cómo las marcas siguen visibles

La irrupción de los modelos generativos está transformando la forma en que las personas descubren marcas, productos y servicios. Las búsquedas dejan de mostrar listas de enlaces para convertirse en respuestas directas elaboradas por sistemas conversacionales que priorizan autoridad, coherencia y reputación digital. En este contexto, Víctor Puig, VP de Consulting, Creative & Content en Adsmurai, analiza cómo deben adaptarse las marcas para seguir siendo visibles en un ecosistema donde la IA decide qué recomendar. Desde frameworks de SEO para IA hasta arquitecturas “AI-ready”, Víctor explica qué señales están valorando hoy los modelos y cómo las empresas que ya están actuando están ganando ventaja sin esperar a 2026.

La búsqueda está pasando de resultados a recomendaciones generadas por IA. ¿Qué supone esto para las marcas a nivel estratégico?

Supone un cambio radical. Hasta ahora las marcas competían por aparecer en una lista de enlaces; hoy compiten por convertirse en la fuente que la IA considera más fiable para ofrecer una recomendación directa. La lógica deja de ser “cómo me posiciono en Google” para transformarse en “cómo consigo que un modelo conversacional elija mi contenido como referencia (o fuente relevante) a la hora de generar su respuesta.

Eso obliga a las marcas a fortalecer su reputación digital, su coherencia narrativa y su autoridad temática, porque los modelos de IA no priorizan volúmenes de keywords, sino credibilidad, contexto y consistencia. En un ecosistema donde la respuesta final ya no viene acompañada de listados de decenas de alternativas, sino de dos o tres opciones filtradas por la IA, la confianza se convierte en el nuevo SEO.

En Adsmurai estamos viendo este cambio a tiempo real: marcas que históricamente lideraban el SEO tradicional no consiguen estar en respuestas conversacionales de las respuestas conversacionales. Por eso hemos desarrollado una metodología de trabajo en SEO para IA que evalúa cómo un modelo generativo entiende la marca y qué señales necesita ésta para convertirse en una fuente de autoridad. No es un reto que pueda aplazarse, es un impacto que ya se está notando hoy.

En el nuevo ecosistema conviven buscadores tradicionales, motores conversacionales y sistemas multimodales. ¿Cómo deberían adaptarse las empresas para posicionarse en cada uno?

Las marcas deben entender que ya no existe un único algoritmo, sino tres capas de descubrimiento que funcionan en paralelo, y cada una requiere una estrategia propia.

En Google sigue siendo clave una arquitectura sólida, contenido profundo y datos estructurados. En los motores conversacionales, en cambio, lo que pesa es la capacidad de responder preguntas, mostrar experiencia y ser citado como una referencia neutral y confiable. Y en los sistemas multimodales —que combinan texto, imágenes, atributos de producto y señales externas— la coherencia total del ecosistema de marca es fundamental: la IA no “raspa una web”, la interpreta en su conjunto.

La adaptación real pasa por dejar de optimizar canales aislados y empezar a construir una identidad digital consistente y verificable desde cualquier ángulo.

Muchas marcas siguen intentando optimizar cada canal de forma aislada, pero los modelos multimodales no funcionan así: cruzan señales técnicas, contenido, experiencia de producto y reputación externa. En Adsmurai trabajamos ya con estrategias unificadas de discoverability, donde SEO clásico, SEO para IA y reputación digital se integran en un único mapa de señales que los modelos pueden interpretar sin fricción.

Los modelos de IA valoran entidades, relaciones y reputación. ¿Qué elementos determinan hoy que una marca sea considerada fiable?

La fiabilidad, hoy, es un puzzle compuesto por varias piezas.
La IA busca expertise real, demostrable, con autoría clara y casos que respalden lo que la marca afirma. También evalúa la autoridad temática: no basta con publicar sobre un tema, hace falta hacerlo con profundidad y recurrencia.

A esto se suma la reputación externa: menciones en medios, coherencia entre los distintos canales y señales sociales auténticas. Y, por último, un aspecto menos visible pero crítico: la fiabilidad técnica. Si una web es difícil de interpretar, si depende de JavaScript para cargar contenido o si carece de marcado estructurado, la IA simplemente no la entiende. Y lo que la IA no entiende, no lo recomienda.

¿Qué implica realmente tener una infraestructura “AI-ready”?

Para entenderlo, vale la pena partir de una idea sencilla: las IAs no ven una web como lo hace una persona. Los modelos no interpretan la vista frontal de una página, sino que extraen significado a partir de lo que encuentran en el código fuente. Cuanto más claro, estructurado y accesible esté ese contenido para los rastreadores, mejor podrán comprenderlo y utilizarlo en sus respuestas.

Por eso, una infraestructura “AI-ready” combina dos dimensiones: el contenido que ofrecemos y cómo lo habilitamos técnicamente para que los modelos puedan leerlo sin fricciones.

En la práctica, esto implica reducir dependencias innecesarias de JavaScript, prerenderizar el contenido esencial, aplicar marcado estructurado de forma rigurosa, evitar duplicidades, definir jerarquías claras en las URL y apoyarse en nuevos archivos como llms.txt para guiar a los modelos hacia las páginas más relevantes. Son ajustes que no transforman la experiencia visual del usuario, pero sí determinan si la IA puede interpretar esa información.

Dicho de otro modo: si una web “se ve bien” pero la IA no puede leerla, esa marca tendrá muy poca presencia en las recomendaciones del futuro.

En Adsmurai estamos acompañando a varias marcas en este proceso hacia una arquitectura AI-ready: desde la optimización de estructuras y marcado extendido hasta embeddings semánticos y estrategias de prerenderizado inteligente. No es un cambio cosmético; es lo que permite que un modelo pueda entender, indexar y representar correctamente una marca de principio a fin.

El contenido AI-First ya no se orienta al SEO clásico. ¿Qué exige esta nueva forma de crear contenido?

Exige un cambio completo de enfoque.
En lugar de escribir para keywords, ahora hay que escribir para resolver dudas reales, aportar conocimiento y demostrar criterio. Los modelos de IA priorizan contenido que les permita entender el contexto, no el truco.

Esto implica profundizar más, aportar datos, usar fuentes contrastadas y estructurar el contenido de modo que la IA pueda identificar relaciones y jerarquías. También requiere que las marcas publiquen en los espacios donde los modelos entrenan: medios especializados, artículos de autoridad, contenidos con entidad propia.

La lógica ya no es “¿cómo atraigo clics?” sino “¿cómo me convierto en una referencia fiable cuando alguien pregunte por este tema?”.

Con motores conversacionales, ¿cómo cambia la forma de medir visibilidad y reputación?

Cambia completamente.
Las métricas tradicionales siguen siendo útiles, pero ya no alcanzan. Ahora necesitamos medir con qué frecuencia la IA menciona a una marca, en qué contextos la incluye, frente a qué competidores aparece y qué atributos le asigna (“fiable”, “innovadora”, “cara”, “especializada”, etc.).

También se vuelve relevante entender en qué idiomas y mercados una marca tiene más presencia dentro de las respuestas generadas. La reputación digital deja de ser una foto de tráfico y pasa a ser un mapa dinámico de visibilidad conversacional.

En Adsmurai lanzamos en 2024 uno de los primeros Brand Trackers específicos para IA, que monitoriza menciones en ChatGPT, Gemini, Claude o Perplexity. Hoy ya trabajamos con marcas que quieren entender por qué aparecen o no en las recomendaciones conversacionales y qué señales mejorar para ganar visibilidad en estos entornos.

Las compras integradas en modelos conversacionales son un nuevo canal. ¿Qué oportunidades y riesgos trae esto?

La oportunidad es enorme.
Los modelos conversacionales pueden convertirse en un nuevo escaparate de recomendación y compra, donde el usuario pasa de consultar a adquirir sin cambiar de entorno. Eso reduce fricción y mejora la conversión, sobre todo para productos que requieren comparación inteligente (precio, disponibilidad, reviews, compatibilidad…).

Pero también hay riesgos: la marca pierde control del entorno de compra, su identidad puede diluirse dentro del asistente y la competencia se vuelve mucho más directa. Si la ficha de producto no está optimizada o si la marca no tiene reputación suficiente, simplemente desaparece del proceso de recomendación.

La diferencia entre aparecer o no aparecer será, literalmente, una cuestión de datos. Estamos ayudando a marcas a optimizar sus catálogos para ser entendidos por modelos conversacionales: atributos claros, relaciones entre productos, compatibilidades, información de inventario o disponibilidad. Lo que antes era un requisito de SEO en ecommerce, ahora es una capa crítica para aparecer en experiencias conversacionales de compra.

¿Cuáles serían las tres prioridades para que una marca siga siendo visible en un ecosistema dominado por IA?

La primera es construir autoridad para ganar visibilidad. En el nuevo panorama, la visibilidad ya no se “fuerza”: la IA la concede en función de cuánta autoridad demuestra una marca. Publicar en medios, sostener una voz experta y ser consistente en el tiempo son señales que los modelos detectan para decidir qué marcas son representativas y confiables. Sin autoridad, ninguna optimización técnica o de contenido tiene impacto real.

La segunda es tener una infraestructura preparada para ser leída por modelos, no solo por humanos. Esto implica prerenderizado, marcado estructurado y una arquitectura de información impecable. Si la IA no puede interpretar la web, esa autoridad no se traduce en visibilidad.

Y la tercera es crear contenido editorial profundo y multimodal, pensado para resolver necesidades reales y no para cumplir con un checklist de SEO. La IA premia la claridad, el contexto y el aporte de valor sostenido.

Las marcas que entiendan esta transición como una oportunidad —y no como una amenaza— serán las que lideren la conversación de aquí a 2026.