo sea correcto.

La transcripción de alguien explicando su trabajo es, estructuralmente, casi ideal para la extracción. La explicación hablada tiene propiedades que el texto comercial escrito no tiene:

Es concreta por necesidad. Quien habla en voz alta sobre el trabajo que hace usa cifras, nombra restricciones y describe lo que pasa de verdad. «Normalmente tarda unos tres días, salvo que la web tenga más de cincuenta páginas, y entonces es una semana» es la clase de frase que aparece constantemente al hablar y casi nunca en una página de servicios.

Responde en unidades con forma de pregunta. Las entrevistas y las explicaciones se organizan de forma natural como pregunta y respuesta, que es la forma que la recuperación intenta construir de todos modos.

Viene de una persona con nombre. La atribución es la señal de contenido más fuerte medida en el estudio GEO-bench, con un aumento del 28% al 41% en citas. Una transcripción es un documento hecho enteramente de habla atribuida.

Es lo bastante poco editada como para ser desigual. La explicación real incluye salvedades, excepciones y matices en los sitios correctos, y eso se lee como conocimiento y no como marketing.

Quien graba vídeo ya está produciendo el texto de mayor valor de su web. Solo que lo deja en un formato que nada puede leer.

¿Qué publicar junto al vídeo?

El mínimo que funciona, por orden de esfuerzo.

Una transcripción completa, limpiada con suavidad. Quite las muletillas, corrija los errores evidentes de transcripción, divida en párrafos. No la reescriba en prosa corporativa, porque la reescritura elimina justamente la concreción que la hacía valiosa.

Encabezados dentro de la transcripción. Una transcripción de cuarenta minutos es un muro de texto sin ellos. Divídala en los cambios de tema y formule los encabezados como preguntas que se correspondan con lo que se responde debajo.

Un resumen de 40 a 80 palabras encima del vídeo. Autónomo, que diga qué cubre el vídeo y cuál es la afirmación principal. Es el fragmento con más probabilidades de ser levantado, y va en el primer tercio de la página, donde se concentra la extracción.

Marcado VideoObject con propiedad de transcripción. Declara que el texto pertenece al vídeo y le da a la página una relación legible por máquina entre ambos.

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "VideoObject",
  "name": "Cómo funciona una auditoría técnica de principio a fin",
  "description": "Recorrido por el proceso de auditoría con tiempos de cada fase.",
  "uploadDate": "2026-08-29",
  "duration": "PT22M",
  "transcript": "Texto completo de lo que se dice en el vídeo..."
}
</script>

El marcado es la parte más pequeña del valor. El texto en la página es el valor.

¿Cuál es la objeción, y por qué se equivoca?

La razón habitual para saltarse las transcripciones: nadie las lee.

Correcto e irrelevante. Las transcripciones no se publican para leerse de principio a fin. Se publican porque convierten un formato que nada puede indexar en uno que todo puede indexar.

Un beneficio secundario que se infravalora: las transcripciones se pueden buscar. Un visitante que busca la parte sobre precios la encuentra con la búsqueda del navegador en lugar de arrastrar una línea de tiempo. Es una mejora real de accesibilidad incluso antes de pensar en máquinas.

Y un tercero, que importa más que los dos anteriores: las transcripciones son donde usted descubre qué dice de verdad su propia gente. Leer la transcripción de un compañero explicando el trabajo es la vía más rápida para encontrar las frases que su web debería haber contenido desde el principio.

¿Cuál es la trampa de la automatización?

Transcribir es barato ahora, y eso crea un modo de fallo concreto.

Una transcripción automática volcada en la página sin editar es un muro de texto sin puntuar, con nombres propios mal oídos, sin saltos de párrafo y sin estructura. Técnicamente contiene las palabras. Falla en casi todo lo que hace un texto extraíble: párrafos en la banda de 40 a 120 palabras, unidades autónomas, encabezados que marcan temas.

La limpieza no es opcional y no es larga. Veinte minutos de audio llevan quizá quince minutos de limpieza hasta quedar utilizables. Saltarse ese paso produce una página que aprueba una casilla y no ayuda a nada.

Cosas concretas que corregir, por orden de impacto:

Nombres propios. La transcripción automática destroza con fiabilidad nombres de producto, de empresa y términos técnicos. Son exactamente las entidades que pesan en la recuperación.

Saltos de párrafo. El habla no tiene párrafos. Insértelos en los cambios de tema, apuntando a unidades de dos a cuatro frases.

Encabezados. Cada pocos minutos de habla cubren un punto distinto. Márquelo.

Muletillas. Quite los tics verbales, conserve las salvedades. «Eh» es ruido. «Normalmente, aunque no siempre» es información.

¿Qué es lo que nosotros no hemos hecho?

No publicamos transcripciones, porque no publicamos vídeo. Así que este artículo es una recomendación a la que no podemos adjuntar datos propios de campo, y sería deshonesto insinuar lo contrario.

Lo que sí tenemos es el mecanismo, que no está en discusión: la recuperación lee texto, los incrustados no son texto y las transcripciones sí. Y tenemos la medición sobre habla atribuida, que es la señal de contenido más fuerte del banco de pruebas y de la que una transcripción está hecha por completo.

Con eso basta para recomendarlo. No basta para adjuntarle un número, así que en este artículo no hay ninguno.

No publicamos vídeo, así que no estamos en posición de enseñar cómo se hacen las transcripciones. Lo que sí puedo decir: todo lo que alguna vez explicamos a un cliente de viva voz en una llamada, después hubo que escribirlo. Si no, una semana más tarde esa explicación no existía para nadie.

¿Dónde se generaliza esto?

El caso del vídeo es la instancia más visible de una regla más amplia: cualquier contenido guardado en un formato que no sea texto en su página es contenido que un modelo no puede usar.

Pódcast. Mismo problema, misma solución, y los episodios de pódcast suelen ser el contenido mejor explicado que produce una empresa.

Diapositivas. Una presentación incrustada como objeto no aporta nada. Las notas del ponente, publicadas como texto, aportan mucho.

Infografías. El gráfico es una imagen. Las cifras que contiene, escritas debajo, son hechos extraíbles.

PDF. Mejor que el vídeo, porque muchos rastreadores extraen texto de PDF, pero peor que una página, porque la extracción es poco fiable y la estructura suele perderse.

Imágenes de texto. Una captura de una tabla es una captura. El texto alternativo ayuda un poco. Una tabla en HTML ayuda del todo.

La instrucción general es poco emocionante: si importa, debería existir como texto en una dirección que usted controla.

Preguntas frecuentes

¿La transcripción automática de YouTube cuenta? Ayuda a que encuentren el vídeo dentro de YouTube. No hace nada por su página, porque vive en un dominio que usted no posee y está unida a un vídeo, no a su dirección.

¿La transcripción debe estar visible o dentro de un bloque desplegable? Visible es más seguro. El contenido escondido tras una interacción puede tratarse como menos prominente, y algunos patrones de ocultación se consideran sospechosos. Un bloque desplegable abierto por defecto es un compromiso razonable.

¿Cuánta limpieza es suficiente? La suficiente para que un desconocido que lea un párrafo al azar lo entienda. Es la misma prueba que para cualquier contenido, porque después de la fragmentación eso es exactamente lo que ocurre.

¿Basta con un resumen en lugar de la transcripción completa? En parte. Un resumen es extraíble y mejor que nada. Una transcripción completa le da al modelo veinte afirmaciones concretas en lugar de una general.

¿Y VideoObject sin transcripción? Le dice a una máquina que existe un vídeo y cómo se llama. No pone su contenido a disposición. El marcado describe la caja, no lo que hay dentro.

¿Merece la pena hacerlo con vídeos antiguos? Empiece por los que responden preguntas que la gente hace. Una explicación de hace año y medio sobre cómo funciona algo es tan extraíble como una grabada ayer.

Fuentes: mediciones de GEO-bench sobre citación y atribución (Universidad de Princeton); especificación VideoObject de schema.org; compendio de investigación a partir de 165 fuentes sobre búsqueda con IA, agosto de 2026.