Veinte términos, definidos en dos o tres frases cada uno, sin humo. Este glosario existe porque la conversación sobre visibilidad en IA mezcla vocabulario de SEO, de machine learning y de marketing, y esa mezcla produce decisiones equivocadas.
Motores y modelos
Motor generativo: sistema que responde preguntas generando texto (ChatGPT, Perplexity, Claude, Gemini) en lugar de devolver una lista de enlaces. LLM (Large Language Model): el modelo de lenguaje que hay debajo de cada motor; se entrena una vez con datos masivos y después responde desde ese conocimiento. Conocimiento base (training knowledge): lo que el modelo sabe por su entrenamiento; tiene fecha de corte y no se actualiza hasta la siguiente versión. RAG (Retrieval-Augmented Generation): técnica por la que el motor busca información fresca en el momento de la pregunta y la usa para responder; es la vía por la que una web nueva puede aparecer en respuestas en semanas. AI Overviews: los resúmenes generativos de Google sobre los resultados de búsqueda clásicos.
Crawlers y acceso
Crawler de entrenamiento: bot que recopila contenido para entrenar futuros modelos (GPTBot, ClaudeBot, CCBot); bloquearlo es una decisión de propiedad intelectual, no de visibilidad inmediata. Crawler de búsqueda: bot que indexa para las respuestas en vivo (OAI-SearchBot, Claude-SearchBot, PerplexityBot); bloquearlo elimina tus opciones de cita. Fetcher de usuario: agente que visita tu página cuando un usuario concreto lo pide en su conversación (ChatGPT-User, Claude-User, Perplexity-User). User-agent: la cadena de texto con la que un bot se identifica en cada petición; es lo que se usa en robots.txt y en el análisis de logs. Robots.txt: archivo en la raíz del dominio que indica a los bots qué pueden visitar; los bots declarados de los grandes proveedores lo respetan, otros no.
Contenido y señales
GEO (Generative Engine Optimization): disciplina de optimizar contenido para ser fuente de las respuestas generativas. Cita generativa: la aparición de tu web como fuente en una respuesta de IA, con enlace o mención. Contenido autocontenido: bloque que responde una pregunta completa sin depender del resto de la página; es la unidad que los motores extraen. Datos estructurados (schema.org): etiquetado máquina-legible de hechos (producto, precio, disponibilidad) en formato JSON-LD. Autoridad de fuente: la confianza que un motor asigna a tu dominio, construida sobre menciones de terceros y coherencia; equivalente funcional del PageRank en el mundo generativo.
Medición
Share of voice en IA: con qué frecuencia apareces en las respuestas de una categoría frente a tus competidores. Prominencia: en qué posición y con cuánto detalle te cita una respuesta (no es lo mismo ser la primera recomendación que una mención al final). Prompt de auditoría: pregunta estándar que se lanza periódicamente a los motores para medir quién aparece (“dónde comprar X en España”). Tráfico referido de IA: visitas que llegan desde los enlaces de las respuestas generativas; se identifica en analítica por el referrer. Alucinación: dato inventado por el modelo; la razón por la que los motores prefieren citar fuentes con datos verificables — y por la que tenerlos te favorece.
Preguntas frecuentes
¿Cuál es la diferencia clave entre crawler de entrenamiento y de búsqueda?
El de entrenamiento alimenta futuros modelos (efecto a meses vista); el de búsqueda alimenta las respuestas de hoy (efecto en semanas). Se controlan con user-agents distintos en robots.txt.
¿Qué término confunde más decisiones?
“Aparecer en ChatGPT”: mezcla estar en el conocimiento base (entrenamiento, lento, poco controlable) con ser citado vía búsqueda (RAG, rápido, optimizable). Casi todo el GEO accionable actúa sobre lo segundo.