Cómo los LLMs eligen sus fuentes

No es búsqueda tradicional

Cuando Google muestra resultados clásicos, te da una lista de páginas para que tú elijas. La decisión final es tuya.

Cuando un LLM responde una pregunta, sintetiza información de varias fuentes y te da una sola respuesta. No hay lista entre la que elegir. El modelo ya decidió qué información usar y, a menudo, qué fuentes enseñar como cita.

Eso cambia las reglas para quien publica.

El proceso de selección

Los LLMs con acceso a la web hacen algo parecido a una búsqueda, pero luego tratan los resultados de otra forma. El detalle cambia según el producto, y los fabricantes documentan hoy más que antes.

Primero, el sistema decide si busca o no. La documentación de Anthropic dice que Claude busca cuando la petición depende de información actual o cambiante y responde directamente lo que es conocimiento estable. Cuando el modelo responde solo con lo que aprendió en su entrenamiento, no hay citas.

Después convierte tu pregunta en consultas. ChatGPT suele reescribir la pregunta en una o varias consultas que envía a sus proveedores de búsqueda, a veces seguidas de otras más concretas. Google explica que AI Overviews y el Modo IA pueden usar «query fan-out», es decir, varias búsquedas relacionadas sobre subtemas. Tu página compite por subpreguntas que nunca aparecieron en tu herramienta de palabras clave.

Luego lee las candidatas y redacta. No copia párrafos enteros. Extrae y reformula.

Por último, muestra las fuentes, y cómo lo hace depende del producto. El centro de ayuda de Perplexity dice que cada respuesta lleva citas numeradas que enlazan a las fuentes originales. En la API de Anthropic, las citas están siempre activas cuando Claude usa la búsqueda web. Las respuestas de ChatGPT con búsqueda «pueden incluir citas», según OpenAI.

Antes de todo esto hay un filtro: el acceso. OpenAI dice que los sitios que bloquean a OAI-SearchBot no aparecen en las respuestas de búsqueda de ChatGPT. Perplexity pide permitir PerplexityBot, y Anthropic usa un rastreador aparte, Claude-SearchBot, para la búsqueda. En Google, la página tiene que estar indexada y poder mostrar fragmento; Google dice que sus funciones de IA no necesitan archivos, marcado ni schema especiales.

Qué hace que una fuente sea elegida

Claridad de la información. Los LLMs procesan mejor el contenido bien estructurado con afirmaciones claras. Un texto ambiguo o confuso les sirve menos.

Autoridad percibida. Las fuentes reconocidas en un campo pesan más. Eso se construye con tiempo, no con trucos.

Actualidad cuando importa. En temas donde la información cambia, las fuentes al día tienen preferencia. Por eso Claude busca ante preguntas de actualidad, y el equipo de Bing pide a los editores mantener el contenido actualizado y preciso para que las respuestas de IA citen la versión más reciente.

Consistencia con otras fuentes. La información que aparece igual en varias fuentes fiables tiene más probabilidades de usarse.

Lo que no funciona

La optimización de keywords tradicional. Los LLMs trabajan con significado, no con coincidencias de palabras. La investigación lo respalda: en el estudio GEO presentado en KDD 2024, el relleno de palabras clave apenas mejoró la visibilidad en motores generativos, y en Perplexity rindió un 10 % peor que la página sin tocar. Añadir citas, frases textuales y estadísticas subió la visibilidad hasta un 40 % en el banco de pruebas de los autores. Era un experimento de 2023-2024, así que tómalo como dirección, no como fórmula.

Inflar el contenido para parecer más completo. Más palabras no significan más autoridad.

Las tácticas de manipulación de ranking. Los LLMs no usan el mismo sistema de ranking que los buscadores tradicionales, y ninguno promete una cita. Google dice que la indexación y la publicación no están garantizadas; OpenAI dice lo mismo de la posición en la búsqueda de ChatGPT.

Estrategias que sí funcionan

Construye autoridad real en tu campo. Que otras fuentes fiables te reconozcan como experto.

Crea contenido citeable. Afirmaciones claras, datos concretos con su fuente y definiciones precisas que un LLM pueda extraer y usar.

Mantén la información coherente. Tu web, tus perfiles y las menciones externas deben contar la misma historia; en eso consiste casi todo trabajar tu marca como entidad.

Estructura el contenido para que sea fácil de procesar. Encabezados claros, párrafos con una idea, listas cuando ayuden. Los datos estructurados que coinciden con el texto visible ayudan a la máquina a leer los hechos sin adivinar.

Comprueba si funciona. Un conjunto fijo de preguntas, registrado cada mes, dice más que cualquier prueba suelta. Aquí tienes cómo medir tu visibilidad en buscadores con IA.

El factor humano indirecto

Los LLMs aprenden de contenido escrito por personas. Si la gente te cita, te referencia o habla de ti, eso influye en cómo los modelos te describen.

El GEO no reemplaza la construcción de una reputación real. La acelera y la hace más visible.

Los LLMs están cambiando cómo llega la información a las personas. Entender cómo seleccionan fuentes es el primer paso para ser elegido.

No hay atajos. La base sigue siendo autoridad real, contenido útil y una presencia coherente. El GEO trata de cómo se presenta esa base a los nuevos intermediarios.

Si no tienes claro si el freno está en tu marca, tu web o tu contenido, empieza por una auditoría gratuita. Vemos dónde se rompe el sistema antes de recomendar más contenido.