AEO y GEO en 2026: lo nuevo, lo reciclado y lo que todavía no se puede medir del SEO para LLMs

La industria SEO ha incorporado en los últimos dos años dos siglas que prometen describir un cambio de paradigma: AEO (Answer Engine Optimization) y GEO (Generative Engine Optimization). El argumento comercial es directo: los usuarios están migrando de Google hacia respuestas generadas por modelos de lenguaje, y por tanto la optimización debe migrar también. La cantidad de webinars, ebooks, frameworks y "metodologías propietarias" lanzadas alrededor del concepto en 2024–2026 es notable. La cantidad de evidencia verificable que sustenta sus afirmaciones, en cambio, es modesta.

Este artículo intenta separar tres cosas que se mezclan habitualmente en la conversación pública sobre AEO y GEO: lo que efectivamente cambia respecto al SEO clásico, lo que se vende como nuevo pero corresponde a SEO bien hecho desde hace una década, y lo que aún no es medible y que conviene asumir como hipótesis y no como práctica establecida. La posición que sostiene este texto es que entre la promesa de disrupción y la realidad operativa hay una brecha relevante, y que esa brecha conviene reconocerla antes de redirigir presupuestos.

Nota metodológica: las afirmaciones cuantitativas del artículo se basan en datos públicos disponibles a mayo de 2026 (reportes de tráfico de referrer publicados por Cloudflare, Similarweb y Ahrefs sobre AI engines; documentación técnica de OpenAI, Anthropic y Google sobre el comportamiento de sus crawlers; estudios independientes de citaciones generativas como los de Bain & Company y NP Digital). La interpretación de esos datos es analítica y no necesariamente coincide con la posición predominante en el sector.

Disclosure: este texto es publicado por MOX Networks, consultoría SEO con sede en Santiago de Chile. La firma asesora a clientes en optimización para buscadores y, ocasionalmente, en visibilidad en motores generativos cuando el caso lo justifica. La posición editorial del artículo no coincide con la línea comercial dominante del sector AEO/GEO.

Qué efectivamente cambia con los motores generativos

Hay diferencias técnicas reales entre cómo procesa información un buscador clásico (Google, Bing) y cómo lo hace un motor generativo (ChatGPT, Claude, Perplexity, Gemini). Esas diferencias son, en lo sustantivo, tres.

El usuario consume la respuesta sin necesariamente visitar la fuente. Un resultado orgánico clásico es una invitación a hacer clic; una respuesta generativa es la respuesta. La fricción entre query y resolución cae a cero. Quien aparece citado en la respuesta consigue exposición de marca, pero no tráfico al sitio en la mayoría de los casos.

El criterio de selección de fuentes es opaco y variable. Google publica documentación extensa sobre cómo opera su algoritmo, qué señales pondera y qué directrices sigue. Los motores generativos operan con pipelines combinados (entrenamiento, retrieval-augmented generation, post-processing) que cambian sin documentación pública detallada y sin garantía de estabilidad entre versiones del modelo. Una técnica que funciona en GPT-4o puede no funcionar en GPT-5; una mención que aparece en Perplexity puede desaparecer en la siguiente release sin explicación.

La unidad de optimización es la respuesta a la query, no la página. En SEO clásico el objeto de optimización es una URL: se trabaja para que esa URL ranquee en posiciones específicas. En motores generativos el objeto es la narrativa que el modelo construye al responder: la URL puede no aparecer si los chunks de contenido relevantes están en otra fuente, y puede aparecer aunque el contenido haya sido reescrito sin atribución directa.

Estas tres diferencias son reales y justifican parte del trabajo conceptual que se ha hecho bajo las etiquetas AEO y GEO. La pregunta operativa es cuánto trabajo concreto se deriva de ellas.

Lo que se vende como nuevo y no lo es

La mayor parte del listado de tácticas que circula bajo el rótulo AEO en blogs especializados, cursos pagados y consultorías corresponde a SEO técnico y editorial bien ejecutado desde hace una década. Algunos ejemplos concretos.

"Usa schema FAQPage para que tu contenido aparezca en respuestas." El marcado FAQPage existe desde 2017. Su uso es recomendado por Google desde entonces. Que ahora se incluya en checklists AEO no implica que sea técnica nueva.

"Estructura tu contenido en bloques semánticos claros." La recomendación de jerarquía limpia con H2/H3, párrafos breves y listas es base del SEO on-page desde 2010. Los modelos de lenguaje, ciertamente, prefieren contenido bien estructurado: pero también lo preferían los crawlers tradicionales, los lectores de pantalla y los humanos.

"Incluye TL;DR al inicio del artículo para facilitar la cita." El resumen al inicio de un texto es práctica periodística estándar. Su valor SEO ha sido documentado en estudios de tasa de rebote desde 2014. Renombrarlo "anchor para retrieval" no lo convierte en innovación.

"Construye autoridad de marca para que los LLMs te citen." La construcción de autoridad mediante backlinks de calidad, menciones en medios y consistencia de marca es el núcleo del trabajo SEO off-page. Los motores generativos ponderan señales de autoridad similares a las que pondera Google porque, en buena medida, fueron entrenados sobre la web indexada por Google.

El patrón es identificable: una proporción significativa del contenido AEO disponible toma prácticas SEO consolidadas, las renombra y las presenta bajo una marca nueva. Esto no es necesariamente malicioso —la industria del marketing tiene una larga tradición de reciclaje conceptual—, pero conviene reconocerlo antes de pagar por una "estrategia AEO" que duplica lo que ya está en el plan SEO existente.

El problema sin resolver: atribución de tráfico

Es el punto más incómodo de la conversación AEO/GEO y el que menos se aborda en el contenido comercial del sector. Los datos públicos disponibles indican que el tráfico de referrer desde motores generativos hacia sitios web es, en promedio, una fracción extremadamente reducida del tráfico orgánico tradicional.

El reporte de Cloudflare Radar publicado a fines de 2024 documentó que el tráfico de referrer agregado desde ChatGPT, Perplexity, Claude y otros AI engines representó menos del 0,2% del tráfico web global durante el segundo semestre de ese año. Análisis posteriores de Similarweb y Ahrefs convergen en órdenes de magnitud similares: el tráfico medible directamente atribuible a citaciones generativas oscila típicamente entre el 0,1% y el 1% del tráfico orgánico de un sitio, con concentración en categorías muy específicas (tecnología, finanzas, B2B con ciclo largo) y prácticamente ausencia en categorías con fuerte componente local o transaccional.

Esto plantea una pregunta de asignación de presupuesto que el sector AEO suele eludir: si una optimización requiere un esfuerzo equivalente al 20% del trabajo SEO mensual y rinde un volumen de tráfico equivalente al 1% del orgánico, el retorno marginal por hora trabajada es entre 15 y 20 veces inferior al SEO clásico. La inversión solo se justifica si se atribuye al canal un valor adicional no contabilizado: presencia de marca, posicionamiento en una categoría emergente, hedge frente a una hipotética migración masiva de búsqueda hacia motores generativos.

Estos valores adicionales son reales pero difíciles de cuantificar, y se prestan al uso retórico que le ha dado el sector: "aún no genera tráfico, pero hay que estar". Es un argumento legítimo cuando se enuncia con honestidad. Cuando se vende como "el nuevo canal de adquisición orgánica" sin mencionar que el volumen es marginal, deja de serlo.

La paradoja del incentivo perverso

Un componente que rara vez aparece en el contenido AEO es el efecto sistémico de la propia optimización. Si miles de sitios optimizan simultáneamente para aparecer en respuestas generativas, el corpus disponible para los modelos se contamina con contenido producido específicamente para ser citado, lo que degrada la calidad de las respuestas. La consecuencia probable, observada ya en SEO clásico desde 2011 con las sucesivas actualizaciones Panda y Helpful Content, es que los proveedores de modelos generativos terminen incorporando filtros que penalicen los patrones más agresivos de AEO.

El precedente histórico es relevante. Las prácticas que en 2008 funcionaban para rankear (densidad de keywords elevada, granjas de contenido, link building masivo) provocaron acciones algorítmicas que invirtieron el efecto y penalizaron a los dominios que las habían adoptado. Es razonable anticipar un ciclo análogo en AEO: las técnicas de "promp injection" suaves, el contenido escrito en formato de respuesta directa y las tácticas de stuffing semántico que hoy se promocionan como hack pueden convertirse en señales negativas en versiones futuras de los modelos.

Desde una perspectiva de gestión de riesgo, esto sugiere preferir intervenciones AEO conservadoras, alineadas con prácticas SEO sólidas, sobre intervenciones agresivas optimizadas a la versión actual de un modelo específico. La asimetría de costos es desfavorable: si el modelo cambia, el costo de revertir tácticas agresivas puede ser superior al beneficio acumulado.

llms.txt y otros pseudoestándares

Una propuesta que ha ganado tracción mediática en 2024–2026 es llms.txt, un archivo análogo a robots.txt que permitiría a los sitios web declarar qué contenido quieren ofrecer a modelos de lenguaje y en qué formato. La propuesta es interesante conceptualmente, pero conviene reconocer su estado real.

A diferencia de robots.txt, que es un protocolo con tres décadas de adopción y respeto por parte de los principales crawlers, llms.txt es una propuesta unilateral sin compromiso público equivalente de los principales operadores de modelos generativos. OpenAI, Anthropic y Google han documentado sus crawlers respectivos (GPTBot, ClaudeBot, Google-Extended) y respetan instrucciones de robots.txt, pero ninguno ha comprometido formalmente respetar el formato llms.txt ni darle el peso que sugieren las consultoras que lo promueven.

Esto no significa que implementar llms.txt sea inútil: el costo es bajo y la opción puede consolidarse. Significa que tratarlo como estándar establecido es prematuro. La diferencia entre estándar y propuesta importa cuando se construye una metodología de servicio que lo incorpora como entregable.

Qué sí se puede medir con razonabilidad

El AEO no es completamente inobservable. Hay métricas que pueden medirse con metodología consistente, aunque su precisión es inferior a la de las métricas SEO clásicas.

Métrica	Método	Limitaciones
Tráfico de referrer desde AI engines	Análisis de logs y filtros en GA4 por hostname (chat.openai.com, perplexity.ai, claude.ai, etc.)	Subestima el tráfico real porque muchos clientes LLM no propagan referrer correctamente
Citaciones de marca en respuestas	Auditoría manual o semi-automatizada con queries representativas, repetida en el tiempo	Alta varianza por aleatoriedad del modelo; sesgo de muestra; costo operativo alto
Cobertura de menciones en el corpus de entrenamiento	Análisis de presencia del dominio en datasets públicos (Common Crawl, RedPajama, etc.)	No equivale a inclusión efectiva en el modelo final entrenado
Presencia en respuestas con search-augmented generation	Monitoreo de citaciones en Perplexity, ChatGPT con browsing, Gemini con grounding	Comportamiento diferente entre modelos; cambios sin previo aviso
Engagement y conversión post-citación	Atribución multi-touch comparando cohortes con y sin exposición a citación	Requiere volumen suficiente; difícil aislar la variable

Ninguna de estas métricas alcanza la solidez que tienen, por ejemplo, los datos de Search Console para SEO clásico. Trabajar con ellas requiere asumir un nivel de incertidumbre superior y comunicarlo al cliente con claridad. Una propuesta AEO que promete reportes con cifras precisas y atribución exacta debe leerse con escepticismo.

Una posición práctica

La conclusión operativa de este análisis no es que AEO sea irrelevante, sino que ocupa un lugar más modesto que el que sugiere el discurso comercial dominante del sector. Una posición sostenible, basada en lo que los datos respaldan a mayo de 2026:

• Tratar el AEO como derivada del SEO bien hecho, no como disciplina paralela. La optimización de schema, la calidad del contenido, la consistencia de marca y los backlinks de autoridad benefician simultáneamente al ranking en buscadores y a la elegibilidad para citación generativa.
• No redirigir presupuesto SEO hacia tácticas AEO específicas hasta que el tráfico medible desde motores generativos justifique el desplazamiento de recursos. Hoy, en la mayoría de sectores, no lo justifica.
• Reconocer el AEO como inversión de marca y de hedge, no como canal de adquisición. Comunicarlo así al cliente.
• Implementar las tácticas AEO de bajo costo (estructura semántica, schema, FAQ, perfiles consistentes en directorios) porque son SEO bien hecho. Postergar las tácticas de alto costo (reescritura completa para "tono LLM-friendly", contratación de servicios de monitoreo de citaciones especializados) hasta que la métrica de retorno lo justifique.
• Evitar herramientas y certificaciones cuya validez depende de la propia industria que las emite. La inflación de "AEO certified consultant" y similares no aporta valor diagnóstico al cliente.
• Mantener atención sobre la evolución del canal sin sobreactuar. Si el patrón de tráfico migra efectivamente desde Google hacia motores generativos —escenario hipotético pero no descartable a 5 años—, las prácticas para entonces serán probablemente distintas a las que se promocionan hoy.

Sobre lo que este artículo no afirma

Es legítimo recibir críticas a varios puntos del análisis anterior. Algunas posibles, anticipadas:

"En categorías específicas, el tráfico AEO sí es relevante." Cierto. En tecnología, finanzas y B2B con ciclos largos, los volúmenes son superiores al promedio agregado citado. La afirmación general no excluye casos sectoriales.

"La presencia de marca tiene valor aunque no se traduzca en tráfico." Cierto y se reconoce explícitamente en el texto. La crítica del artículo es a la confusión entre presencia de marca y canal de adquisición, no a la presencia de marca como objetivo legítimo.

"Hay tácticas AEO que sí son nuevas." Hay algunas: el tratamiento del contenido para retrieval-augmented generation, las consideraciones específicas para chunking y embeddings, ciertos patrones de structured prompts. Su volumen es menor al que sugiere el discurso comercial, pero existen.

El argumento del texto no es que el AEO sea fraude. Es que entre la versión vendida del AEO y la versión sostenida por evidencia hay una distancia significativa, y que la honestidad técnica con el cliente exige reconocerla.

Sobre la editora

Este análisis es publicado por MOX Networks, consultoría SEO con sede en Santiago de Chile. La posición editorial del artículo es de la editora y se asume con la intención de aportar perspectiva crítica al debate público sobre AEO y GEO. La firma asesora a clientes tanto en SEO clásico como en optimización para visibilidad en motores generativos cuando el caso particular lo justifica, y comunica explícitamente las limitaciones de medición del segundo canal en sus propuestas comerciales.