AI Overviews: la reinvención de la relevancia y el SEO estratégico

La IA ha llegado al buscador de Google con AI Overviews, unos fragmentos o resúmenes que se ubican habitualmente en la zona más alta de la hoja de resultados, generando un efecto de respuesta directa, en la mayoría de las ocasiones y que ofrecen la respuesta inmediata y detallada a la consulta del usuario.

1. ¿Cuándo se lanzó AI Overviews?
2. ¿Qué tipo de AI Overviews nos podemos encontrar?
3. ¿Cuál es el funcionamiento de AI Overviews?
4. ¿Cuáles son los factores para que nuestra web y contenido sean considerados?
5. ¿Qué aspectos podemos trabajar en nuestras estrategias SEO?
6. ¿Y si no queremos aparecer?
7. Conclusiones y referencias

Y sí, si estás pensando en que esto puede suponer una pérdida de visitas a las webs posicionadas, estás en lo cierto. El mayor efecto que ha causado la aparición de este tipo de resultados es similar a cuando se lanzaron las «posiciones cero» o «featured snippet» allá por 2014: aumento de las llamadas «búsquedas cero clicks», aquellas en las que el usuario recibe la respuesta sin tener que visitar ninguna página web.

Ahora estamos en 2026 hablando de Inteligencia Artificial Generativa a todas horas y esto también aplica al buscador de Google, con impacto directo a lo que ya conocíamos y ya nunca será lo mismo: los 10 enlaces azules.

¿Cuándo se lanzó AI Overviews?

Una de las primeras respuestas de Google al lanzamiento de ChatGPT ha sido AI Overviews, una forma de «usar IA», con total integración en el buscador más usado globalmente. 

Google lanzó AI Overviews oficialmente en mayo de 2024 en EEUU, después de haberlo lanzado en forma de beta y tenerlo a prueba durante meses bajo el nombre de Search Generative Experience (SGE).

Posteriormente, en octubre de 2024, se lanzó en más de 100 países y territorios con idiomas como el inglés, hindi, indonesio, japonés, portugués o español.

Sin embargo, no fue hasta finales de marzo de 2025 que Google lanzó AI Overviews en países europeos como Austria, Bélgica, Alemania, Irlanda, Italia, Polonia, Portugal, España, Suiza y, fuera de Europa desde hace poco tiempo, en UK. Y después de este hito, desde mayo de 2025, ya está disponible en países como Turquía, Suecia, Rumanía, Francia, Países Bajos y otros territorios.

Además, sabemos que AI Overviews se activa de forma mayoritaria en consultas que requieren resúmenes o varios pasos, es decir, suele aparecer en búsquedas informativas, en contenidos profundos tipo «how to», en comparativas y por supuesto, cabe mencionar que también tiene presencia en topics YMYL (Your Money Your Life), temáticas relacionadas con la salud, la seguridad o la economía del usuario.

¿Por qué supone un cambio enorme esta nueva funcionalidad?

Veamos un ejemplo de la interfaz de Google con este resultado activo, tanto en un dispositivo móvil como en uno de escritorio.

A diferencia de la posición cero o featured snippet que ya conocíamos como SEOs y como usuarios, esta funcionalidad se impulsa por modelos como Gemini, para generar resúmenes instantáneos y precisos en una zona muy prominente. Aunque no tiene por qué aparecer siempre en la zona más alta de los resultados, puede aparecer a veces en mitad o bajo los anuncios.

Por tanto, la mayor diferencia es que la posición cero extrae el contenido literal directamente de las webs citando una única fuente, en cambio con AI Overviews se utilizan múltiples fuentes y no se usa el contenido de forma estrictamente idéntica.

También podemos mencionar que AI Overviews ocupa un espacio mucho mayor, aún estando sin desplegar, que los featured snippet o posición cero. Ni que decir tiene que, una vez el usuario despliega clicando en «mostrar más», el resto de la hoja de resultados prácticamente deja de existir.

Estamos transitando de un sistema determinista a uno probabilístico; es decir, ya no se presenta el contenido tal y como se indexa, sino que existen pasos de razonamiento previos que pueden ser invisibles y variables, que deciden qué contenidos son elegibles para ser usados en la respuesta final.

Añadido a esto, también tenemos una dificultad extra como profesionales SEO, ya que AI Overviews puede mostrar contenidos diferentes en momentos distintos, por lo que se afianza y magnifica el concepto de probabilístico y no determinista.

Por último, a finales de enero de 2026, Google confirma dos aspectos que modifican el funcionamiento inicial de AI Overviews:

• El modelo Gemini 3 será el modelo predeterminado para AI Overviews a nivel mundial.
• Integración entre AI Overviews y AI Mode: cuando el usuario quiera profundizar en la respuesta generada, se le llevará al entorno conversacional de AI Mode.

INSIGHT: las técnicas tradicionales SEO son insuficientes, necesitamos que nuestros contenidos pasen el filtro de «razonamiento» de los modelos para que seamos considerados elegibles. Las intenciones de búsqueda de las palabras ya no son suficientes, las posiciones y rankings, tampoco.

Posible acción SEO: para contenidos de esas características (informativos, de captación en la parte alta del funnel) nos toca identificar si la consulta tiene potencial de activar AI Overviews y poder ajustar la estrategia acorde al funcionamiento de AI Overviews, en la que habrá que trabajar una capa técnica algo diferente a la habitual y una capa semántica algo refinada a lo que estábamos acostumbrados.

¿Qué tipo de AI Overviews nos podemos encontrar?

AI Overviews es un resultado que ha ido evolucionando y agregando distintas tipologías en base a las consultas de los usuarios y el uso de la funcionalidad. En general, se han visto y se ven algunos tipos como estos:

Listas (bullet points o números)

Tablas

Imágenes

Vídeos

Código

En mercados anglosajones incluso se han visto carruseles de productos dentro del resumen.

People Also Ask (Bloque de SERP con AI Overviews)

También se siguen viendo ciertos casos en los que ofrece datos erróneos o inexactos, e incluso, también es fácil «forzarle» a cometer errores, como en este ejemplo en el que siendo martes día 16, le inducimos al error.

¿Cuál es el funcionamiento de AI Overviews?

En base a las patentes existentes y a otras investigaciones llevadas a cabo por la comunidad SEO internacional vamos a intentar desentrañar la forma de funcionar de AI Overviews. En la sección de referencias, podrás profundizar en distintas fuentes y autores que han compartido generosamente con la comunidad.

En primer lugar, mencionar que la arquitectura sobre la que funciona AI Overviews combina distintos sistemas y modelos avanzados de lenguaje:

• El sistema está impulsado por Google Gemini, el modelo de lenguaje de Google.
• Utiliza la técnica RAG (Retrieval Augmented Generation) para conectar la generación de resúmenes con datos verificables provenientes del índice de Google.
• Se sospecha que hay un sistema específico que maneja AI Overviews llamado «Magit», según documentos revelados en el juicio contra Google.

No obstante, vayamos al proceso paso a paso, para entender a fondo cómo funciona y qué podemos hacer en nuestros proyectos SEO, además de las implicaciones más directas que esto tiene:

Recepción / comprensión de la consulta y contexto del usuario

Cuando un usuario hace una búsqueda, el sistema no la trata como una simple cadena de texto sino que la considera como un «disparador» para activar un proceso más amplio de síntesis de información.

En paralelo, el sistema recupera información contextual del usuario como:

• consultas previas en su sesión
• ubicación geográfica
• comportamientos asociados a su cuenta (Gmail, Maps)
• señales del dispositivo
• «caché» de interacciones anteriores

Todo este contexto es de gran ayuda para enmarcar la consulta a nivel de «tiempo» y «comportamiento».

Implicación SEO: la misma consulta hecha por dos usuarios diferentes puede generar vías de recuperación totalmente distintas en base a sus contextos e historiales. 

Esto dinamita, en parte, la necesidad y utilidad de hacer seguimiento de rankings como lo hacíamos hasta ahora y pone énfasis en la importancia de estar presentes de forma consistente en diferentes dominios informativos dentro de nuestro nicho o industria.

También pone de manifiesto la necesidad de hablar más con los usuarios y entender los procesos mentales que usan en sus búsquedas y consumo digital.

Expansión de la consulta o generación de consultas sintéticas (Query Fan-Out)

Aquí radica uno de los componentes más importantes del proceso. Con la consulta original y el contexto del usuario, el LLM genera múltiples consultas sintéticas que representan diferentes reformulaciones de la consulta e intención original, por ejemplo:

• Consultas relacionadas: variaciones temáticas relacionadas a la consulta.
• Consultas implícitas: lo que el usuario realmente quiere saber aunque no lo haya preguntado directamente.
• Consultas comparativas: alternativas o comparaciones relevantes.
• Consultas recientes: basadas en el historial de búsqueda del usuario.
• Consultas co-ocurrentes: términos que históricamente se suelen buscar juntos.

Por ejemplo, si buscas «mejores coches eléctricos 2025», el sistema podría generar automáticamente: 

• «autonomía coches eléctricos»
• «puntos de carga España»
• «comparativa Tesla vs competidores»
• «ayudas gobierno coche eléctrico»
• etc.

Implicación SEO: el contenido debe estar optimizado no sólo para la consulta base sino para las que rodean la principal; es decir, tener en cuenta las consultas sintéticas potenciales. Optimizar ahora significa anticiparse y cubrir el topic completo, no la consulta aislada.

Recuperación y selección de documentos candidatos

El sistema recupera documentos del índice de Google para dar respuesta a la consulta principal y a las consultas sintéticas expandidas y generadas. De algún modo, se está creando un «corpus personalizado» de documentos relevantes que cubren un abanico de intenciones que parten de la intención principal. Para la selección, se usan distintas señales:

• Señales que dependen de la consulta: la coincidencia con la consulta, la similitud semántica, la posición en el ranking…
• Señales independientes de la consulta: autoridad de dominio, fiabilidad, popularidad, frescura del contenido…
• Señales que dependen del usuario: historial y preferencias, personalización…

Un matiz importante es que si a través de una única consulta hecha por el usuario, se van a tener en cuenta los rankings no solo de esa consulta, sino de las consultas sintéticas adicionales, esto da la posibilidad a muchas más webs a aparecer en AI Overviews, ya que pueden estar posicionando en las consultas sintéticas y no en la consulta principal.

Implicación SEO: ser capaces de tener presencia en ese «corpus personalizado» alrededor de la consulta principal y su expansión a otras consultas adicionales, va a depender en gran medida de la similitud semántica, no tanto de la posición en los rankings.

Tipo de respuesta en base a la clasificación de la consulta

A partir de la consulta del usuario, el contexto, las consultas sintéticas y los documentos candidatos, el sistema que usa Google puede asignar una clasificación a la consulta que determinará qué tipo de respuesta se requiere:

• Explicativa
• Comparativa
• Transaccional
• Informativa
• etc.

Implicación SEO: el tipo de respuesta marca el tipo de contenido; por tanto, se seleccionarán y sintetizarán aquellos contenidos que estén preparados para satisfacer la intención dominante y si un contenido no es capaz de hacerlo, por mucha relevancia que tenga, no será incluido.

Selección a través de LLMs especializados

Con la consulta clasificada y el tipo de respuesta definida, se eligen entre distintos modelos que convertirán documentos sin procesar en síntesis útiles. Unos modelos son buenos resumiendo, traduciendo, haciendo extracciones estructuradas, etc.

Implicación SEO: el modelo que finalmente interactúa con el contenido puede que no vea el contenido al completo, puede que solo vea un fragmento o un elemento estructurado o una tabla. En este sentido, cómo están formateados los contenidos se convierte en un aspecto crucial para fragmentar los contenidos y ser candidatos a ser elegidos.

Razonamiento por pares o Pairwise Reasoning

La manera de puntuar los documentos candidatos no es aislada ni usa métricas tradicionales de coincidencia de términos. Los modelos dentro de este sistema evalúan y hacen comparaciones directas entre fragmentos o pasajes usando LLMs para identificar cuál es más relevante dentro del contexto.

Implicación SEO: esto implica que competimos entre fragmentos, pasajes o párrafos. Ya no es suficiente con tener un contenido general y bueno, hay que tratar de ser el más útil, el más preciso, el más completo, no solo a nivel global, también en secciones más pequeñas.

Generación del resumen

Después de todos los pasos anteriores el sistema usa un LLM para generar el resumen, sintetizando distintas fuentes y formatos, incluso siendo capaz de añadir citas dentro del propio resumen. En este proceso, hay 2 vías:

• Content-first: primero se recupera el contenido y luego se genera el resumen.
• Generate-first: primero se genera un resumen inicial y luego se buscan documentos para verificar y añadir citas.

Implicación SEO: esto nos exige enfocar los contenidos de tal forma que un LLM pueda extraerlo y re-combinarlo con otros textos fácilmente, por lo que los contenidos deben ser claros, específicos, coherentes y usando dos conceptos que vienen de la semántica como son las entidades y los triples semánticos.

Verificación y grounding

Habrás oído hablar del término grounding. El grounding es ese proceso diseñado para tratar de reducir la cantidad de alucinaciones de la IA. En este caso se hace tratando de vincular el resumen generado con datos reales, casi en tiempo real, no solo a datos de pre-entrenamiento que puedan tener los modelos que participan. Para Google, teniendo un índice tan completo y actualizado, no parece ser difícil ni un problema.

Con el resumen generado, el sistema detrás de AI Overviews es capaz de seleccionar fragmentos o afirmaciones individuales que requieren de una verificación contra documentos reales. Tiene 2 vías:

• Comparación semántica: fragmentos del resumen con fragmentos o pasajes de documentos previamente recuperados.
• Búsqueda adicional: se pueden generar consultas adicionales con los fragmentos identificados.

Usando distancias de embeddings, estos sistemas son capaces de saber si el contenido del resumen y el contenido relacionado en los documentos son similares semánticamente o no.

Implicación SEO: puedes aparecer citado incluso si tu contenido no fue recuperado ni era candidato a ser ni seleccionado.

Selección de citas y enlaces

Cuando un fragmento o pasaje se verifica correctamente, el párrafo que se muestra en el resumen se enlaza con el sitio con una referencia directa, por si el usuario quiere clicar e ir a la fuente verificada.

Cabe destacar que el sistema de Google busca que exista cierta diversidad entre los documentos seleccionados para ofrecer varias perspectivas y tipos de contenido, algo que reduce considerablemente la redundancia y fomenta la variedad.

Implicación SEO: la citación dentro de AI Overviews se convierte en una forma de recomendación de nuestros contenidos y una vía de reconocimiento de marca. Si un usuario que no nos conoce nos encuentra referenciados como fuente «de verdad» en nuestro nicho, puede generar búsquedas de nuestro nombre o tráfico directo.

Personalización final y presentación al usuario

Como hemos hablado antes del contexto de usuario y la influencia de ciertos factores asociados a su historial y búsquedas recientes, es muy probable que ante la misma búsqueda, las respuestas que dos usuarios reciben, sean eventualmente diferentes en base a esos matices de personalización.

En estas capas de personalización también juegan un papel muy importante los embeddings, una representación vectorial y numérica de los datos del usuario y de las consultas. A través de ese concepto se calculan distancias entre unas cosas y otras, para identificar similitudes y diferencias.

Después de todo este proceso, se genera el resumen y se presenta en la interfaz de  búsqueda al usuario.

Implicación SEO: esto supone una fragmentación abismal del SEO que haciamos hasta ahora, asociado a palabras clave e intenciones de búsqueda dentro de un proceso estático, a un proceso más dinámico y multifactorial, donde el conocimiento del proceso detrás de AI Overviews es importante pero el conocimiento del usuario se antoja vital. 

No aparecer en la respuesta final, sobre todo si no somos líderes de nuestro mercado, nos hace invisibles en un punto crucial de descubrimiento por parte de los usuarios.

Habrá ciertas búsquedas o consultas de usuario más críticas en cuanto a descubrimiento o ser considerados una opción. Céntrate en trabajar tus menciones y citas de esos casos.

¿Cuáles son los factores para que nuestra web y contenido sean considerados?

Igual que antes, nos basamos en la información disponible que se desprende de patentes y otras investigaciones en la comunidad SEO, que quedan referenciadas al final del artículo.

Factores que dependen de la consulta

1. Posición en los rankings: la posición sigue siendo relevante. Se estima que los primeros resultados siguen teniendo una mayor probabilidad de ser seleccionados.
2. Engagement: la evaluación que se hace del contenido sigue estando influenciada por métricas de engagement de usuario como el CTR.
3. Ubicación: que la capa local entre consulta y documento (contenido) estén alineadas, también es un factor a tener en cuenta.
4. Idioma: que el idioma de la consulta y el del documento (contenido) estén alineadas, también figura como un posible factor.

Factores independientes de la consulta

1. Aspectos relativos a «Trust» o confiabilidad: por ejemplo, la credibilidad del autor, la reputación o la calidad de los enlaces entrantes, podemos decir que esto se refiere a toda esa capa de EAT que llevamos años trabajando.
2. Popularidad/Autoridad general. Todo lo relativo a engagement, tráfico, interacciones…
3. Frescura y diversidad. Ya hemos comentado que se busca cierta diversidad y si además el contenido es actual, se actualiza con frecuencia o es fresco, puede tener ventaja.

Factores que dependen del usuario

1. Perfil de usuario. Conocer al usuario a fondo en cuanto a sus intereses y preferencias, es vital. También se considera el histórico de navegación y otras interacciones.
2. Consultas recientes. Relación con búsquedas pasadas.
3. Interacciones previas. Tipo de contenidos con los que ha interactuado.

¿Qué aspectos podemos trabajar en nuestras estrategias SEO?

Buenas prácticas para ganar visibilidad en AI Overviews

• Fundamentos técnicos

Debemos tener presente que el contenido es rastreable e indexable; es decir, para ser elegible por los sistemas de Google debemos ser accesibles, también estar dentro del índice de Google. Revisa las restricciones de robots.txt o directivas meta robots para confirmar que no hay errores de implementación en páginas de valor.

Por otro lado, cobra importancia la higiene básica del sitio; por tanto, todo lo que son errores o cadenas de redirecciones, pueden complicar a los crawlers llegar a los contenidos de forma eficiente.

También cabe mencionar que el rendimiento y performance pueden jugar su papel en cuanto a ser elegibles o no; la lentitud podría ser determinante para usarse como filtro de descarte.

Por último, no olvidemos que el índice de Google es prioritariamente mobile-first, por lo que se indexa esa versión por defecto. Asegúrate de que el contenido presente y la adaptación a mobile son las adecuadas.

• Contenido de calidad y estructura

Es importante estructurar cada pieza de contenido considerando varios aspectos clave:

1. La jerarquía del documento, a través de encabezados o headings.
2. Los formatos utilizados que faciliten no solo la lectura, también el escaneo, por ejemplo con listas de bullet points o tablas.
3. La claridad y legibilidad (para usuarios y para máquinas), dividiendo el texto en párrafos cortos y claros, que faciliten la extracción de fragmentos e ideas individuales. Si quieres saber cómo crear tu propia métrica de legibilidad en español, usando Screaming Frog, lee este post.
4. Enfocar el contenido, cuando corresponde, a dar la respuesta directa lo más pronto posible, algo que, históricamente, ciertos proyectos han enfocado al revés por la necesidad de generar páginas vistas y aumentar los tiempos en página.
5. Un tono directo y sencillo, evitando jergas o lenguaje complejo.

• Semántica y autoridad EEAT

Este punto merecería un post completo en si mismo, pero voy a intentar resumir ciertos aspectos a considerar.

En primer lugar, tener en cuenta entidades a la hora de crear el contenido, tratar de abordar el tema que tenemos de la forma más profunda posible, creando agrupaciones de contenido y enlazándolas entre ellas. Algunos lo llaman Topical Authority, otros Páginas Clúster….. elige tu cómo lo llamas.

En esencia, domina tu temática de expertise, no solo escribiendo en profundidad sino anticipando posibles consultas o dudas que surjan y generando contenido original con visión propia. A esto también se le conoce como Information Gain.

Podemos añadir otros 2 grandes puntos: trabaja y refuerza el EEAT más que nunca y no te olvides de citar fuentes de fiar; esto actúa directamente sobre todas las capas de «verificación» que tienen los sistemas detrás de AI Overviews.

Del EEAT también hay mucho para contar, pero lo resumo así: no basta con saber y ser de fiar, hay que parecerlo y también demostrarlo.

Trabaja tus autores y biografías, añade las fechas de publicación y actualización, sé claro con quien escribió y revisó el contenido, sobre todo cuando estés en sectores sensibles (YMYL).

• Entidades, enlazado y datos estructurados

Ya hemos comentado la importancia de usar entidades en los contenidos, pero no es suficicente solo con eso.

El enlazado interno es más importante que nunca, necesitamos generar enlaces contextuales, en los textos, no solo en zonas estáticas (menús o footer).

Además, los anchor text o textos anclas adquieren una nueva dimensión si somos capaces de incluir las entidades explícitas en lugar de frases o textos genéricos.

Cuando todo está escrito y enlazado, es hora del marcado estructurado de Schema; por tanto, no te quedes solo en el marcado estandar, intenta relacionar unas entidades con otras no solo el texto, también en los datos estructurados, por ejemplo con propiedades como sameAS.

Schemas como FAQPage, HowTo o Article pueden tener gran calado, ya que muchos contenidos mostrados, mencionados o citados por AI Overviews son informativos.

• Multiformato y multiplataforma

Existen múltiples estudios y yo misma he hecho mis propias pruebas en distintos sectores sobre dominios más citados o enlazados por AI Overviews, y uno de los dominios siempre presente es Youtube.

Esto es un insight adicional para trabajar el formato vídeo en Youtube e integrarlo en las estrategias de contenido en nuestras webs.

A nivel de vídeo se puede trabajar no solo los títulos y descripciones, también las transcripciones y el marcado de capítulos con timestapms o momentos clave.

Adicionalmente, si se integra a nivel web, se puede añadir marcado Schema con VideoObject y ofrecer información adicional para crawlers.

Por otro lado, con la aparición de múltiples sitios web, esto nos dice que aparecer en más lugares, no solo en nuestros activos propios, puede aumentar la probabilidad de ser mencionados o citados, así que la construcción de marca y los trabajos de PR digital y popularidad, también son otra vía de trabajo a seguir.

Ideas de medición y seguimiento

El principal handicap lo tenemos con Google Search Console, que a día de hoy no distingue los datos provenientes de AI Overviews, por lo que no tenemos un método directo de saber cuándo se activa AI Overviews y cuándo aparecemos mencionados o citados. Solo nos quedan las herramientas de terceros o las APIs.

Dicho esto, ¿qué posibles métricas podríamos considerar para trabajar esta capa de visibilidad y su seguimiento?

A nivel general podríamos tener:

• Tasa de Aparición de AIO. Porcentaje de tus palabras clave posicionadas dentro del top 100 de Google que activan AI Overviews. Se puede hacer en total y también por distintos segmentos dentro del proyecto, para evaluar el grado de impacto potencial por área temática o línea de negocio.
• Tasa de Aparición de AIO Top 10. Porcentaje de tus palabras clave posicionadas dentro del top 10 de Google que activan AI Overviews. Se puede hacer en total del dominio y también por distintos segmentos dentro del proyecto. Esto desvelará también el tráfico potencial que podría desaparecer y a la vez, en cuáles podemos tratar de potenciar la aparición o citación, por tener más probabilidades de ser elegible.

A nivel de mención:

• Share of Mention AIO o Frecuencia de menciones global. Cuántas veces se nombra tu marca (y la de tus competidores si quieres verlo a nivel sector) en AI Overviews para una lista de palabras clave objetivo que representan tu sector. Este podría ser un KPI directamente asociado al awareness. Un paso más allá también sería evaluar el sentimiento de las menciones, algo que se sale del descubrimiento y toca más la parte reputacional.
• Share of Mention AIO por segmento. Este podría ser un KPI asociado al awareness de un segmento específico, lo cual nos daría la oportunidad de crear frecuencias de mención por territorios temáticos. Sería posible elaborando un etiquetado o clasificación de palabras clave o búsquedas, en los territorios que tenga el proyecto en si. Incluir a los competidores por territorio también sería un punto a tener en cuenta para entender cómo impacta a cada uno.

A nivel de citación:

• Share of Citation AIO global. Cuántas veces se cita tu URL (y la de tus competidores si quieres verlo a nivel sector) en AI Overviews para una lista de palabras clave objetivo que representan tu sector. Este podría ser un KPI directamente asociado a consideration. También sería interesante en este punto desglosar una métrica o KPI que diferencie entre citas mientras tu web está top 10 o fuera del top 10, para ver la tendencia y evolución, de cara a identificar ciertas oportunidades de optimización.
• Share of Citation AIO por segmento. Cuántas veces se cita tu URL (y la de tus competidores si quieres verlo a nivel sector) en AI Overviews para una lista de palabras clave objetivo que representan un territorio concreto o segmento dentro de tu sector. Nos daría la oportunidad de ver la distribución de citaciones por territorios y por competidores.

He añadido las formas más sencillas de medición y seguramente se puede profundizar y crear cosas totalmente a medida para cada proyecto.

Para terminar, una reflexión respecto a la medición. Ahora mismo todas las herramientas SEO incluyen en sus suites opciones para hacer seguimiento de AI Overviews, incluso de AI Mode, ChatGPT y otras IAs.

También existen servicios basados en APIs y herramientas de IA que han surgido específicamente en este clima de crecimiento imparable de la IA.

Hay que considerar que muchos de los datos que pueden generarse respecto a prompts, por ejemplo, son generados por las propias herramientas que buscan monitorizar respuestas, apariciones, menciones o citas.

Esto nos lleva a que muchos de los datos que veremos no son objetivos ni representan los comportamientos reales de usuarios.

Tengámos presente que en nuestra idea de monitorizar para tener datos y tomar decisiones informadas, el propio monitoreo puede ser origen de ruido y fomentar que se inflen los datos.

¿Y si no queremos aparecer?

Pues para todo hay una respuesta inmediata de AI Overviews 🙂

En resumen, no hay un «botón» o método directo para no aparecer en absoluto en AI Overviews.

S epueden considerar algunas opciones, creo que ninguna perfecta:

1. Desindexación de URLs: Si añadimos «noindex», no es que no salgamos en AI Overviews, es que no saldremos en el índice en ningún caso, por lo que no recibiremos tráfico ni tampoco seremos elegibles como contenido candidato ni tampoco seremos ni mencionados, ni citados en Google y probablmente en otros LLMs.
2. Uso de etiquetas meta robots: Si añadimos meta robots nosnippet o atributos html tipo data-nosnippet a todo el contenido o a una parte del contenido de una URL, lo que provocaremos es que ese contenido no muestre ningún tipo de snippet, de AI Overviews ni de ninguna clase. Aunque existen distintas configuraciones posibles, todas ellas nos ponen en la situación de no poder excluir únicamente de AI Overviews, algo. Importante a tener presente por el riesgo que esto supone.
   
   <meta name=»robots» content=»nosnippet»>
   <meta name=»googlebot» content=»nosnippet»>
   <meta name=»robots» content=»max-snippet:0″>
   <meta name=»robots» content=»max-snippet:20″>
   <meta name=»robots» content=»max-snippet:-1″>
   
   Toda esta información está disponible en las especificaciones de la etiqueta meta Robots, y los elementos data-nosnippet y X-Robots-Tag.
   
3. Extensiones de navegador: estas soluciones irán más orientadas a personalizar la interfaz a nivel de usuario, por lo que dejar de ver esos resultados en su totalidad, no creo que sea un método parcial ni una opción realista.

Conclusiones y referencias

Independientemente de que dure meses o años o, incluso, se acaben fusionando AI Overviews con AI Mode, es innegable que la IA ha venido para quedarse en el buscador de Google, por lo que esto nos empuja a cambiar de chip en ciertos aspectos y a crear nuestros propios mix de acciones para cada proyecto, en base a sus necesidades.

Lo que englobará a todos los proyectos será:

1. Necesitamos hacer monitorización continua de este y otros resultados basados en IA. Herramientas de grandes suites como SISTRIX, Ahrefs, Semrush, SERanking nos ayudarán; otras basadas en APIs como DataForSEO, SERPApi, o incluso otras específicas como LLMPulse también lo harán. Elige la que mejor se adapte a tus necesidades y presupuesto.
2. Seguimos haciendo el mismo SEO, pero personalizando y profundizando más en ciertas áreas. Esto lo marcará el proyecto que tengamos entre manos, pero nada de lo mencionado en este post en la parte de «buenas prácticas», es nuevo.
3. Además de seguir atrayendo tráfico y trabajando en ranking, ahora hay una parte de las búsquedas que buscarán otro nuevo doble objetivo: menciones y citaciones. Estratégicamente habrá que elegir en qué búsquedas que activan AI Overviews hay que estar visibles. Tu negocio, tu posición en el mercado y tu funnel, marcará esta priorización.
4. Los proyectos deben conseguir una consistencia mayor en lo referente a fundamentos y básicos del SEO. Ya no solo buscamos ser leídos por usuarios, también ser elegibles por máquinas como paso previo a que nos descubran o nos lean.
5. El enfoque a prueba-medición-ajuste será la tónica general. Podemos aprender mucho del método científico y de disciplinas como UX y CRO, habituados a hacer muchos test de usuarios o test A/B. Probar, medir y ajustar lo que haga falta, para seguir iterando.

Este es un tema que da para mucho y si quieres seguir leyendo y profundizando, te dejo las referencias consideradas y otros autores de valor que pueden aportar en este tema.

Espero que te aporte el artículo.

• Patente US11769017B1: Generative summaries for search results https://patents.google.com/patent/US11769017B1/en
• Patente US11663201B2: Generating query variants using a trained generative model https://patents.google.com/patent/US11663201B2/en
• Patente US20250036621A1: Generating answers from user history https://patents.google.com/patent/US20250036621A1/
• Patente US20240289407A1: Search with stateful chat https://patents.google.com/patent/US20240289407A1/en
• Patente US20240256965A1: Instruction Fine-Tuning Machine-Learned Models https://patents.google.com/patent/US20240256965A1/en
• Patente US20250124067A1: Method for Text Ranking with Pairwise Ranking Prompting https://patents.google.com/patent/US20250124067A1/en
• Rich Sanger SEO – AI Overview Optimization Insights https://richsanger.com/ai-overview-optimization-insights-from-googles-patent/
• Search Engine Land – How AI Mode and AI Overviews Work (Michael King) https://searchengineland.com/how-ai-mode-ai-overviews-work-patents-456346
• Leadership in SEO – Patent-by-Patent Breakdown (Harry Clarkson-Bennett) https://www.leadershipinseo.com/p/understanding-ai-overviews-a-patent
• Qué son los embeddings – IKAUE
  https://ikaue.com/blog-data/embeddings-de-texto-la-clave-para-el-analisis-semantico-y-de-significados-seo
• Testimony of Prof. Gregory Durrett (Trial Exhibit U.S. et al. v. Google LLC, No. 1:20-cv-03010-APM) https://www.justice.gov/atr/media/1397376/dl?inline

Personas a las que seguir:

• Kevin Indig: https://www.kevin-indig.com/
• Mike King: https://ipullrank.com/resources/best-of-mike-king
• Metehean Yesilyurt: https://metehan.ai/
• Dan Petrovic: https://dejan.ai/dan-petrovic/
• Lazarina Stoy: https://lazarinastoy.com/
• Dawn Anderson: https://bertey.com/about/dawn-anderson/