Durante años, buena parte de la visibilidad digital de una empresa dependió de una pregunta conocida: ¿en qué posición aparece en Google? Ese escenario sigue vigente, pero ahora comparte espacio con otra manera de buscar. Una persona puede preguntarle directamente a ChatGPT, Gemini, Perplexity u otro sistema de inteligencia artificial qué empresas conoce sobre determinado servicio, qué producto podría resolver un problema o cuáles son las alternativas disponibles dentro de una industria.
Para las marcas, el cambio es considerable. Ya no interesa solamente conseguir que una página alcance una buena posición dentro de un buscador, incluso que alcance los primeros lugares en Google. También comienza a importar que la información de la empresa pueda ser encontrada, interpretada, citada y eventualmente incorporada dentro de una respuesta generada por inteligencia artificial. El objetivo ya no es solo ser visible: es ser elegido como fuente confiable para construir la respuesta que el usuario recibe.
Esta nueva área de trabajo se conoce como Optimización de Motores Generativos o GEO, del inglés Generative Engine Optimization. Es una disciplina todavía joven y, precisamente por eso, conviene separar las afirmaciones respaldadas por investigaciones académicas de aquellas recomendaciones que provienen de la experiencia práctica del sector.
GEO cambia la forma de entender la visibilidad de una empresa
El SEO tradicional persigue, entre otros objetivos, mejorar la presencia de una página dentro de los resultados orgánicos. El usuario realiza una búsqueda, encuentra diferentes alternativas y decide qué resultado visitar. En una experiencia generativa el recorrido puede ser diferente. La persona formula una pregunta y recibe directamente una respuesta construida por el sistema. Dependiendo de la plataforma, esa respuesta puede incorporar información obtenida desde diferentes documentos, mostrar referencias o combinar antecedentes procedentes de varias fuentes.
Para una empresa aparece entonces un nuevo desafío: conseguir que su información tenga suficiente utilidad y pertinencia para formar parte de ese proceso. No basta con estar indexado. Hay que ser útil para que el sistema decida incluirte en su explicación.
Una de las investigaciones que pudiera ser considerada como una de las fundamentales para entender este cambio es la de Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan y Deshpande, Princeton University, 2023–2024, autores de GEO: Generative Engine Optimization. El trabajo fue publicado posteriormente en los Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, KDD 2024, y también se encuentra disponible como arXiv:2311.09735. La investigación propone formalmente el concepto de Generative Engine Optimization y analiza distintas maneras de modificar un contenido para mejorar su visibilidad dentro de respuestas generadas.
Aggarwal et al. (Princeton University, 2023–2024) demostraron que determinadas estrategias GEO pueden mejorar la visibilidad relativa hasta en un 40%, pero este dato corresponde específicamente a la métrica experimental de Position-Adjusted Word Count (conteo de palabras ajustado por posición) en condiciones de prueba controladas. El propio estudio aclara que la eficacia varía drásticamente según la métrica evaluada (por ejemplo, la mejora en la métrica de Impresión Subjetiva fue menor, alrededor del 28%), el tipo de consulta y el dominio analizado. Por lo tanto, esta cifra no debe interpretarse como una garantía de posicionamiento IA, ya que una táctica efectiva para un sitio de noticias puede no serlo para una empresa industrial.”
Ahí aparece una primera diferencia frente a ciertas prácticas mecánicas del SEO: no tendría mucho sentido aplicar exactamente la misma receta GEO a una clínica, una empresa minera, una tienda electrónica y una compañía dedicada a servicios financieros. La estrategia debe adaptarse al sector y al tipo de conocimiento que se quiere transmitir.
Una respuesta generativa necesita información que pueda aprovechar
Puede imaginarse el sitio de dos empresas competidoras. La primera señala que tiene “gran experiencia”, “servicio de excelencia”, “soluciones de primer nivel” y “los mejores profesionales”. Son expresiones comerciales habituales, pero entregan pocos antecedentes que puedan comprobarse o reutilizarse. La segunda explica desde cuándo trabaja, qué servicios presta, quiénes forman su equipo, dónde opera, qué procedimientos desarrolla, qué características tienen sus productos y cuáles son las diferencias entre cada alternativa.
Para una persona, la segunda página probablemente será más útil. Para un sistema encargado de recuperar información y elaborar una respuesta, también existe bastante más material con el cual trabajar. Los sistemas generativos necesitan hechos, no declaraciones. Necesitan datos, no promesas.
El contenido pensado para sistemas generativos necesita pasar del adjetivo a la evidencia. Si una empresa comercializa bombas para pozos profundos, por ejemplo, puede explicar caudales, alturas de trabajo, materiales, aplicaciones, diferencias entre modelos y criterios de selección. Si construye cámaras de frío, puede documentar temperaturas de operación, tipos de paneles, sistemas de refrigeración, puertas, unidades condensadoras y aplicaciones por industria. Son piezas concretas de conocimiento que un sistema puede procesar, comparar y citar.
Cómo interactúan las personas con los buscadores generativos y Chat GPT
Existe otra dimensión que no depende únicamente del contenido publicado: la manera en que las personas conversan con estos sistemas. La búsqueda tradicional acostumbró al usuario a escribir consultas relativamente breves. En una conversación con inteligencia artificial, en cambio, una pregunta puede conducir a otra, incorporar nuevas condiciones y cambiar durante el proceso.
Este comportamiento ha sido estudiado por Aliannejadi et al., 2024, en Interactions with Generative Information Retrieval Systems, trabajo incluido en el libro editado por Ryen W. White y Chirag Shah, Information Access in the Era of Generative AI, Springer, y disponible también como arXiv:2407.11605. Aliannejadi et al., 2024, analizan la interacción entre usuarios y sistemas generativos de recuperación de información, incluyendo aspectos como la retroalimentación explícita e implícita y el refinamiento progresivo de las respuestas.
Esto tiene una consecuencia práctica para las empresas. Una página ya no debería intentar responder únicamente una consulta exacta. Un potencial cliente puede comenzar preguntando cuál es la mejor bomba para un pozo, continuar preguntando qué potencia necesita para 80 metros, después consultar qué marcas existen en Chile y terminar comparando dos fabricantes. El contenido debería cubrir el recorrido de preguntas que aparece alrededor de una necesidad, no limitarse a una frase buscada en Google.
La autoridad temática se construye con profundidad
Esta manera de buscar favorece una estrategia editorial más amplia. Una empresa dedicada a pozos profundos podría publicar únicamente una página titulada “Construcción de pozos profundos”. Otra alternativa sería desarrollar contenidos relacionados con búsqueda de agua, geofísica, hidrogeología, perforación, habilitación, pruebas de bombeo, bombas sumergibles, caudal, nivel estático, nivel dinámico y mantenimiento.
La repetición de los contenidos no hace la diferencia:
En el segundo caso existe un territorio temático reconocible. La marca comienza a acumular información relacionada con aquello que realmente hace. No se trata de repetir una palabra clave cincuenta veces. Esa práctica puede deteriorar la lectura y aporta poco conocimiento nuevo. La estrategia consiste en responder preguntas diferentes, conectar contenidos relacionados y demostrar experiencia mediante información específica. La profundidad temática se convierte en un activo que los sistemas generativos pueden aprovechar.
Ser citado no significa necesariamente influir de la misma manera
Uno de los desarrollos más interesantes dentro de esta área aparece cuando se distingue entre una fuente que simplemente es seleccionada y otra cuya información termina formando parte sustancial de la respuesta. Esta diferencia es abordada por J. Yao, 2026, en el preprint From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms, disponible como arXiv:2604.25707.
Yao, 2026, propone distinguir entre selección de citas y absorción de citas, estudiando el comportamiento de diferentes plataformas de búsqueda con inteligencia artificial, entre ellas ChatGPT, Google/Gemini y Perplexity. La distinción tiene bastante sentido para una estrategia GEO. Que una página aparezca entre las referencias de una respuesta representa una señal de visibilidad. Pero existe una segunda pregunta: ¿cuánto de aquello que dice esa fuente terminó realmente incorporado a la explicación entregada al usuario?
Una fuente puede ser citada y tener una influencia limitada, mientras otra puede aportar definiciones, datos o argumentos que ocupan una parte importante de la respuesta final. Ese concepto obliga a mirar el contenido de otra manera. El objetivo no sería simplemente conseguir una mención. Interesa crear información suficientemente útil como para que pueda participar en la construcción de la respuesta.
Los contenidos pueden funcionar como contenedores de evidencia
Una página empresarial debería entregar algo que pueda ser comprobado, relacionado y entendido. Ahí resulta útil hablar de contenedores de evidencia: bloques de información que reúnen elementos concretos alrededor de una pregunta. Un contenido sobre cámaras frigoríficas podría incluir temperaturas habituales de trabajo, diferencias entre refrigeración y congelación, espesores de paneles según aplicaciones, funcionamiento de los equipos y criterios para calcular capacidad.
Una página sobre selección de personal podría explicar etapas del proceso, diferencias entre reclutamiento tradicional y headhunting, perfiles buscados y características particulares de determinadas industrias. Definiciones precisas, datos, comparaciones, procedimientos y especificaciones ofrecen mucho más valor informativo que una sucesión de afirmaciones publicitarias.
Esto conecta con los resultados iniciales de Aggarwal et al., Princeton University, 2023–2024, donde estrategias como incorporar estadísticas, citas y determinadas formas de contenido autoritativo mostraron efectos sobre la visibilidad medida experimentalmente.
La identidad empresarial también necesita ser comprobable para la IA
Existe otro problema frecuente en las páginas corporativas. A veces queda muy claro qué producto se vende, pero resulta difícil descubrir quién lo vende. Falta una historia empresarial, los profesionales no aparecen identificados, las direcciones cambian entre páginas o no existe información suficiente sobre la organización.
Una empresa que pretende construir autoridad digital debería permitir que personas y sistemas puedan identificarla sin demasiadas dudas. Una buena página corporativa puede incluir nombre de la compañía, trayectoria, especialidades, ubicación, áreas de cobertura, equipo profesional y medios de contacto. Cuando corresponda, los artículos técnicos pueden incorporar autoría y antecedentes del especialista responsable. No es una cuestión decorativa. Es información que entrega contexto sobre quién está haciendo una afirmación.
La estructura de una página ayuda a encontrar respuestas concretas
Un artículo de 2.000 palabras escrito como un bloque continuo puede contener mucha información y, aun así, resultar incómodo de consultar. Los encabezados permiten separar temas. Las tablas sirven cuando existen características comparables. Las listas ayudan cuando realmente hay una serie de elementos. Las preguntas frecuentes pueden resolver dudas específicas que aparecen antes de una compra.
La estructura debería responder a la lógica del lector antes que a una supuesta fórmula para engañar al algoritmo. Este punto resulta especialmente relevante considerando el comportamiento descrito por Aliannejadi et al., 2024: las interacciones con sistemas generativos pueden desarrollarse mediante sucesivas consultas y refinamientos. Si una empresa conoce las preguntas que aparecen durante ese recorrido, puede construir contenidos que respondan naturalmente a ellas.
Las menciones externas completan el panorama
Una compañía puede explicar perfectamente quién es dentro de su propia página, pero la presencia digital no termina allí. Medios de comunicación, publicaciones especializadas, asociaciones, documentos académicos, directorios sectoriales y otras páginas independientes pueden aportar referencias externas.
Una marca mencionada consistentemente dentro de contextos relacionados con su especialidad construye una huella digital distinta de aquella que solamente habla de sí misma. No significa conseguir enlaces en cualquier sitio. La relación temática importa. Para una compañía de ingeniería acústica, por ejemplo, una aparición en un contenido especializado sobre control de ruido industrial tiene una relación mucho más clara con su actividad que una mención aislada en un directorio genérico.
Tabla de recomendaciones para aparecer en CHAT GPT y otras IAs
| Cómo aparecer en Chat GPT | Cómo mejorar la visibilidad en ChatGPT |
|---|---|
| Contenido profundo | Responder dudas reales con información concreta, ejemplos, datos y explicaciones útiles. |
| Información verificable | Incorporar cifras, fechas, especificaciones, investigaciones y antecedentes comprobables. |
| Fuentes confiables | Respaldar información relevante con universidades, organismos públicos, estudios y publicaciones reconocidas. |
| Autoridad temática | Crear varios contenidos relacionados con la especialidad de la empresa y conectarlos entre sí. |
| Identidad empresarial clara | Explicar quién es la empresa, qué hace, dónde trabaja, su experiencia, especialidades y datos de contacto. |
| Experiencia demostrable | Publicar proyectos, casos reales, procesos, profesionales, productos, fichas técnicas y experiencia propia. |
| Respuestas concretas | Desarrollar contenidos sobre qué es, cómo funciona, para qué sirve, diferencias, ventajas, costos y preguntas frecuentes. |
| Estructura fácil de interpretar | Organizar mediante H2, H3, párrafos breves, tablas y listas cuando realmente mejoren la comprensión. |
| Bloques de evidencia | Incorporar definiciones, cifras, comparaciones, procedimientos y especificaciones que puedan ser citados o reutilizados. |
| Menciones externas | Conseguir presencia legítima en medios, publicaciones especializadas, asociaciones y sitios relacionados con la industria. |
| SEO y GEO | Mantener una buena estrategia SEO y complementarla con contenidos pensados para respuestas de modelos generativos. |
| Actualización permanente | Revisar artículos antiguos y mantener vigentes cifras, productos, servicios, estudios, fechas y datos técnicos. |
| Autores identificados | Mostrar quién escribe o revisa contenidos especializados y sus antecedentes profesionales cuando sea pertinente. |
| Contenido original | Publicar conocimiento propio, comparaciones, experiencia y datos que aporten algo diferente a lo ya existente en Internet. |
| Objetivo principal | Convertir el sitio en una fuente clara, confiable y especializada que pueda ser encontrada, comprendida, citada o incorporada en respuestas de ChatGPT. |
SEO y GEO pueden trabajar juntos
Pensar que GEO reemplazará inmediatamente al SEO simplifica demasiado el escenario. Los sistemas generativos siguen necesitando información accesible. Una página bloqueada, técnicamente defectuosa o difícil de rastrear pierde oportunidades antes incluso de discutir sobre calidad editorial.
SEO puede ayudar a que una fuente sea encontrada; GEO intenta comprender cómo aumentar sus posibilidades de participar en una respuesta generativa. Hay bastante terreno compartido: arquitectura web, contenidos profundos, enlaces internos, autoridad, información actualizada y claridad temática. Lo nuevo es la pregunta que se agrega al trabajo. Ya no basta con pensar: ¿esta página puede posicionarse? También conviene preguntarse: ¿contiene algo suficientemente concreto como para ser citado, explicado o incorporado dentro de una respuesta?
Qué puede hacer una empresa para mejorar su presencia en ChatGPT y otros LLM
El punto de partida debería ser revisar la información que ya existe. Las páginas principales necesitan explicar correctamente servicios y productos. Las afirmaciones importantes deberían contar con respaldo. Los contenidos técnicos tienen que responder preguntas reales y la identidad empresarial debería ser consistente.
Después conviene desarrollar profundidad temática. Un servicio principal puede dar origen a contenidos sobre problemas, aplicaciones, comparaciones, procedimientos, costos, mantenimiento, errores habituales y preguntas frecuentes. También resulta conveniente actualizar información antigua. La autoridad digital no se construye solamente publicando más, sino publicando información que conserve utilidad, coherencia y vigencia.
El trabajo de Aggarwal et al., 2023–2024, entrega una de las primeras bases experimentales de GEO. Aliannejadi et al., 2024, permite observar el problema desde la interacción entre personas y sistemas generativos. Más recientemente, Yao, 2026, propone medir una diferencia adicional entre ser seleccionado como referencia y conseguir que el contenido sea absorbido dentro de la respuesta.
Vistos conjuntamente, estos trabajos muestran un campo que todavía está desarrollándose. No existe una fórmula matemática capaz de garantizar que una empresa será recomendada por ChatGPT. Tampoco puede afirmarse que una técnica funcionará igual en todas las plataformas.
Lo que sí comienza a quedar bastante claro es otra cosa, es que las empresas con información específica, verificable, bien organizada y temáticamente consistente parten con mejores elementos para competir por visibilidad dentro de un entorno donde la respuesta puede construirse antes de que el usuario visite una página web.
La estrategia, entonces, cambia de perspectiva. Una empresa debería aspirar primero a convertirse en una buena fuente. La recomendación, cuando ocurre, viene después.
No todos los negocios necesitarán aplicar exactamente las mismas acciones. Una clínica, una empresa industrial, una consultora B2B o un comercio electrónico poseen públicos, procesos de compra y preguntas completamente diferentes. La oportunidad está en entender qué información necesita realmente el cliente y desarrollar alrededor de ella una presencia digital suficientemente sólida.
Posicionamiento.cl y la evolución del posicionamiento en Google al digital
En Posicionamiento.cl, somos una agencia GEO y SEO en Chile con más de 20 años de experiencia en el rubro digital en Chile, trabajamos exactamente en este punto crítico y estratégico entre visibilidad, contenidos, tecnología y generación de oportunidades comerciales generados por la IA y por el posicionamiento tradicional en Google. Como agencia especializada en posicionamiento IA en Chile, desarrollamos las estrategias personalizadas para las empresas en Chile, que necesitan ser encontradas cuando sus potenciales clientes investigan, comparan o están preparados para contratar.
Nuestros principales servicios incluyen posicionamiento SEO en Google, optimización de sitios web, redacción de contenidos SEO, diseño y desarrollo web, campañas de Google Ads, webhosting profesional y estrategias de visibilidad digital. La incorporación de criterios vinculados con LLM Optimization permite ampliar esa mirada hacia los nuevos entornos de búsqueda basados en inteligencia artificial, sin abandonar las bases técnicas y editoriales que siguen haciendo competitivo a un sitio web. Para una empresa chilena, el desafío ya no consiste solamente en aparecer: consiste en ser entendida, considerada y encontrada allí donde comienza la próxima búsqueda de su cliente.
Fuentes y referencias académicas del artículo
Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K. y Deshpande, A. — Princeton University — 2023–2024. GEO: Generative Engine Optimization. Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, KDD 2024. arXiv:2311.09735.
Aliannejadi, M. et al. — 2024. Interactions with Generative Information Retrieval Systems. En White, R. W. y Shah, C., editores, Information Access in the Era of Generative AI. Springer, 2024. Disponible también como arXiv:2407.11605.
Yao, J. — 2026. From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms. Preprint, arXiv:2604.25707. El trabajo analiza comparativamente plataformas de búsqueda generativa y propone diferenciar la selección de una fuente de la absorción efectiva de su contenido.
Comentarios restringidos