La forma en que las personas encuentran información está cambiando, y con ella el vocabulario de quienes trabajan con datos, desarrollo y analítica. Estos son los conceptos técnicos que sostienen el cambio, explicados de forma concisa.
RAG y query fan-out. La generación aumentada por recuperación (RAG) es la arquitectura por la que un sistema busca fragmentos relevantes en varias fuentes y los entrega a un modelo de lenguaje, que redacta la respuesta apoyándose en ellos. Es lo que permite que una respuesta generada cite páginas web actuales. A menudo el sistema descompone además la pregunta original en varias subconsultas, una técnica conocida como query fan-out, de modo que una sola pregunta puede activar múltiples recuperaciones sobre aspectos distintos del tema.
AEO y GEO. La optimización para motores de respuesta (AEO) y para motores generativos (GEO) persiguen que un contenido forme parte de la respuesta y no solo de la lista de resultados. El AEO nació de los fragmentos destacados y los asistentes de voz; el GEO se emplea más para el conjunto de experiencias generativas, incluidas herramientas como ChatGPT, Perplexity o Claude. No existe aún un consenso académico que los separe con nitidez y en la práctica profesional se usan a menudo como sinónimos.
Rastreadores de IA. No todos los bots cumplen la misma función: unos recopilan datos para entrenar modelos (GPTBot, ClaudeBot), otros construyen el índice que consulta un asistente (OAI-SearchBot, Claude-SearchBot) y otros recuperan una página a petición del usuario (ChatGPT-User, Claude-User). Bloquear un bot de entrenamiento no excluye a un sitio de las citas actuales, pero una regla demasiado amplia en robots.txt puede hacer que la marca desaparezca de las respuestas sin advertirlo.
llms.txt. Es un archivo Markdown en la raíz del dominio que resume las páginas principales de un sitio para los modelos. En junio de 2026 Google precisó que su buscador no lo utiliza, ni para el posicionamiento ni para las AI Overviews ni para el Modo IA, aunque Chrome lo audita en Lighthouse dentro de la navegación agéntica. Es un estándar propuesto cuyo efecto real sigue sin demostrarse.
MCP. El Model Context Protocol es un estándar abierto, presentado por Anthropic el 25 de noviembre de 2024, que define cómo las aplicaciones de IA se conectan con herramientas y fuentes de datos externas mediante un protocolo común, evitando integraciones a medida para cada combinación de modelo y herramienta.
Analítica del tráfico de IA. En GA4 conviene crear un grupo de canales que agrupe orígenes como chatgpt.com, perplexity.ai, claude.ai o gemini.google.com. Como algunas superficies de IA eliminan el referente, parte de las visitas se registra como tráfico directo, por lo que el recuento debe interpretarse como un mínimo y la tendencia pesa más que la cifra absoluta.
Marcado de contenido sintético. Desde el 2 de agosto de 2026 son aplicables las obligaciones de transparencia del artículo 50 del Reglamento de IA de la UE, que exigen marcar en formato legible por máquina el contenido generado por IA. Los proveedores de sistemas comercializados antes de esa fecha tienen plazo hasta el 2 de diciembre de 2026.
Conclusión. Detrás de cada sigla hay un componente que se puede entender, medir y auditar. Ese es el criterio que distingue a quien aplica recetas de quien comprende el sistema.
Una disciplina en movimiento
Ninguno de estos conceptos es definitivo. La terminología cambia con rapidez, las plataformas modifican sus criterios y algunas prácticas hoy recomendadas pueden quedar obsoletas en pocos meses. Lo que perdura es una forma de trabajar: contenido riguroso, información verificada, estructura clara y una comprensión honesta de cómo se descubre y se consume la información. Es el enfoque que trabajamos en el Máster Oficial en Marketing Digital, Comunicación y Redes Sociales de ID Digital School, donde los estudiantes se forman para afrontar con criterio profesional los cambios que el sector seguirá experimentando.