¿Se puede producir contenido de IA fiable, es decir, contenido en el que cada frase se sostiene? Sí, con una condición: que cada afirmación conserve su fuente, desde la recopilación hasta la publicación. Es el principio central de un pipeline SEO que parte de sus clientes (en inglés), y es lo que describo aquí, a partir de lo que he construido y medido.
A menudo se reprocha al contenido de IA que es insulso. Es cierto, pero es el menor de sus defectos. El verdadero riesgo es que afirme cosas falsas sobre su empresa, y con mucha seguridad.
Lo comprobé en un proyecto real. Una versión antigua de mi redactor de preguntas frecuentes escribía mejor que la nueva: frases fluidas, un tono acertado, respuestas convincentes. Pero, al verificar dato por dato, descubrí que inventaba. Anunciaba una condición de garantía contraria a lo que la empresa publica. Daba horquillas de precios que nadie le había proporcionado. Incluso nombraba a un competidor sin motivo.
Ningún lector habría detectado esos errores al leer. Un cliente, en cambio, los habría descubierto en el peor momento: al citar la garantía prometida en su web. La lección es sencilla: la calidad del estilo y la fiabilidad de los hechos son dos cosas distintas, que hay que medir por separado.
Todo lo que recopila el pipeline se convierte en un expediente de pruebas: las páginas de resultados de Google, las conversaciones de los foros, las respuestas generadas por la IA de Google y las páginas de la propia empresa. No es una pila de documentos, sino una red de elementos relacionados entre sí.
Tres reglas le dan su valor:
En la práctica, cada afirmación de un contenido sigue siendo rastreable hasta su origen. Si una afirmación no tiene fuente, no tiene cabida en el texto. Un hueco honesto vale más que una invención.
Tomemos un recorrido ficticio, pero típico. En un foro, una persona escribe: «¿De verdad vale lo que cuesta, o uno acaba arrepintiéndose?». Entre las preguntas que muestra Google, aparece una formulación parecida. En otras conversaciones, decenas de personas expresan la misma inquietud con sus propias palabras.
El pipeline agrupa estas preguntas similares, sin reescribirlas. Así sabe cuántas personas hacen «la misma» pregunta y cómo la formula cada una. Ese grupo se convierte en un tema prioritario: una inquietud sobre la relación calidad-precio, compartida y recurrente.
A la hora de escribir la respuesta, el redactor se basa en lo que la empresa publica realmente sobre lo que está incluido y sobre su garantía. Cada afirmación de la respuesta remite a una página concreta de la web. Si la web no dice nada sobre un punto, la respuesta no inventa nada sobre ese punto.
Al final del recorrido, la pregunta frecuente publicada responde a una pregunta real, con las palabras del público y con hechos que la empresa puede asumir. Y si alguien pregunta por qué esa pregunta figura en las preguntas frecuentes, se pueden mostrar los comentarios que la originaron.
El expediente de pruebas no basta por sí solo. Lo acompañan tres salvaguardas, y cada una es objeto de un artículo detallado.
Reducir las invenciones, y medirlo. En una prueba real de generación de preguntas frecuentes, casi una respuesta de cada cinco contenía una afirmación inventada sobre la empresa. Dos cambios de principio bastaron para bajar las alucinaciones por debajo del 1 %: dar a la IA los hechos verificados en el momento de escribir y, después, verificar automáticamente cada cifra y cada hecho.
Separar la demanda y la oferta. Los foros y los resultados de Google dicen lo que busca el mercado. No dicen nada fiable sobre lo que ofrece su empresa. Solo su propia web tiene autoridad en eso. Por eso el pipeline distingue siempre lo que pide el mercado y lo que usted ofrece, y nunca mezcla ambas cosas. Los hechos de la empresa se extraen de su propia web y, después, un verificador comprueba que se han copiado palabra por palabra: el 97 % supera este control estricto.
Repartir el trabajo entre la IA y el código. La IA es excelente para entender el sentido de una frase. Es poco fiable para contar. La regla consiste, por tanto, en dejar que la IA juzgue y que el código cuente: en un informe, la IA narra, y un control automático rechaza cualquier cifra que no proceda de los datos calculados.
Hay una tentación que vuelve a menudo cuando se tratan miles de comentarios: limpiar. Eliminar los duplicados, descartar lo que parece marginal, quedarse con «lo esencial». El pipeline hace lo contrario: nunca elimina una prueba, aunque aparezca repetida. Cuenta cuántas veces aparece.
La razón es práctica. Una pregunta formulada cincuenta veces por cincuenta personas distintas no tiene el mismo peso que una pregunta formulada una sola vez. Si se eliminan los duplicados, se pierde precisamente la información más útil: la intensidad de la demanda. Y si se descarta lo que parece marginal, a veces se pierde la objeción que marcará la diferencia dentro de seis meses.
La misma regla vale para los informes. Cuando un informe solo muestra una parte de una lista, lo dice claramente, por ejemplo «las 10 primeras de 250». Nunca oculta que ha recortado.
Para una dirección de marketing, la diferencia se resume en una pregunta: «¿De dónde sale esta frase?». Con este tipo de pipeline, puede responderla para cada frase publicada. Una afirmación sobre su garantía remite a la página de su web que la contiene. Una pregunta frecuente remite a los internautas que la formularon realmente. Una cifra de un informe remite al cálculo que la produjo.
Esta trazabilidad tiene tres efectos concretos:
Este último punto pesa cada vez más. Cuando ChatGPT, Gemini o las respuestas de IA de Google resumen un tema, se nutren de páginas que responden con claridad a una pregunta concreta. Un contenido construido a partir de las preguntas reales de sus clientes, con hechos verificables, es exactamente ese tipo de página.
El expediente de pruebas es la segunda etapa de un método que tiene cuatro: entender la demanda, reunir las pruebas, construir buyer personas y, por último, producir y medir. Para ver cómo se encadenan y lo que un estudio de su mercado puede aportarle, descubra el pipeline SEO con IA en su conjunto (en inglés).