Cuando una marca nos pregunta por qué no aparece en las respuestas de ChatGPT, la primera hipótesis suele ser el modelo. Casi nunca lo es. El problema está antes: en qué parte de la página llega a leerse, y por qué canal entra.
Porque una web no tiene un lector de IA. Tiene tres, y no se ponen de acuerdo.
01Tres lectores, tres versiones de la misma página#
Cada empresa de IA lanza tres familias de bots contra un dominio, y cada una hace un trabajo distinto.
| Lector | Quién es | Qué ve | Ejecuta JS |
|---|---|---|---|
| Crawler | GPTBot, ClaudeBot, OAI-SearchBot, ChatGPT-User, Perplexity-User | El HTML servido, tal cual | No |
| Googlebot, y detrás Gemini y AI Overviews | La página renderizada | Sí | |
| Agente | Atlas de OpenAI, Comet de Perplexity | Árbol de accesibilidad, DOM y capturas a un modelo de visión | Sí |
El dato que ordena la primera fila sale del análisis de tráfico de producción de Vercel: GPTBot descarga ficheros JavaScript alrededor del 11,5% de las veces y ClaudeBot el 23,8%, y ninguno de los dos los ejecuta. Sin segunda pasada y sin cola de renderizado. Si la sustancia de una página solo existe en el DOM después del renderizado en cliente, para dos de los tres lectores no existe.
La consecuencia práctica es incómoda: la misma página puede ser perfectamente visible para las superficies de IA de Google e invisible para ChatGPT, Claude y Perplexity a la vez.
02El tercer lector se degrada, y avisa mal#
El agente es el único que ve el layout, y eso lo hace el más interesante y el más frágil.
Dos papers de octubre de 2025 fijaron la economía de leer texto como imagen. Renderizar texto largo como imagen comprime alrededor de 2:1 manteniendo la precisión a menos de tres puntos del texto plano. Y DeepSeek-OCR cartografió el límite: mientras la proporción entre tokens de texto y tokens de visión se mantiene por debajo de 10x, la decodificación aguanta en el 97%; forzada a 20x, cae al 60%.
Esa curva es la que aplica cuando un navegador agéntico mira una página de marca. Una página limpia y bien jerarquizada se lee cerca del 97%. Una página densa, recargada y de bajo contraste resbala hacia el extremo del 60%, y ahí el modelo no se calla: rellena los huecos con suposiciones seguras de sí mismas. Un precio mal leído desde una captura falla igual que un hash mal recordado, en silencio y con confianza.
Hay un cuarto patrón, en el lado de la recuperación, que apunta a lo mismo. ColPali demostró que para búsqueda documental saltarse el OCR y hacer embedding directo de la imagen de la página bate al pipeline clásico de extraer y trocear: 0,81 contra 0,66 de NDCG@5, indexando en 0,39 segundos por página en lugar de 7,22. El layout, las tablas y las figuras que la extracción de texto destruye llevan significado recuperable.
Detalle técnico · por qué los píxeles salen más baratos
Todos los modelos multimodales ponen precio a una imagen según sus dimensiones, no según lo que haya pintado encima. El texto, en cambio, se cobra carácter a carácter. En contenido denso, un carácter sale aproximadamente a un token de texto; ese mismo contenido en una imagen bien compactada sale a unos 3,1 caracteres por token de imagen. Ese hueco es todo el mecanismo, y se mueve sin avisar: cuando subió la resolución nativa máxima de imagen de un proveedor, la misma captura pasó de unos 1.558 tokens a 4.739.
03Qué hacer con esto#
La división en tres lectores se traduce en trabajo comprobable, y en el reparto de nuestro propio stack:
- Sirve la sustancia en HTML crudo. Renderiza en servidor todo lo que quieras que vean crawlers y fetchers en vivo: precios, especificaciones, FAQs, comparativas. El test cuesta un comando: haz
curla tu página y busca en la respuesta tus datos clave. Si no están ahí, dos de tus tres lectores no pueden verlos. Esa comprobación, con los bloqueos de CDN, el robots.txt y el llms.txt, es lo que audita GEOdoctor en el stack de productos. - Audita cada superficie por separado. Google renderiza tu JavaScript y los demás no, así que AI Overviews no vale como proxy. GEORadar mide las siete superficies con la misma batería de prompts, que es lo que permite comparar.
- Trata tu árbol de accesibilidad como una API. Los agentes priorizan roles y etiquetas ARIA antes de recurrir a la visión. El HTML semántico dejó de ser solo una casilla de accesibilidad.
- Diseña para el extremo bueno de la curva. Jerarquía clara y cuerpo legible ahora sirven a dos audiencias. Para S.A.M., nuestra máquina de alineamiento semántico, esto amplía la validación a un segundo canal: una afirmación tiene que sobrevivir como texto para el crawler y como píxeles para el agente.
El alineamiento semántico era una propiedad del copy. Está pasando a ser también una propiedad del layout.
Publicado originalmente en carlosortet.com
Una versión anterior de este texto se publicó en carlosortet.com.
- Vercel. The rise of the AI crawler: análisis de tráfico de producción, 2025. https://vercel.com/blog/the-rise-of-the-ai-crawler
- DeepSeek-OCR: compresión óptica de contextos. arXiv 2510.18234, octubre de 2025. https://arxiv.org/abs/2510.18234
- Text or Pixels? It Takes Half. arXiv 2510.18279, octubre de 2025. https://arxiv.org/abs/2510.18279
- Faysse, M. et al. ColPali: Efficient Document Retrieval with Vision Language Models. ICLR 2025, arXiv 2407.01449. https://arxiv.org/abs/2407.01449
Dirige 498A, el laboratorio de IA aplicada del grupo Zoopa, y GEORadar. Profesor invitado en la UAB, donde dirige trabajos de máster en IA con el IIIA-CSIC.