De RankBrain a los agentes: la historia real de la IA y el SEO

El SEO lleva compitiendo con la inteligencia artificial de Google desde 2015 — mucho antes de que existiera ChatGPT. Lo nuevo no es que una IA decida cómo se posiciona el contenido: eso ya pasaba. Lo nuevo es que la IA se ha convertido también en la herramienta con la que se hace SEO, y en el propio sitio donde la gente busca. Este artículo intenta poner en orden las tres cosas a la vez: de dónde viene esta historia, dónde está hoy, y hacia dónde apuntan las señales verificables. Cada dato enlaza a su fuente; donde algo no pudo confirmarse con solidez, lo digo explícitamente en vez de rellenar el hueco.

Acto IDe dónde venimos: cuando la IA solo eran señales de ranking

Antes de que hablar con una IA fuera algo cotidiano, Google ya llevaba años metiendo aprendizaje automático en el núcleo de la búsqueda — como señal de ranking, no como interfaz.

RankBrain, el primer gran salto de ML en el algoritmo (2015)

Google anunció RankBrain el 26 de octubre de 2015¹, aunque llevaba desplegado desde la primavera de ese mismo año. Era un sistema de aprendizaje automático pensado para interpretar consultas ambiguas o nunca vistas antes — lenguaje natural, no combinaciones exactas de palabras clave. Fue la primera vez que Google admitió públicamente que una parte relevante del ranking dependía de un sistema que ni sus propios ingenieros podían explicar del todo, caso por caso.

BERT: entender el lenguaje, no solo las palabras (2019)

Anunciado el 24-25 de octubre de 2019 y desplegado la semana del 21 de octubre², BERT es un modelo de comprensión de lenguaje natural bidireccional que afectó a cerca del 10% de las consultas en inglés desde su lanzamiento. Con BERT, Google dejó de tratar una frase como una bolsa de palabras clave y empezó a entender el papel de cada palabra en relación con las demás — preposiciones incluidas, que hasta entonces solían ignorarse.

MUM: la promesa multimodal (2021)

Presentado en Google I/O el 18 de mayo de 2021³, MUM (Multitask Unified Model) se anunció como "1.000 veces más potente" que BERT, multimodal y multilingüe (75 idiomas), con la promesa de responder preguntas complejas que hasta entonces requerían varias búsquedas separadas. Google fue explícito en que la integración sería progresiva, "en los próximos meses y años" — no un interruptor que se activa de golpe.

La primera ola de "contenido con IA" para SEO (2019-2023)

Mientras Google afinaba sus propias señales, del otro lado del tablero apareció una generación de herramientas que usaban IA generativa para producir el contenido a posicionar. Jasper AI (lanzada originalmente como "Jarvis" en 2021)⁴ se convirtió en una de las más conocidas, con un modo SEO que internamente se apoya en los datos de Surfer SEO, un editor de contenido que puntúa un artículo contra los datos de la SERP en tiempo real — llegaron a ofrecer una integración directa entre ambas herramientas⁵.

En esta era, la IA optimizaba el contenido para un ranking todavía pensado para lectores humanos escaneando una lista de diez enlaces azules. Lo que vino después cambió la pregunta de fondo: ¿para quién se optimiza cuando quien "lee" el resultado ya no es una persona escaneando una lista, sino otra IA que resume y cita?

Acto IIDónde estamos: cuando la IA se convirtió en el buscador

La disrupción: de Perplexity a ChatGPT Search

Perplexity AI se fundó en agosto de 2022 y lanzó públicamente el 7 de diciembre de ese año⁶ como un "answer engine": respuestas directas con citas en línea, no una lista de resultados. Google respondió con SGE (Search Generative Experience), presentada en Google I/O el 10 de mayo de 2023 como beta en Search Labs, solo en inglés y solo en EE. UU. al principio⁷.

Un año después, SGE se renombró y salió de beta como AI Overviews, con lanzamiento general en EE. UU. el 14 de mayo de 2024; para el 20 de mayo ya alcanzaba a "cientos de millones" de usuarios, y en agosto y octubre de 2024 se expandió a Reino Unido, India, Japón, Brasil, México, Indonesia y más de 100 países en total⁸. Google añadió después AI Mode como un modo distinto —no un resumen automático sobre los resultados, sino un modo que el usuario elige activamente para consultas conversacionales de varios pasos, con acceso a señales en vivo como precios o el Shopping Graph—: experimento en Search Labs desde marzo de 2025, abierto a todo EE. UU. sin lista de espera desde mayo de 2025⁹.

El 31 de octubre de 2024, OpenAI anunció ChatGPT Search¹⁰, desplegado primero a usuarios Plus/Team y progresivamente al resto, incluidos los usuarios gratuitos.

El impacto medido — y disputado — en el tráfico orgánico

Pew Research Center analizó el comportamiento de cerca de 900 adultos estadounidenses sobre casi 69.000 búsquedas reales en Google: cuando aparecía un AI Overview, la tasa de clic caía del 15% al 8%, y un 26% de las sesiones terminaba justo después de ver el resumen de IA, frente a un 16% cuando no había resumen¹¹. Ahrefs, analizando 300.000 keywords vía Search Console, encontró algo parecido desde otro ángulo: una caída del 58% en el CTR de la página en la posición 1 cuando aparece un AI Overview sobre ella, del 50,8% en la posición 2 y del 19% en la posición 10¹².

Conviene dejarlo constatado sin tomar partido: Google ha negado públicamente que los AI Overviews perjudiquen el tráfico de referencia hacia los sitios, en contraste directo con estos datos^{↩ 11}. Ninguna de las dos posturas es "la fuente oficial" del asunto — son dos versiones del mismo fenómeno vistas desde intereses distintos.

Nace una disciplina con nombre: GEO y AEO

El término GEO (Generative Engine Optimization) se acuñó formalmente en un paper académico —investigadores de Princeton, Georgia Tech, el Allen Institute for AI y el IIT Delhi— publicado como preprint en arXiv en noviembre de 2023 y presentado después en la conferencia ACM SIGKDD 2024¹³. Su framework de evaluación, GEO-bench, probado sobre cerca de 10.000 consultas en nueve datasets distintos, demostró que optimizar contenido deliberadamente para motores generativos puede aumentar la visibilidad en sus respuestas entre un 22% y un 41%.

AEO (Answer Engine Optimization) es un término hermano y de uso muy extendido en la industria, pero cuyo origen exacto —quién lo acuñó y cuándo— no logré verificar con una fuente sólida¹⁴. El concepto en sí (optimizar para ser la fuente citada por un motor de respuestas, no solo aparecer posicionado) está bien documentado, aunque su acuñación exacta se pierde en el uso colectivo de la industria más que en un momento fundacional claro.

La pieza que lo destrabó todo: Model Context Protocol

El 25 de noviembre de 2024, Anthropic liberó como estándar abierto el Model Context Protocol (MCP)¹⁵, creado por los ingenieros David Soria Parra y Justin Spahr-Summers, con SDKs en Python y TypeScript desde el primer día. La idea de fondo: en vez de que cada aplicación de IA construya una integración a medida para cada fuente de datos, MCP estandariza cómo un agente descubre y llama "herramientas" — una analogía que se repite tanto en la cobertura de prensa que ya es casi un cliché: MCP como el USB-C de la IA¹⁶.

Lo que pasó después es la parte que sostiene todo este artículo: en apenas cinco meses, los tres grandes rivales de Anthropic adoptaron el mismo estándar en público. OpenAI incorporó soporte MCP a su recién lanzado Agents SDK (11 de marzo de 2025) el 26 de marzo¹⁷. El 9 de abril de 2025, el propio Demis Hassabis confirmó en X que Gemini lo soportaría, con una frase que resume bien el momento: "MCP is a good protocol and it's rapidly becoming an open standard for the AI agentic era."¹⁸ En mayo de 2025, en Build 2025, Satya Nadella anunció una asociación explícita con Anthropic para llevar MCP a Windows 11, GitHub, Copilot Studio y Azure AI Foundry como estándar de primera clase¹⁹ — Copilot Studio alcanzó disponibilidad general apenas unas semanas después, el 29 de mayo de 2025—; en julio de ese mismo año, Azure AI Foundry Agent Service sumó soporte MCP en preview²⁰. xAI incorporó "Remote MCP Tools" para que Grok se conecte a servidores externos con solo una URL²¹. Y Perplexity fue un paso más allá: en marzo de 2025 construyó su propio servidor MCP oficial²², jugando en los dos lados del tablero a la vez — es, simultáneamente, un motor al que hay que optimizar (objetivo de GEO) y una pieza de infraestructura de búsqueda que otros modelos, Claude incluido, pueden usar como herramienta.

La explosión de servidores MCP para SEO

Con el estándar ya adoptado por todos, 2025 fue el año en que los grandes proveedores de datos SEO publicaron sus propios servidores MCP oficiales: Ahrefs, el 25 de abril de 2025, con más de 100 herramientas de Site Explorer, Keywords Explorer, Rank Tracker y Site Audit — ese repositorio quedó archivado en noviembre de 2025, cuando Ahrefs migró a un servidor MCP remoto alojado por ellos mismos²³; Semrush, en septiembre de 2025, con soporte OAuth y compatibilidad declarada con Claude, ChatGPT, Cursor y Perplexity²⁴; y Similarweb, el 9 de septiembre de 2025²⁵. Google publicó también un servidor MCP oficial para Google Analytics 4: el repositorio se creó el 16 de julio de 2025, se presentó oficialmente el 22 de julio y su primera versión etiquetada (v0.1.0) salió el 22 de agosto de ese mismo año²⁶ — y, de forma llamativa, no existe un equivalente oficial para Search Console: lo que circula ahí son implementaciones comunitarias no oficiales²⁷.

Alrededor de estos servidores "de vendor" creció un ecosistema más pequeño y específico: Screaming Frog sumó un MCP integrado desde la versión 24 de su SEO Spider, además de varias implementaciones comunitarias²⁸; SerpApi publicó un servidor MCP open source para búsquedas multi-motor²⁹; Bright Data ofrece uno con cerca de 69 herramientas de scraping y extracción estructurada³⁰; y para PageSpeed Insights, sin servidor oficial de Google, hay varias alternativas comunitarias que requieren una API key propia³¹.

Sobre estos servidores de datos ha crecido además una capa de "skills" de más alto nivel, pensadas para orquestar varios servidores MCP a la vez desde un agente concreto. El caso más visible dentro del ecosistema de Claude Code es el del desarrollador Agrici Daniel: su skill claude-seo no reinventa el acceso a datos, orquesta como extensiones opcionales los servidores MCP oficiales de DataForSEO, Firecrawl y Ahrefs³², y además construyó su propio servidor MCP para WordPress, wp-mcp-ultimate, con 58 "habilidades" sobre posts, medios, usuarios y plugins³³. No es el único: SE Ranking publicó su propia colección de skills para Claude Agent, diseñadas específicamente para su propio servidor MCP³⁴.

Rastrear si te cita una IA: el nuevo tablero de juego

Si el objetivo ya no es solo "salir en la página 1" sino "que la IA te mencione cuando alguien le pregunta", hacía falta una forma de medirlo. Ahí aparecieron plataformas comerciales de "AI visibility": Profound (orientada a enterprise, rastrea más de 10 motores), Peec AI (foco en producto/entidad, útil para SaaS) y Otterly AI (la opción más accesible)³⁵ — cifras de precio que cambian con frecuencia y que conviene tomar con cautela, ya que buena parte de las comparativas disponibles vienen de blogs de la propia industria, incluyendo blogs de estas mismas empresas comparándose entre sí.

El dato más interesante aquí, hasta donde pude verificar: Microsoft parece ser el único gran motor de búsqueda que construyó su propio rastreador de citas de IA de primera parte —"AI Performance" dentro de Bing Webmaster Tools, en vista previa pública desde el 10 de febrero de 2026— en vez de dejarlo por completo en manos de terceros³⁶. Google, por su lado, añadió el 3 de junio de 2026 informes que aíslan las impresiones dentro de AI Overviews, AI Mode y las funciones de IA en Discover directamente en Search Console³⁷.

Un vistazo rápido al resto del tablero

No todo pasa por MCP. OpenAI abrió la GPT Store en enero de 2024 —gratuita para todos desde mayo de ese año—³⁸, con decenas de GPTs de terceros orientadas a SEO (auditorías, investigación de keywords, generación de contenido); no son integraciones oficiales de OpenAI, sino un mercado de apps construidas encima de la plataforma. En su DevDay del 6 de octubre de 2025, OpenAI fue un paso más allá con el Apps SDK, construido explícitamente sobre MCP, para meter aplicaciones completas —Spotify, Zillow, Canva, entre los socios de lanzamiento— dentro de una conversación de ChatGPT³⁹.

Del lado de Google, más allá de los informes de Search Console, la comunidad SEO adoptó NotebookLM de forma completamente orgánica para investigación de competidores y análisis de brechas de contenido⁴⁰ — no es un producto "de SEO" oficial de Google, es gente usando una herramienta general para un caso de uso muy concreto. Del lado de Microsoft, vale la pena recordar que el protocolo IndexNow —notificación instantánea a buscadores cuando cambia el contenido de un sitio— lo lanzaron conjuntamente Bing y Yandex el 18 de octubre de 2021, no es exclusivo de Microsoft⁴¹; Google, con todo su protagonismo en el resto de esta historia, sigue sin soportarlo.

¿Y Grok/xAI? Aquí conviene ser honesto: más allá de un soporte MCP genérico para conectarse a servidores externos, no encontré ninguna herramienta o integración diseñada específicamente para SEO — no hay que forzar contenido donde no lo hay. Lo más curioso de su ecosistema no es una herramienta de SEO, es Grokipedia: la enciclopedia generada por IA que xAI lanzó el 27 de octubre de 2025 como alternativa "maximally truth-seeking" a Wikipedia, con más de 800.000 artículos al lanzamiento⁴². No es infraestructura SEO, pero probablemente se convierta en objetivo de optimización por sí misma, igual que hoy lo es Wikipedia.

Acto IIIHacia dónde vamos: señales, no profecías

Todo lo anterior son hechos ya ocurridos. Esta parte es más resbaladiza — me limito a señales concretas y atribuibles, no a especulación propia.

llms.txt: proponer un mapa solo para máquinas

En septiembre de 2024, Jeremy Howard (Answer.AI) propuso llms.txt⁴³: un archivo en la raíz del sitio que indica a los modelos de lenguaje —no a Googlebot— dónde está el contenido más autorizado, en Markdown limpio en vez de HTML con navegación y anuncios. No lo ha adoptado el W3C, Google ni OpenAI como estándar oficial, pero sitios como el propio Anthropic o Cloudflare lo implementaron rápido.

Cloudflare cambia las reglas del rastreo

El 1 de julio de 2025, Cloudflare se convirtió en la primera gran infraestructura de internet en bloquear el scraping de IA por defecto —modelo "opt-in" en vez de "opt-out"— y lanzó en beta privada un marketplace, Pay Per Crawl, donde los editores pueden cobrar a las empresas de IA por cada rastreo⁴⁴. En septiembre de 2025 añadieron directivas más granulares bajo su "Content Signals Policy": permitir indexación pero prohibir explícitamente el uso del contenido para entrenar modelos, por ejemplo.

El dato que la propia Cloudflare dio como justificación del cambio es contundente: a junio de 2025, Google rastrea un sitio unas 14 veces por cada visita que le devuelve; la proporción de OpenAI es de 1.700 a 1; la de Anthropic, 73.000 a 1^{↩ 44}. Dicho de otro modo: los crawlers de IA generativa consumen contenido a una escala completamente distinta de la que devuelven en tráfico — y ahí es donde nace la tensión económica de fondo de todo lo que cuenta este artículo.

"SEO agéntico": lo que se dice y lo que está confirmado

Hay ya bastante discurso de industria —blogs de proveedores de SEO, no papers académicos ni anuncios de Google, OpenAI o Anthropic— sobre agentes de IA que auditan sitios de forma continua y autónoma (Core Web Vitals, errores de rastreo, fluctuaciones de posiciones) y corrigen antes de que un humano lo note. Lo marco explícitamente como eso: discurso de marketing de la industria SEO, no una postura oficial confirmada por ningún laboratorio de IA o motor de búsqueda sobre "agentes autónomos" como categoría formal y reconocida.

Lo que sí parece razonablemente claro

Con MCP adoptado por todos los grandes laboratorios en apenas un año, con los principales vendors de SEO publicando servidores oficiales, y con los propios buscadores —Bing ya, Google a medias— empezando a medir citas de IA de forma nativa, la infraestructura técnica para un "SEO agéntico" real ya existe. Lo que no está resuelto —y esto sí es una lectura personal, no un hecho verificado— es el modelo económico de fondo: si las proporciones de rastreo que cita Cloudflare son representativas del resto de la industria, la tensión entre cuánto valor extraen los crawlers de IA y cuánto tráfico devuelven es, probablemente, la pregunta que defina la siguiente fase de esta historia — más que cualquier herramienta concreta de las que aparecen en este artículo.