Optimiza para la pregunta, no para el modelo
Marcado actualizado para los motores de respuesta actuales.
Google lanzó su modelo más capaz este mes, los benchmarks se movieron, y por un tiempo hay un líder nuevo. Es emocionante, y es lo equivocado alrededor de lo que construir una estrategia. Los modelos se relevan cada pocos meses. La pregunta que hace tu comprador a una IA no. Toda una estrategia GEO durable cabe en esa brecha.
la respuesta corta
Los modelos se relevan —una versión nueva, benchmarks nuevos, un líder nuevo cada pocos meses— así que optimizar para el modelo del momento compra trabajo de vida corta. Lo estable es la pregunta que hace tu comprador, porque sigue decisiones humanas, no lanzamientos de modelos. Optimiza para eso: sé la respuesta más clara, mejor documentada y más verificable a las preguntas durables de tu categoría, en una forma que cualquier modelo competente pueda leer. Ese trabajo sirve al modelo que lidera hoy y al que nadie ha anunciado todavía.
claves
- Google lanzó Gemini este mes y la tabla volvió a moverse. Perseguir el modelo del momento es una estrategia perdedora, porque el modelo del momento no para de cambiar.
- Los modelos se relevan —versiones nuevas, benchmarks nuevos, un líder nuevo cada pocos meses—. Las preguntas que tu comprador hace a una IA no se relevan; siguen decisiones humanas, que son estables.
- Así que optimiza para la pregunta, no para el modelo: sé la respuesta más clara, mejor documentada y más verificable a las consultas durables de tu categoría, en una forma que cualquier modelo competente pueda leer.
- El afinado profundo al comportamiento actual de un motor es una trampa: ese comportamiento es lo más temporal del sistema. Los motores agnósticos de la visibilidad son entidad, fuentes y corroboración.
- Un modelo más potente no cambia la estrategia. Lee un buen cimiento con más fidelidad y expone uno delgado con más claridad. Construye para lo que todo modelo intenta hacer.
qué se mueve, qué no
La fila de arriba se reordena cada pocos meses; la barra de abajo es la misma pregunta que tu comprador hacía el año pasado y hará el que viene. Ata tu trabajo a la barra, no a la fila, y el relevo de arriba deja de ser tu problema.
Por qué perseguir el modelo se siente bien y acaba mal
Perseguir el modelo es seductor porque es concreto y actual. Hay un lanzamiento, un número, un líder, algo claro ante lo que reaccionar, y reaccionar a la noticia se siente como estrategia. Pero la misma concreción que lo hace sentir accionable es la que lo vuelve frágil: estás reaccionando al hecho más temporal del campo. Para cuando has reorganizado todo en torno al comportamiento del mejor modelo de este trimestre, el campo ha producido un nuevo mejor modelo, y el comportamiento para el que afinaste ya no es el que importa. El esfuerzo fue real; la durabilidad no. Es el equivalente estratégico de construir sobre arena porque la arena resultó estar donde estaba la marea hoy.
El problema más hondo es el coste de oportunidad. Cada hora gastada en amoldarte a las manías presentes de un modelo es una hora no gastada en el trabajo que habría ayudado sin importar qué modelo leyera: aclarar tu entidad, profundizar tus respuestas, ganar corroboración. Eso compone; el afinado al modelo se evapora. El trabajo de un estratega es notar qué esfuerzos se acumulan y cuáles caducan, y volcar el presupuesto en el primero. El lanzamiento de este mes es de verdad impresionante, y no cambia casi nada de dónde debería ir tu esfuerzo, porque lo que mejoró —el modelo— nunca fue lo que podías usar para construir una posición duradera.
El argumento, en tres partes
El modelo es lo que más rápido se mueve en la sala, la pregunta lo que más lento, y la estrategia es construir para lo segundo en una forma que lo primero siempre pueda leer. Abre cada parte para dónde cambia el plan.
01 El modelo es lo que más rápido se mueve en la sala
Mira el ritmo. Un modelo se lanza, encabeza un benchmark y es aclamado como el nuevo estado del arte; unos meses después otro lo pasa, y el ciclo se repite, más rápido cada vez. El lanzamiento de este mes —un modelo nuevo importante que llega con puntajes que rozan por encima del mejor anterior— no es una excepción, es el compás. Para un estratega, la lección no es qué modelo va delante hoy; es que «delante hoy» es un hecho perecedero. Cualquier cosa que construyas que dependa del comportamiento, el ranking o la manía específicos del líder actual hereda esa vida corta. Habrás gastado esfuerzo real optimizando para una configuración del mundo que ya está programada para ser reemplazada. El relevo no es una fase temporal antes de que las cosas se asienten; el recambio rápido es el estado asentado, y una estrategia tiene que construirse para sobrevivirlo, no para surfear una sola de sus olas. Los equipos que tratan cada lanzamiento como un momento para reaccionar se apuntan a reaccionar para siempre, porque los lanzamientos no paran; el ritmo solo se acelera, y un plan que depende de seguirle el paso es un plan que depende de no descansar nunca.
02 La pregunta es lo que más lento se mueve en la sala
Ahora mira lo que no se mueve. Una persona que intenta elegir una herramienta en tu categoría pregunta, de alguna forma, el mismo puñado de cosas que preguntó el año pasado y preguntará el que viene: qué es esto, qué opción encaja en mi situación, cómo se comparan estas dos, puedo confiar en este proveedor, cuánto cuesta. Esas preguntas están ancladas a la toma de decisiones humana, no a la arquitectura de los modelos, y la decisión humana cambia en la escala de los años y la cultura, no de los meses y los lanzamientos. Esa estabilidad es lo más valioso que tiene un estratega, porque es la única parte del sistema sobre la que vale la pena hacer una apuesta de varios años. Si te conviertes en la respuesta más clara y creíble a las preguntas durables de tu categoría, le eres útil al modelo que lidera hoy, al que liderará el próximo trimestre, y al que nadie ha anunciado todavía, porque todos intentan hacer el mismo trabajo: responder bien esas preguntas. El modelo es la variable; la pregunta es la constante, y una posición duradera se construye sobre constantes, no sobre variables diseñadas desde el principio para ser mejoradas y descartadas.
03 Así que construye para la pregunta, en una forma que cualquier modelo pueda leer
La jugada práctica se sigue directo. Anota las preguntas reales que hace tu comprador —en sus palabras, no en tus keywords— y proponte ser la mejor respuesta a cada una: una respuesta clara y levantable arriba, la profundidad que hace que la tuya sea la que vale la pena confiar debajo, y la documentación y la claridad de entidad que dejan a cualquier motor reconocerte y apoyarse en ti. Nada de eso está afinado a un modelo en particular, que es el punto; funciona porque refleja lo que todo modelo está construido para hacer y no cómo uno de ellos lo hace este mes. Es la disciplina que el AC Group ha practicado por 27 años bajo nombres cambiantes —motores de respuestas, búsqueda con IA, experiencias generativas— porque la apuesta de fondo nunca cambió: sirve a la pregunta, mantente legible para lo que sea que la lea, y deja que los modelos vayan y vengan por debajo de ti. Hemos visto una docena de supuestos vuelcos en cómo las máquinas leen la web, y la respuesta durable a cada una fue la misma: sirve a la pregunta mejor que nadie, y mantente legible. La tecnología cambió; la disciplina no.
Cómo se ve esto en la práctica
Dos equipos reaccionan distinto al lanzamiento de este mes. El primero lo trata como un simulacro de incendio: estudia las costumbres del modelo nuevo, reescribe sus páginas para encajar con lo que esta versión parece favorecer, y se felicita por haber llegado temprano. Por un tiempo puede incluso ver un repunte. Luego llega el siguiente modelo con costumbres distintas, las reescrituras ya no encajan, y el equipo está de vuelta en el punto de partida, habiendo ganado un resultado con la vida de una temporada. Confundió el movimiento con el progreso, y el movimiento estaba atado a lo único garantizado a seguir adelante.
El segundo equipo apenas cambia el rumbo. Lee el lanzamiento como confirmación de que los motores mejoran en el trabajo que siempre hicieron —responder preguntas desde fuentes— y sigue haciendo el trabajo que sirve a ese trabajo: asegurarse de que su entidad sea inconfundible, que sus respuestas a las preguntas reales de la categoría sean las más claras y mejor documentadas disponibles, y que su historia esté corroborada donde haya fuentes creíbles. Cuando el modelo nuevo lee la web, encuentra a ese equipo bien preparado, no porque adivinó sus preferencias sino porque construyó para lo que él, y todo modelo, intenta hacer en el fondo. Un año y tres lanzamientos después, el segundo equipo compone y el primero sigue reaccionando, habiendo pagado tres veces por resultados que duraron cada uno una temporada mientras el segundo pagó una vez por una posición que siguió apreciándose. Esa brecha es el caso entero a favor de optimizar la pregunta.
Qué hacer con esto
Haz una lista —la de verdad—. Escribe las preguntas que un prospecto hace de verdad cuando intenta resolver el problema que tú resuelves, en el lenguaje que usaría, no en los fragmentos de keyword que sugiere una herramienta. Qué es esta categoría y la necesito; qué opción encaja en una situación como la mía; cómo se comparan las opciones líderes; puedo confiar en este proveedor; cuánto costará y qué obtengo. Esa lista es tu documento de estrategia, porque nombra la superficie durable en la que compites, y se verá casi igual dentro de un año cuando tres modelos nuevos hayan ido y venido.
Luego haz el trabajo agnóstico de modelo contra esa lista, y resiste la tentación de hacer algo específico de un modelo más allá de la higiene básica. Sé la mejor respuesta a cada pregunta: clara arriba para que un motor la levante, profunda debajo para que sea la que vale la pena confiar, documentada y clara de entidad para que cualquier modelo pueda reconocerte y citarte. Mantenla actual, porque una respuesta rancia a una pregunta estable es su propia clase de fracaso. Y mídete por si te estás convirtiendo en la respuesta a esas preguntas a través de los motores, no por si descifraste el comportamiento del modelo que resulta liderar este mes. El líder cambiará. La pregunta no. Construye para la que se queda, y deja que los lanzamientos —este y la docena que vendrá— pasen de largo por una posición que no pueden mover, como lo han hecho durante los ' + years + ' años que llevamos haciendo esto bajo un estandarte u otro.
Una prueba para cualquier táctica GEO
Hay una pregunta simple que separa el trabajo durable del desechable, y vale aplicarla a cada táctica antes de financiarla: ¿esto seguiría ayudando si el modelo líder fuera reemplazado mañana? Si la respuesta es sí —páginas más claras, una entidad más limpia, mejores fuentes, una respuesta más completa a una pregunta real— el trabajo es un activo, y compone. Si la respuesta es no, porque depende de un comportamiento, un truco de redacción o una manía de formato que el modelo actual resulta premiar, entonces no estás construyendo un activo; estás alquilando un resultado a un casero que cambia las cerraduras cada trimestre. La prueba no cuesta nada de aplicar y ahorra muchísimo, porque casi todo lo que se vende como táctica de visibilidad en IA la suspende en silencio. Los proveedores que venden las tácticas que fallan no siempre son cínicos; a menudo solo optimizan para lo que luce impresionante en una demo este trimestre, que es justo lo que la prueba está diseñada para ver a través.
Aplica la prueba con honestidad y la hoja de ruta casi se escribe sola. Las cosas que la pasan —claridad de entidad, respuestas actuales y bien documentadas, corroboración, estructura llana que una máquina pueda analizar— son justo las que son tediosas de hacer y fáciles de aplazar, que es por qué tantos equipos las saltan por la victoria rápida que suspende la prueba. La disciplina no es ingenio; es rechazar la táctica que se siente actual a favor de la que se mantiene cierta. Un estratega se gana el sueldo menos por detectar la próxima moda que por negarse a perseguirla cuando no sobrevivirá al contacto con el próximo modelo.
Por qué es buena noticia, sobre todo para los pequeños
Si seguir el ritmo significara rastrear cada modelo y reafinar para cada lanzamiento, la ventaja iría a quien tenga más gente que lanzar al relevo: los equipos más grandes, los presupuestos mayores. Optimizar para la pregunta invierte eso. La pregunta es estable, así que el trabajo contra ella se hace una vez y se mantiene, no se rehace con cada lanzamiento, y un equipo enfocado que de verdad se ha vuelto la mejor respuesta a las preguntas reales de su categoría sostiene esa posición a través de los modelos sin una carrera armamentista que no puede ganar. No necesitas gastar más que el campo persiguiendo modelos; necesitas pensar mejor que él sirviendo a la pregunta, que es un concurso de claridad y cuidado más que de plantilla.
Por eso el camino agnóstico de modelo no solo es más durable sino más democrático. Premia al equipo que entiende a su comprador lo bastante bien como para nombrar sus preguntas reales y responderlas mejor que nadie, sin importar el tamaño. El lanzamiento de este mes, y cada uno después, sube el techo de lo que los motores pueden hacer con un buen cimiento, lo que en silencio favorece a quien hizo el cimiento. El jugador pequeño que construyó para la pregunta recibe la misma mejora que todos los demás, gratis, cada vez que llega un modelo mejor. Eso es lo contrario de una carrera armamentista; es una marea que levanta al preparado. Y la preparación, a diferencia de una ventaja de modelo, no caduca cuando alguien lanza algo más grande; es la clase rara de trabajo cuyo valor sube, no baja, a medida que la tecnología a su alrededor mejora.
Pregunta, no modelo: respuestas rápidas
¿Qué significa optimizar para la pregunta en vez de para el modelo?
Significa construir tu visibilidad alrededor de las preguntas que tus compradores de verdad le hacen a una IA, en vez de alrededor de las manías del modelo que gana benchmarks este trimestre. Los modelos cambian sin parar —una versión nueva, una ventana de contexto nueva, un líder nuevo en la tabla cada pocos meses— y cualquier trabajo afinado al comportamiento particular de un modelo envejece cuando llega el siguiente. Las preguntas, en cambio, son estables: la gente sigue preguntando qué hace una categoría, qué herramienta encaja en su caso, cómo se comparan dos opciones y si se puede confiar en un proveedor. Optimizar para la pregunta es ser la respuesta más clara, mejor documentada y más verificable a esas consultas durables, en una forma que cualquier modelo competente pueda leer. Construyes para la parte del sistema que no se releva.
¿Debería afinar mi contenido para un motor de IA concreto?
Con cuidado. Los ajustes ligeros y de principio están bien: asegurarte de que tus páginas son rastreables, claras en su estructura y exactas ayuda a todos los motores y no perjudica a ninguno. Pero el afinado profundo al comportamiento presente de un motor es una trampa, porque ese comportamiento es lo más temporal del sistema. El modelo para el que optimizaste se reemplaza, se reentrena o se reequilibra, y el truco que funcionaba deja de hacerlo o se vuelve en tu contra en silencio. Los motores durables de la visibilidad no son específicos de un modelo: una entidad clara, respuestas actuales y bien documentadas a las preguntas reales de tu categoría, y corroboración en fuentes de terceros creíbles. Eso ayuda a todos los modelos porque refleja lo que todos intentan hacer —encontrar una respuesta confiable— y no el accidente de cómo lo hace uno de ellos este mes.
¿Cómo sé para qué preguntas optimizar?
Parte de tu comprador, no de tu lista de keywords. Las preguntas que importan son las que un prospecto real escribiría o diría cuando intenta resolver el problema que tú resuelves: qué es esta categoría, qué opción encaja en una situación como la mía, cómo se compara A con B, es creíble este proveedor, cuánto cuesta. Son estables porque siguen la toma de decisiones humana, que no cambia al ritmo de los lanzamientos de modelos. Anótalas en lenguaje llano, como una persona las haría de verdad, y luego sé la mejor respuesta a cada una: clara arriba, profunda debajo, y documentada lo bastante bien como para que un motor pueda confiar en ti y citarte. La era de las keywords entrenó a la gente a pensar en fragmentos; la era de la pregunta premia pensar en preguntas enteras y respondibles que una persona reconocería como suyas.
¿Un modelo más potente cambia mi estrategia?
Menos de lo que sugieren los titulares. Un modelo más potente razona mejor sobre lo que puede encontrar, pero sigue intentando responder una pregunta desde fuentes, y sigue premiando al que es claro, creíble y recuperable. Un modelo más fuerte no inventa buena información sobre ti que nunca estuvo; solo maneja con más competencia lo que existe. Así que la llegada de un modelo más capaz no es razón para cambiar la estrategia: es razón para asegurarte de que el trabajo durable está hecho, porque un mejor modelo leerá un buen cimiento con más fidelidad y expondrá un cimiento delgado con más claridad. La estrategia es estable precisamente porque apunta a lo que todo modelo, débil o fuerte, está construido para hacer.
Una nota sobre fuentes y momento
Esto se escribe en diciembre de 2023, la semana en que Google anunció Gemini, su nuevo modelo multimodal, y empezó a usarlo para impulsar Bard, el lanzamiento que motivó estas notas y un buen ejemplo del relevo de tabla del que va la pieza. Lo hemos usado como ilustración del ritmo al que se relevan los modelos, no como veredicto de cuál es mejor; ese veredicto, por el argumento de aquí, es la parte perecedera. No hemos descrito capacidades, renombres ni productos que no existían al momento de escribir esto. La afirmación durable no se apoya en ningún lanzamiento: los modelos cambian mucho más rápido que las preguntas que hacen los compradores, así que una estrategia de visibilidad debería apuntar a la pregunta y mantenerse legible para el modelo que la responda. Es el trabajo que el AC Group ha hecho por 27 años, a través de cada estandarte que el campo ha llevado, y el lanzamiento de este mes, por impresionante que sea, no cambia nada de eso. Lo registramos en su momento como lo que era: una mejora real en una herramienta, sobre un cimiento que no la necesitaba para seguir en pie.