La mayoría de los equipos SEO usan inteligencia artificial para generar contenido, pero pocos tienen sistemas que regulen ese uso. Darrell Tyler, gerente senior de crecimiento orgánico en CallRail, mencionó en un webinar de Search Engine Journal que alrededor del 85% de los especialistas en SEO con los que ha hablado emplean IA para contenido, pero solo el 12% tiene sistemas documentados. Tyler argumenta que si el uso de la IA es idéntico al del competidor, no hay estrategia ni ventaja real, solo una suscripción.
Cuando faltan sistemas, aparecen problemas claros: la calidad de los resultados cambia entre el equipo, baja al escalar y aumentan los costes de oportunidad. Publicar 500 artículos sin una base sólida resulta en 500 páginas que no cumplen con la marca, no en 500 éxitos. Tyler lo denomina inconsistencia escalada, atrofia invisible de calidad y deriva de optimización.
El problema del contenido genérico
¿Por qué el contenido de IA suena genérico? Porque la IA empieza desde el mismo punto de partida que los competidores. Si se escribe un artículo con un prompt parecido sobre el mismo tema, el resultado será similar al de otros. Tyler lo llama «IA de pizarra en blanco» y apunta que es una de las razones por las que el contenido de IA rinde mal en orgánico. Su postura se resume en: «No se puede resolver con prompts la falta de contexto documentado».
La solución pasa por documentar el contexto que hace único el contenido: el posicionamiento de marca y producto, datos propios y enfoques que solo el equipo puede ofrecer. Sin ese contexto, la IA redacta basándose en lo que ya está en internet, la misma fuente que usan los competidores.
Las cuatro capas de AI Ops
Tyler propone un marco de AI Ops para SEO con cuatro capas, inspiradas en MLOps y RevOps, todas enfocadas en contenido.
Capa de conocimiento. Esta es la fuente de verdad para la IA sobre el negocio: ontologías de marca y producto, guías de estilo, inteligencia competitiva y datos propios como reseñas, historias de clientes o transcripciones de llamadas. Tyler la ve como la capa más crucial porque frena la homogeneidad de la IA. Así, al redactar, la IA se basa en el posicionamiento de la empresa, no solo en el tema.
Capa de flujo de trabajo. Transforma la habilidad individual en un estándar para la organización: procedimientos operativos estándar (SOP), bibliotecas de prompts gestionadas como código de producción y plantillas.
Capa de gobernanza. Representa el aspecto humano: incluye marcos de control de calidad, puntos de revisión y ciclos de retroalimentación que, con el tiempo, construyen confianza en los resultados.
Capa de aplicación. Se refiere a las herramientas y modelos. Tyler la considera la menos importante, pues los modelos son como motores que se reemplazan cuando surge uno superior. El sistema no se altera al cambiar el motor.
Los datos propios (reseñas, historias de clientes, transcripciones de llamadas) son el elemento que la mayoría de los equipos ignora, y es precisamente lo que ofrece una ventaja. Dotan a la IA de experiencia directa para redactar, algo que la búsqueda orgánica recompensa.
De medir volumen a medir resultados
La medición del contenido de IA debe enfocarse en los resultados que produce, como la eficiencia, las conversiones y los ingresos. Un competidor puede adquirir la misma suscripción de IA al día siguiente, pero no puede comprar la capa de conocimiento, los flujos de trabajo y la gobernanza que el equipo ha desarrollado y perfeccionado durante un año. Esa es la verdadera ventaja acumulable.
Tyler aconseja mantener una postura agnóstica respecto al modelo de lenguaje. Hay que ejecutar el trabajo con el modelo que ofrezca el mejor rendimiento en ese momento y, si aparece uno superior, cambiar el motor, no la operación. Los activos (guías de estilo, bibliotecas de prompts, documentos de posicionamiento) deben gestionarse en un entorno con control de versiones, no limitarse a una plataforma.
El papel del profesional SEO cambia: deja de redactar desde cero y buscar datos manualmente para centrarse más en la estrategia, la creación de la capa de conocimiento y la gobernanza. El técnico se transforma en arquitecto de sistemas. Y el ROI del SEO se mide por eficiencia, conversiones e ingresos, no por la cantidad de artículos.
Preguntas frecuentes del webinar
Durante la sesión, Tyler respondió a preguntas prácticas. Sobre si alimentar la IA con enlaces del sitio basta para construir la capa de conocimiento, contestó que es un inicio, pero no el punto final. El verdadero valor de la capa de conocimiento reside en lo que no está en la web: el manifiesto de marca, la audiencia objetivo y el posicionamiento que no se muestra en páginas públicas.
Acerca de que los prompts funcionan distinto en ChatGPT que en Claude, Tyler afirmó que un prompt es solo la mitad de un buen resultado. La otra mitad es el contexto único. Si se sabe con claridad cómo debe ser un buen resultado, la IA ayuda a conseguirlo. Al ofrecer el mismo contexto único, los resultados son más consistentes, independientemente del modelo, lo que minimiza las diferencias entre plataformas.
Para saber si el contenido de IA está siendo perjudicial, sugirió revisar las señales de interacción en GA4: tiempo promedio de interacción y vistas por usuario. Su prueba informal: si alguien ajeno al proyecto lo lee y encuentra dificultades, el contenido probablemente no es bueno.
Sobre si la mediocridad del contenido después de un año se debe a los prompts o al modelo, Tyler respondió que no es el modelo. Es necesario auditar el prompt y el contexto que se proporciona a la IA. Su analogía: dos personas construyen una casa; una pregunta si se prefiere ladrillo o madera y recopila información, la otra empieza a construir de inmediato. La combinación de prompt y contexto es lo que realmente mejora la calidad del producto final.