Lo que las IAs dicen sobre tu empresa no lo controlas tú. Todavía.
Hay una pregunta que deberías hacerte ahora mismo: si alguien le pregunta a ChatGPT, Gemini o Perplexity por tu empresa, ¿qué responden?
No qué aparece en Google. Lo que responde la IA cuando alguien formula una pregunta directa sobre tu marca, tu CEO, tus productos o tu sector.
La respuesta que recibirá ese usuario no viene de tu web. Viene del estado actual de tu identidad digital en las fuentes que alimentan a esas IAs: Wikipedia, Wikidata, el Knowledge Graph de Google y las menciones en medios de referencia. Y en la mayoría de empresas medianas y grandes en España, ese estado tiene un margen de mejora considerable.
El Knowledge Graph no es una caja negra. Es una estructura que se puede trabajar.
El Knowledge Graph de Google es la base de datos de entidades —personas, organizaciones, lugares, conceptos— sobre la que se construyen los Knowledge Panels, los AI Overviews y, en buena medida, las respuestas que generan los grandes modelos de lenguaje.
Cada entidad en ese grafo tiene un identificador único: el KGMID. Algo parecido a un DNI digital que Google asigna a cada cosa que reconoce como real y distinguible. Cuando buscas a una persona pública o una empresa relevante y aparece ese recuadro de información a la derecha de los resultados, estás viendo una entidad con KGMID.
El problema es que ese identificador no siempre está bien gestionado. En muchas organizaciones ocurren cosas como estas:
- Una misma persona tiene tres o cuatro KGMIDs distintos porque Google no ha podido unificar las referencias que encuentra en distintas fuentes. Su autoridad se fragmenta entre todos ellos.
- El KGMID de una empresa todavía apunta a una URL obsoleta de una marca anterior que fue adquirida hace diez años.
- Un directivo tiene Wikidata con datos actualizados pero el KGMID sin verificar, por lo que Google no asocia con confianza la información de Wikidata a esa entidad.
- La web corporativa no tiene schema markup o lo tiene mal implementado, por lo que Google no puede «leer» de forma estructurada quién es la empresa, quiénes son sus directivos y cómo se relacionan entre sí.
Ninguno de estos problemas es dramático de forma aislada. El conjunto sí lo es.
Qué es Wikidata y por qué importa más de lo que parece
Wikidata es la base de datos estructurada de Wikimedia —la misma fundación que mantiene Wikipedia— y es una de las fuentes más importantes que alimenta el Knowledge Graph de Google y los corpus de entrenamiento de los grandes modelos de lenguaje.
A diferencia de Wikipedia, Wikidata no es texto libre: es datos estructurados. Cada entidad tiene un identificador Q y a ese identificador se le pueden asociar propiedades: nombre oficial, sede, sector, directivos, fecha de fundación, cuentas de redes sociales, Wikipedia en distintos idiomas, URLs oficiales…
Lo que muchas organizaciones ignoran es que Wikidata es editable por cualquier persona. Lo que dice Wikidata sobre tu empresa hoy puede haberlo puesto alguien que no tiene ninguna relación con ella. Y si Google lee esos datos para construir el Knowledge Panel y responder preguntas en sus IAs, el control que no ejerciste tú lo está ejerciendo la información disponible, sea correcta o no.
Trabajar Wikidata correctamente significa:
- Asegurarse de que existe un único ítem Q para la organización y para cada persona relevante, sin duplicados.
- Enriquecer ese ítem con propiedades verificadas y enlazadas a fuentes fiables.
- Añadir sitelinks a las Wikipedias en todos los idiomas relevantes.
- Incluir las cuentas de redes sociales con los qualifiers de país e idioma correctos para que Google pueda diferenciar qué cuenta corresponde a qué mercado.
- Enlazar los ítems de personas con la organización mediante las propiedades correctas (empleador, cargo, período).
EEAT: ya no basta con lo que dices, importa quién lo dice
EEAT —Experience, Expertise, Authoritativeness, Trustworthiness— es el marco con el que Google evalúa la calidad y la confiabilidad de una fuente. No es nuevo, pero su importancia está creciendo de forma acelerada por una razón concreta: el volumen de contenido generado por IA en internet está explotando, y Google necesita mecanismos para distinguir fuentes con autoridad real de fuentes que simplemente producen texto.
La consecuencia práctica es que las IAs —tanto Google como los modelos de lenguaje— cada vez evalúan más quién escribe algo, no solo qué se ha escrito.
Un artículo firmado por alguien cuya entidad en el Knowledge Graph está bien construida —con KGMID verificado, Wikidata enriquecida, schema markup de tipo Person en su página de autor con worksFor y knowsAbout correctamente implementados— tiene más probabilidades de ser citado en una AI Overview, de aparecer referenciado en una respuesta de Perplexity y de acumular señales de autoridad que refuerzan su posicionamiento a largo plazo.
Dicho de otra manera: invertir en construir bien la identidad digital de las personas que generan contenido para tu organización es una palanca de SEO y de visibilidad en IA que pocos están aprovechando todavía.
El Knowledge Panel verificado: la punta del iceberg
Reclamar y verificar el Knowledge Panel de tu empresa o de sus directivos ante Google es el paso más visible y el más fácil de comunicar internamente. Para organizaciones, requiere documentación como escrituras de constitución o registro mercantil. Para personas, el DNI o pasaporte. Una vez verificado, puedes sugerir cambios en la información que aparece en el panel.
Pero es importante entender qué no hace la verificación: no construye la entidad, no corrige las fuentes que Google usa para poblar el panel, no resuelve los KGMIDs fragmentados ni alinea los datos de Wikidata con los de la web oficial.
La verificación es el último paso, no el primero. Lo que la precede —y lo que tiene impacto real en cómo las IAs representan a tu organización— es el trabajo de construcción de entidad que se hace en las capas por debajo.
Qué incluye un proyecto de este tipo
Cada organización es un caso distinto, pero el trabajo habitualmente cubre estas áreas:
Auditoría inicial. Mapeo completo del estado actual: KGMIDs existentes, duplicados, datos incorrectos, URLs obsoletas, estado de Wikidata para la organización y personas clave, schema markup de la web corporativa, coherencia de datos entre fuentes.
Wikidata. Creación o limpieza del ítem principal de la organización y de cada persona relevante. Resolución de duplicados. Enriquecimiento de propiedades. Sitelinks a Wikipedias por idioma.
Schema markup. Implementación o corrección de JSON-LD en la web corporativa: Organization con legalName, alternateName, sameAs a Wikidata y Wikipedia, y relaciones con filiales mediante subOrganization y parentOrganization. Person para directivos con worksFor, jobTitle y knowsAbout.
Verificación de Knowledge Panels. Acompañamiento en el proceso de reclamación y verificación para la organización y sus directivos.
Wikipedia. Revisión y mejora del artículo existente donde sea posible, o evaluación de notabilidad para crear uno donde no exista.
Monitorización continua. El Knowledge Graph se actualiza constantemente. Cualquier cambio en directivos, adquisiciones, cambios de marca o noticias relevantes puede introducir nuevas inconsistencias. El mantenimiento es parte del trabajo.
Para qué tipo de organizaciones tiene sentido
Este trabajo tiene más impacto —y más urgencia— cuanto mayor es la presencia mediática de la organización y el volumen de consultas que genera en IAs. Organizaciones con múltiples marcas, filiales o presencia internacional tienen un nivel de complejidad añadido que hace más probable la fragmentación de entidades y la inconsistencia de datos entre fuentes.
Es especialmente relevante para:
- Grandes empresas y grupos corporativos con múltiples unidades de negocio.
- Organizaciones con alta visibilidad pública: banca, seguros, energía, farmacéuticas, medios.
- Empresas que han pasado por fusiones, adquisiciones o cambios de nombre.
- Marcas con presencia en múltiples mercados e idiomas.
- Cualquier organización cuyos directivos sean figuras públicas reconocibles.
Por qué ahora
Las herramientas de medición de visibilidad en IA están empezando a aparecer, todavía muy verdes. Eso significa que en este momento la mayoría de organizaciones no están midiendo su presencia en estos entornos y, por tanto, no están actuando sobre ella.
La ventana para construir una ventaja competitiva real en visibilidad en IA es ahora, antes de que se convierta en una práctica estándar y el coste de ponerse al día sea mucho mayor.
Si quieres saber en qué estado está tu organización, el primer paso es una auditoría. Puedo hacerla y entregarte un diagnóstico concreto antes de plantear cualquier propuesta de trabajo.
Llevo años trabajando la identidad de entidades en el Knowledge Graph de Google y en las fuentes que alimentan a los grandes modelos de lenguaje. Si esto te suena relevante para tu organización, hablamos.
¿Qué hay que auditar de Schema.org y cómo lo podemos hacer con OnCrawl?
- hora de publicacion
- hora de actualización
- autor (organization o person)
- sameAs
- publisher
- sameAs
- seccion, tags, categorias… todo lo que venga en Schema
¿Sirve verdaderamente Linkedin para mejorar tu EEAT?
Como dice un amigo, una de las mejores virtudes de un seo son el escepticismo y la curiosidad. Habrás oído mil veces que para que Google o las Ias IAs vean verdaderamente que un contenido lo firma quien dice tienes que poner tu tu perfil de author un sameAs hacia tu Linkedin y en tu Linkedin poner claramente que trabajas, colaboras, etc para esa empresa, marca o web. Hasta aquí todo correcto ¿no? Pues quizá no sea tan sencillo, como dice otro amigo Linkedin es probablemente la web más capada y difícil de rastrear del mundo…
Ahora que ya no tenemos la caché:url de Google, intentando emular lo que Google ve me dio por inspeccionar un perfil de Linkedin con la tool de prueba de datos estructurados y al loro, ve poco poco más que una sesión sin cookie, incluso los datos de Schema van con asteriscos. Puedes ver lo mismo con un navegador cualquiera siempre y cuando vayas con referrer Google u otros dentro del elenco de elegidos. Sencillamente si atacas un perfil sin referer (como acuñaron erróneamente en el RFC 1945 del IETF) directamente te redirige al login.
Indexan lo justito para poder rankear por la Combinación de «persona + puesto + empresa». Básicamente por supuesto nombre, descripción, etc y en cuanto a posibles datos estructurados o cierre del grafo EEAT o Knowledge Graph únicamente indexan, la última formación y la última posición laboral. A esto hay que sumar que en muchos casos la última no siempre coincide con la más importante o representativa de una persona.
Entonces ¿qué podemos hacer en Linkedin con un redactor de nuestra empresa o medio, con los ponente de un congreso o curso que organizamos o en definitiva con cualquier persona que haya firmado un contenido en nuestra web para que Linkedin pueda ser una pieza más en el cierre del grafo de relaciones entre entidades? Estas son las opciones:
Quizá usar los post o pulses son opciones fáciles, sin embargo, por su cronologicidad irán cayendo en la profundidad de Linkedin y pese a que seguirán siendo rastreables con sus URLs propias, quizá no todos los motores lleguen. Vamos con secciones fijas.
La más endeble, agregarlo como puesto laboral. Si realmente hay una colaboración empresarial, podemos agregar la referencia (recordad, siempre con @empresa / con logo) en forma de experiencia laboral. Sencillo y para toda la familia, ¿el problema? Que si agrega otra y cae al segundo lugar, los motores (realmente, cualquiera sin login) ya no la verán.
Investigando cómo se comportaban el resto de elementos de Linkedin, descubrí que había grandes desconocidos que curiosamente son servidos en un hit con cURL. Se trata (entre otros más) de certificación (cuando se trate por ej de la asistencia a un curso o congreso), publicación (si se trata de una entrada única, una conferencia, un vídeo o un paper) o el cajón de sastre que representan los proyectos. Ahí cabe todo. Y finalmente, también se dejan rastrear los últimos destacados.
Algunas opciones como véis dejan poner link y otras no pero para el grafo EEAT no se hasta qué punto es más importante un link (que por supuesto es un elemento inequívoco de relación con la web) que una mención hecha de tal forma que pueda ayudar a desambiguar y a establecer relaciones más fuertes a sistemas automáticos.
Os pongo como ej las discrepancias entre QIDs (IDs de Wikidata) con KGMIDs (IDs de Google Knowledge Panel) Técnicamente 2 QIDs no pueden llevar el mismo KGMId y sin embargo pueden hacer referencia a la misma web yal mismo KGMID. A ese tipo de cosas me refiero
Por último, en todo momento estaba hablando de un perfil configurado por defecto de Linkedin, algunas de las opciones pueden depender de la configuración de visibilidad, https://www.linkedin.com/public-profile/settings Para salir de dudas, mira lo que Linkedin ve sobre tu perfil, página de empresa o incluso las desconocidas Showcase Pages (como subpáginas dentro de una companypage) con la herramienta de datos estructurados de Google aquí: https://developers.google.com/search/docs/appearance/structured-data?hl=es ¡es la prueba del algodón!