David Hayes, director de digital en Europa en Forsman & Bodenfors, señala un cambio importante a medida que las marcas se dan cuenta de que años de acumulación de valor en las búsquedas están siendo rápidamente transformados con la evolución de la IA, que pasa de ser simple motor de búsqueda a motor de respuestas. En consecuencia, la optimización de búsqueda con IA se ha convertido en un tema de discusión de alto nivel entre muchos socios. La investigación de McKinsey respalda esta urgencia, mostrando que la mitad de los consumidores ya utilizan búsquedas potenciadas por IA, y se predice que para 2028, $750 mil millones en gasto de consumidores pasarán por estas plataformas. Los especialistas en marketing están replanteando ahora las estrategias de SEO, concentrándose en optimizar no para las personas, sino para los algoritmos. Savannah Bishop, directora del grupo de plataformas digitales en Fitzco, destaca que este cambio exige nuevas estrategias de estructuración de sitios web, diferenciando el SEO tradicional del SEO para IA y la optimización de motores de búsqueda generativos (AEO y GEO). El panorama en el que los consumidores encuentran marcas ahora va más allá de los resultados en Google, ya que la búsqueda por IA genera un entorno de “cero clic”, donde resulta difícil medir la visibilidad y desarrollar estrategias. Las agencias coinciden en tácticas como priorizar formatos claros de preguntas y respuestas mediante FAQs, estructurar el contenido del sitio en torno a preguntas y respuestas en lugar de palabras clave, agregar textos alternativos a las visuales y mantener un mensaje de marca coherente en todos los canales, desde medios propios hasta comunicados de prensa y campañas con influencers. La reputación y credibilidad son fundamentales, ya que los sistemas de IA probablemente valoran mucho estos aspectos al determinar los resultados de búsqueda. Chris Rigas, vicepresidente de medios en Markacy, afirma que la percepción de reputación y credibilidad pesa cada vez más que ofrecer una respuesta directa. En términos prácticos, agencias como Go Fish Digital están invirtiendo en ingeniería inversa de modelos de IA mediante APIs accesibles para entender cómo los motores de búsqueda seleccionan y muestran contenido. Dan Hinckley, director de producto y responsable de IA en Go Fish, descubrió que el contenido ubicado en la parte superior de las páginas es más probable que aparezca en los resultados de búsqueda por IA. Forsman & Bodenfors ha desarrollado agentes de IA entrenados en el tono de marca, los estándares de visibilidad y las métricas SEO para analizar los artículos de sus clientes, acelerando los procesos editoriales y garantizando la coherencia del mensaje.

Software como Syndigo facilita mantener datos de productos uniformes en minoristas y plataformas digitales para un mejor procesamiento por parte de la IA. Las estrategias de medios pagados también se ajustan: Fitzco aconseja a sus clientes aprovechar las campañas Performance Max de Google, que pueden aparecer en resúmenes generados por IA incluso sin clics directos de usuarios. Hinckley hace hincapié en que los modelos de lenguaje de IA buscan ofrecer la información de manera eficiente, similar a como lo hacen los usuarios humanos. No obstante, medir y atribuir el éxito en la búsqueda por IA sigue siendo complejo debido a la opacidad de los algoritmos de los grandes modelos de lenguaje (LLM). Las agencias monitorean métricas como la frecuencia con la que el contenido de los clientes aparece en resultados de cero clics y observan cambios en el tráfico web tras implementar estrategias de IA. Rigas de Markacy señala que las lagunas en análisis dificultan identificar qué aspectos realmente impulsan las mejoras en rendimiento. A pesar de las tentaciones, los líderes de las agencias advierten contra tácticas de SEO “black-hat”. Reddit, una de las principales fuentes de datos para entrenamiento de IA, demandó recientemente a Perplexity por extracción no autorizada de datos. Algunas marcas supuestamente crean publicaciones promocionales específicamente para atraer a los rastreadores de modelos de lenguaje, mientras que tácticas tempranas como el “cloaking”— inserir texto invisible para los algoritmos— han surgido como nuevas estrategias. Sin embargo, los expertos advierten que estos atajos podrían tener un efecto contrario, ya que los modelos de IA pueden aprender a detectar y neutralizar estos intentos. Hayes subraya la importancia de adoptar un enfoque medido, de prueba y error, afirmando que no existen trucos para la visibilidad en IA y que los intentos de engañar al sistema probablemente fracasen, de manera similar a los primeros intentos de manipulación en SEO.