El contexto decide lo que significan tus palabras

El 25 de octubre Google anunció BERT —siglas de Bidirectional Encoder Representations from Transformers— y no lo subestimó, llamándolo el mayor salto adelante en cinco años y uno de los mayores en la historia de la Búsqueda. Quitada la sigla, BERT es una técnica de aprendizaje automático para el procesamiento de lenguaje natural cuyo trabajo es ayudar a Google a entender qué significa una consulta más como lo haría una persona. La idea definitoria está ahí en la primera palabra: es bidireccional. Donde los enfoques más viejos leían una consulta en una dirección —de izquierda a derecha, o de derecha a izquierda— y tendían a sopesar las palabras más o menos en secuencia, BERT mira las palabras de antes y de después de una palabra dada simultáneamente, usando ambos lados como contexto para resolver qué significa esa palabra aquí. Google dice que afecta a aproximadamente una de cada diez búsquedas, por ahora consultas en inglés en EE. UU. con más idiomas por venir, y que aplica a los featured snippets además de a los resultados ordinarios. Es primo de RankBrain —otro sistema de aprendizaje automático orientado a entender el lenguaje— pero no reemplaza a RankBrain ni a los otros métodos de Google; según la consulta, Google puede usar BERT solo, en combinación, o nada. Una curiosidad que vale notar es que el update apenas registró en las herramientas habituales de seguimiento de rankings, lo que sorprendió a una comunidad SEO preparada para una sacudida del tamaño de cinco años. La razón es instructiva: esas herramientas miran sobre todo consultas de keywords cortas, mientras que BERT hace su trabajo en las búsquedas más largas y conversacionales donde las relaciones entre palabras de verdad cargan el significado. La superficie tranquila esconde un cambio real debajo —Google mejoró materialmente en leer el lenguaje, leyendo palabras en contexto en vez de aisladas.

La forma más concreta de sentir lo que BERT cambia es mirar las palabras que rescató, porque son las que solían desaparecer. Antes de BERT, Google se apoyaba en las palabras de contenido obvias de una consulta —los sustantivos y verbos que parecen keywords— y tendía a infravalorar o saltarse las palabras conectoras pequeñas a su alrededor: preposiciones como “to” y “for”, y, lo más consecuente, negaciones como “no”. El problema es que esas palabras pequeñas con frecuencia cargan el significado entero. La ilustración propia de Google es la consulta “2019 brazil traveler to usa need a visa”. La palabrita “to” fija la dirección del viaje, pero los sistemas viejos podían perderla y devolver resultados sobre ciudadanos de EE. UU. dirigiéndose a Brasil —lo contrario exacto de lo que se preguntaba. Otro es “parking on a hill with no curb”, donde Google admite que antes ponía demasiada importancia en “curb” e ignoraba “no”, que invierte la petición entera. La lectura bidireccional es el arreglo. Como BERT considera las palabras a ambos lados de un término a la vez, puede registrar que “to” une Brasil y EE. UU. en una dirección particular, o que “no” niega “curb”, en vez de tratar cada ficha como una cosa aislada que emparejar contra una página. El lenguaje humano es por capas y el sentido de una palabra se apoya en sus vecinas; el procesamiento bidireccional es el motor por fin modelando esa dependencia en vez de aplanarla. El resultado práctico es que el tejido conector de una frase —la parte que antes era efectivamente invisible para el motor— ahora cuenta para lo que Google cree que quisiste decir.

Debajo de los ejemplos se asienta un principio que es la verdadera lección, y es uno sobre el lenguaje en sí: una palabra no carga un significado fijo que un motor pueda leer aislada —su significado lo resuelven las palabras a su alrededor. “Banco” es un asiento o una entidad financiera; “carga” es un peso, una acusación o corriente eléctrica; “vela” es una de barco, una de cera, o el verbo velar. Ninguno de estos se resuelve hasta que el contexto lo resuelve, y eso es exactamente lo que BERT está construido para hacer: leer el lenguaje circundante y dejar que desambigüe. Esto reencuadra qué hace un motor cuando lee tu contenido. No está escaneando por fichas de keyword y contando coincidencias; cada vez más, está leyendo frases e infiriendo significado de cómo se relacionan las palabras. Eso tiene una implicación directa para cómo deberías escribir, y va al revés de un viejo hábito. Durante años, una vertiente de la escritura SEO consistió en “idioma-keyword” —repetir frases objetivo, recortar oraciones a sus términos clave, y quitar el lenguaje conector ordinario que una persona usaría—, todo ello una concesión a un motor que no podía leer el contexto y había que alimentarlo con keywords. BERT es el punto en que esa concesión deja de pagar. Un motor que lee el contexto entiende el lenguaje claro, completo y escrito con naturalidad mejor que una aproximación rellena de keywords, porque el contexto es precisamente lo que ahora usa para determinar el significado. Escribir para que el significado viva en el lenguaje, donde un motor que lee el contexto pueda encontrarlo, en vez de en una dispersión de keywords aisladas, es la disciplina de entidad y lenguaje por la que el AC Group ha trabajado durante {years} años.

Traduce el principio a cómo de verdad escribes, y resiste el impulso de buscar una “táctica” de BERT, porque no hay una —no puedes optimizar para BERT más de lo que puedes para RankBrain, y la propia guía de Google es simplemente escribir para usuarios. En concreto, empieza dejando la taquigrafía de keywords: donde antes podías comprimir un encabezado o una frase a su frase objetivo, escribe la oración completa y natural que una persona de verdad diría, ya que las palabritas conectoras que solías borrar son exactamente las que el motor ahora puede leer y usar. Responde la pregunta que tu página aborda de forma directa y sin rodeos, para que el contexto alrededor de tus términos clave haga inequívoco su significado pretendido —tú controlas las vecinas que fijan si tu “carga” es un peso o una corriente. Apunta tu contenido a la intención real detrás de la búsqueda, con atención particular a las consultas más largas, más conversacionales y más específicas donde BERT opera y donde una página que de verdad responde una necesidad precisa puede ahora subir por encima de las páginas amplias y vagas que antes la apretaban. Y mantén tu estructura limpia —encabezados claros, respuestas directas, sin relleno ni paja— para que nada diluya ni enturbie el significado que transmites. Nota que ninguno de estos son trucos apuntados al algoritmo; son simplemente las marcas de escribir con claridad para un lector, sea una persona o una máquina que lee como una. Ese es todo el cambio: ya no escribes alrededor de los puntos ciegos de un motor, escribes para uno que lee el contexto como lo hace tu audiencia. Hacer tu significado inequívoco, cargado por lenguaje claro en vez de por keywords aisladas, es la disciplina de entidad y lenguaje por la que el AC Group ha trabajado durante {years} años.