¿Hay que hacer algo distinto para salir en AI Overviews y AI Mode? Según Google, no. En la guía oficial que publicó el 15 de mayo de 2026 lo dice sin rodeos: optimizar para su IA generativa sigue siendo SEO. Ni archivos especiales, ni marcados nuevos, ni atajos.
En el sector abundan los «servicios GEO» que venden archivos llms.txt, reescrituras para máquinas o contenidos troceados como si fueran una disciplina aparte. La guía de Google pone nombre a esas tácticas y dice cuáles puedes ignorar en su buscador. Aquí repaso qué dice, qué deja sin resolver y cómo usarla para revisar una web.
Qué dice la guía de Google del 15 de mayo de 2026
La guía de Google del 15 de mayo de 2026, titulada Optimizing your website for generative AI features on Google Search, es el primer documento oficial de Search Central dedicado a aparecer en AI Overviews y AI Mode. John Mueller la presentó en el blog de Google Search Central y el texto vive dentro de una sección nueva de la documentación, «Generative AI fundamentals». Su última revisión es del 10 de julio de 2026.
Según la guía de Google para optimizar en funciones de IA generativa, AEO (answer engine optimization) y GEO (generative engine optimization) son etiquetas para un trabajo que, desde la perspectiva de Google Search, sigue siendo SEO. Además, advierte de que ninguna herramienta externa tiene acceso a sus sistemas internos de ranking o de IA, por mucho que lo prometa.
Por qué los AI Overviews y AI Mode dependen del índice y del ranking de siempre
Los AI Overviews y AI Mode dependen del índice y del ranking de Google porque no generan sus respuestas desde cero: recuperan páginas indexadas con los mismos sistemas que ordenan los resultados clásicos y construyen la respuesta sobre ellas. Si una página no está indexada o no puede mostrarse con fragmento en los resultados, tampoco puede aparecer como enlace en la IA del buscador.
La guía describe dos técnicas. La primera es la generación aumentada por recuperación (RAG, también llamada grounding): el sistema usa el ranking de Google para recuperar páginas relevantes y actualizadas, revisa la información concreta de esas páginas y genera una respuesta con enlaces a las fuentes que la sostienen. La segunda es el query fan-out, en el que el modelo lanza en paralelo varias búsquedas relacionadas con la original para completar la respuesta. El ejemplo de Google es una consulta sobre cómo recuperar un césped lleno de malas hierbas que se abre en búsquedas sobre herbicidas, métodos sin químicos y prevención.
A los requisitos técnicos de siempre se suma uno nuevo. Para ser elegible, el sitio debe estar incluido en el control de IA generativa de Search Console, disponible para todas las webs desde el 31 de agosto de 2026 y activado por defecto. Si un sitio se excluye, deja de aparecer en AI Overviews, AI Mode y las funciones generativas de Discover, pero según Google ese ajuste no influye en el resto de su posicionamiento.
Los mitos GEO que Google manda ignorar: llms.txt, chunking, schema especial y versiones Markdown
La guía de Google dedica un apartado entero a desmontar los mitos GEO, y cubre buena parte de lo que hoy se vende como optimización para IA. Google Search no usa archivos llms.txt, archivos de texto para IA ni versiones Markdown; si te sirven para otros servicios, mantenlos, pero en Google ni suman ni restan. Tampoco hace falta trocear el contenido (chunking), porque Google entiende páginas con varios temas y no existe una longitud ideal. No hay que reescribir para máquinas ni perseguir cada variación long tail, ya que los sistemas entienden sinónimos y significado.
Los otros dos mitos tienen más matiz. Provocar menciones artificiales en blogs, vídeos o foros ayuda menos de lo que parece, porque la IA de Google también depende de los sistemas antispam. Y los datos estructurados no son obligatorios ni existe un schema.org especial para IA, aunque siguen siendo útiles para optar a resultados enriquecidos.
Hay un aviso más, escondido en el apartado de contenidos. Crear páginas separadas para cada variación posible de una consulta, incluidas las búsquedas de fan-out, con el fin de manipular rankings o respuestas de IA, infringe la política de Google sobre abuso de contenido a escala. Son las granjas de páginas de siempre con otro nombre.
Un matiz: que Google no exija chunking no significa que ordenar bien un texto sea inútil. La propia guía recomienda párrafos, secciones y encabezados claros, pero pensados para el lector, no para «alimentar» a un modelo.
Tácticas GEO frente a la postura de Google | ||
Táctica | Qué dice Google | Qué hacer |
|---|---|---|
Archivo llms.txt | Google Search lo ignora | Mantenerlo solo si lo usa otro servicio |
Versiones Markdown o marcado para IA | No hacen falta para aparecer | No dedicarles horas pensando en Google |
Chunking | No es un requisito y no hay longitud ideal | Estructurar pensando en el lector |
Reescritura para máquinas | No es necesaria | Escribir para el público real |
Menciones inauténticas | Ayudan menos de lo que parece y hay sistemas antispam | Ganar menciones reales |
Schema especial para IA | No existe y los datos estructurados no son obligatorios | Mantenerlos para resultados enriquecidos |
Una página por cada consulta de fan-out | Puede ser abuso de contenido a escala | Consolidar en páginas completas |
Fuente: elaboración propia a partir de la guía de Google para optimizar en funciones de IA generativa (2026).
Lo que sí pesa: contenido no commodity, E-E-A-T y rastreabilidad
Lo que sí pesa para aparecer en la IA de Google es lo mismo que pesa en el buscador: contenido que aporte algo propio, señales de confianza y una web que Googlebot pueda rastrear e indexar sin problemas. La guía llega a decir que crear contenido único, convincente y útil influirá en tu presencia en la búsqueda generativa a largo plazo más que cualquier otra recomendación del documento.
La idea central es el contenido no commodity. Google llama commodity al contenido basado en conocimiento común, que podría haber escrito cualquiera y aporta poco, y pone como ejemplo un artículo de «7 consejos para comprar tu primera vivienda». El contenido no commodity, en cambio, ofrece una visión experta o vivida que va más allá de lo obvio. La guía pide no reciclar lo que ya existe ni lo que un modelo podría producir solo: el texto genérico hecho con IA compite contra la propia IA.
Esto enlaza con el E-E-A-T (experiencia, conocimiento experto, autoridad y fiabilidad). El 1 de octubre de 2026, Google actualizó su guía de contenido útil, fiable y centrado en las personas con cuatro atributos que los evaluadores valoran en el contenido principal (esfuerzo, originalidad, talento o habilidad y precisión) y con un aviso contra los perfiles de autor inventados. Ese mismo día, su guía sobre el uso de contenido generado con IA pasó a considerar crítico revisar a mano todo lo generado con IA antes de publicarlo, incluidos títulos, meta descriptions, datos estructurados y textos alternativos de imagen. En las webs del sector salud, que es donde más trabajo, esa revisión no es opcional: un dato médico sin comprobar es un problema de confianza antes que de SEO.
La parte técnica completa el cuadro: contenido rastreable, JavaScript bien resuelto, buena experiencia de página, menos duplicados, imágenes y vídeos de calidad y, en negocios locales y tiendas, Google Business Profile y Merchant Center al día.
Lo que la guía no resuelve: ChatGPT, Perplexity y medir sin clics
La guía de Google solo habla de Google Search: AI Overviews, AI Mode y las funciones generativas de Discover. No dice nada sobre cómo eligen sus fuentes ChatGPT, Perplexity o Copilot, porque Google no puede hablar por sistemas ajenos.
Ahí la investigación académica aporta contexto. El término GEO nace en un trabajo presentado en la conferencia KDD 2024 que propuso un marco para mejorar la visibilidad de un contenido en motores generativos. En su banco de pruebas, técnicas como añadir citas, fuentes o estadísticas aumentaron la visibilidad hasta un 40 %, y hasta un 37 % en Perplexity, con resultados que variaban según el tema. Son experimentos en motores concretos y en condiciones controladas, no una prueba de que esas tácticas funcionen igual en Google, que ahora afirma por escrito que su IA se apoya en su ranking.
Otro estudio ayuda a poner los pies en el suelo. Una auditoría de cuatro buscadores generativos publicada en Findings of EMNLP 2023 encontró que solo el 51,5 % de las frases generadas estaban plenamente respaldadas por sus citas y que solo el 74,5 % de las citas sostenían la frase a la que acompañaban. Los motores analizados (Bing Chat, NeevaAI, Perplexity y YouChat) son anteriores a la generación actual, pero el aviso sigue vigente: aparecer citado no garantiza que una IA represente bien lo que dice tu página.
Queda la medición. El informe de rendimiento de IA generativa de Search Console muestra impresiones agrupadas por página, país, fecha y dispositivo, pero no clics ni consultas. Según la documentación de Google sobre funciones de IA, el tráfico que llega desde AI Overviews y AI Mode se contabiliza dentro del informe de rendimiento general, en el tipo de búsqueda web, mezclado con el resto. Sabes dónde apareces, pero no puedes aislar cuántas visitas te ha traído cada aparición.
Cómo revisar una web con el criterio de la guía
Revisar una web con el criterio de la guía de Google consiste en comprobar, por este orden, que la IA del buscador puede usar tus páginas, que tienes datos para medirlo y que el contenido aporta algo que no esté ya en todas partes. Este es el recorrido que sigo:
Control de IA generativa. En los ajustes de Search Console, confirma que la propiedad está incluida en las funciones de IA generativa y que ninguna propiedad hija ha cambiado esa opción.
Indexación y fragmentos. Busca páginas importantes con noindex, bloqueadas en robots.txt o con nosnippet o max-snippet muy restrictivos, y comprueba que el contenido cargado con JavaScript se renderiza.
Informe de IA generativa. Identifica qué URL reciben impresiones y crúzalas con los clics del informe general para detectar páginas muy visibles que apenas generan visitas.
Commodity frente a no commodity. Pregunta de cada contenido estratégico qué aporta que un modelo no pudiera generar solo: datos propios, experiencia, casos o criterio profesional.
Autoría y revisión. Verifica que los autores son reales y acreditables y que todo lo redactado con IA, metadatos y schema incluidos, ha pasado una revisión humana.
Páginas a escala. Detecta grupos de URL casi iguales creados para variaciones de una misma consulta y consolídalos.
Datos estructurados y fichas. Mantén el schema válido para resultados enriquecidos y revisa Google Business Profile o Merchant Center si el negocio es local o vende online.
Si aparece un llms.txt, no hace falta borrarlo; lo que no tiene sentido es presupuestarlo como estrategia para salir en AI Overviews. Las horas rinden más en el contenido y la autoría, que es lo que la propia guía señala como decisivo.
Bibliografía
Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K. y Deshpande, A. (2024). GEO: Generative engine optimization. En Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (pp. 5-16). Association for Computing Machinery. https://doi.org/10.1145/3637528.3671900
Google. (2025). AI features and your website. Google Search Central. https://developers.google.com/search/docs/appearance/ai-features
Google. (2026a). Creating helpful, reliable, people-first content. Google Search Central. https://developers.google.com/search/docs/fundamentals/creating-helpful-content
Google. (2026b). Generative AI performance report (Search). Ayuda de Search Console. https://support.google.com/webmasters/answer/16984139
Google. (2026c). Guidance on using generative AI content on your website. Google Search Central. https://developers.google.com/search/docs/fundamentals/using-gen-ai-content
Google. (2026d). Optimizing your website for generative AI features on Google Search. Google Search Central. https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
Google. (2026e). Search generative AI control. Ayuda de Search Console. https://support.google.com/webmasters/answer/16908024
Liu, N. F., Zhang, T. y Liang, P. (2023). Evaluating verifiability in generative search engines. En Findings of the Association for Computational Linguistics: EMNLP 2023 (pp. 7001-7025). Association for Computational Linguistics. https://doi.org/10.18653/v1/2023.findings-emnlp.467
Mueller, J. (2026, 15 de mayo). A new resource for optimizing for generative AI in Google Search. Google Search Central Blog. https://developers.google.com/search/blog/2026/05/a-new-resource-for-optimizing