LLM

Qué hace realmente un modelo de lenguaje

Un LLM —large language model, modelo de lenguaje de gran tamaño— es un programa entrenado con cantidades enormes de texto para hacer una sola cosa: predecir qué viene después. Le das el principio de una frase y calcula, de entre todas las palabras posibles, cuál es la más probable a continuación. Luego repite la operación con la palabra que acaba de escribir. Y otra vez. Así hasta el punto final.

Suena a poco para lo que después es capaz de hacer, y esa desproporción es precisamente lo interesante. Cuando el entrenamiento se hace a una escala suficientemente bestia, ese «adivinar la siguiente palabra» acaba requiriendo algo parecido a entender: para completar bien «la capital de Francia es…» hay que haber almacenado la relación entre esos conceptos.

Lo importante para nosotros es lo que no hace. Un LLM no guarda una copia de las webs que leyó ni las consulta como quien abre un cajón. Lo que le queda del entrenamiento son patrones estadísticos: qué ideas aparecen juntas, qué nombres se asocian con qué temas, cómo se escribe sobre cada cosa. De ahí salen dos consecuencias muy prácticas. La primera es que se inventa cosas con total aplomo, porque nada le impide construir una frase plausible pero falsa. La segunda es que te conoce por asociación, no por ficha: si tu nombre aparece consistentemente cerca de un tema en muchos sitios distintos, el modelo tiende a relacionarte con él.

El corte de conocimiento y por qué ya casi no manda

Todo modelo tiene una fecha de corte de conocimiento: el momento en que se recogieron los textos con los que se entrenó. Nada posterior a esa fecha está «dentro» del modelo. Un modelo con corte en 2024 no sabe qué pasó en 2026, igual que un libro impreso no sabe qué ocurrió después de imprimirse.

Durante un tiempo eso fue determinante para el trabajo de contenidos: publicar algo nuevo no servía de nada hasta el siguiente entrenamiento, que podía tardar un año. Ya no funciona así. Los sistemas que usa la gente —ChatGPT con navegación, Perplexity, Gemini, los AI Overviews de Google— buscan en internet en el momento de responder y le pasan al modelo los textos recuperados para que redacte con ellos delante. Es lo que en la jerga se llama RAG (recuperación aumentada): el modelo pone la redacción, la búsqueda pone los hechos.

Ese detalle es la mejor noticia que tiene cualquiera con una web. Significa que publicar hoy puede influir en una respuesta de mañana, sin esperar a ningún reentrenamiento. Y significa que las citas que ves debajo de una respuesta suelen venir de esa búsqueda en vivo, no de la memoria del modelo.

Por qué cita a unas fuentes y no a otras

Cuando un sistema de estos elige a quién citar, hay dos filtros seguidos.

El primero es la recuperación: tu página tiene que aparecer entre los resultados de la búsqueda interna que lanza el sistema. Aquí manda el SEO de siempre, con matiz: las consultas internas son preguntas completas y muy específicas, no palabras clave de dos términos.

El segundo es la selección dentro del texto recuperado. De diez páginas recuperadas, en la respuesta acaban tres. Y ahí no gana la más larga ni la del dominio más grande: gana la que contiene la afirmación más clara, más concreta y más atribuible. Una frase que se entiende sola, con su fecha y su fuente, es material aprovechable. Un párrafo de contexto y matices no lo es.

Hay un tercer factor más lento: la consistencia entre sitios. Si tu nombre, tu profesión y tu especialidad aparecen escritos igual en tu web, en tu ficha de empresa, en LinkedIn y en las webs donde te mencionan, el modelo tiene una entidad clara y no te confunde con otro. Si cada sitio te describe de una manera, el modelo duda, y cuando duda no te nombra.

Cómo lo trabajo yo

Empecé a tomarme esto en serio cuando comprobé algo obvio en cuanto lo pruebas: los modelos no dicen lo mismo de ti según cómo les preguntes. Preguntar por tu nombre da una respuesta halagadora e inútil. La clase de pregunta que hay que lanzar es la que lanzaría un cliente que aún no te conoce: «¿quién puede ayudarme con analítica web en Tenerife?», «¿qué hay que hacer para cumplir la accesibilidad web en España?». Son ejemplos de cómo se pregunta, no un truco: lo interesante no es que salga un nombre concreto —la respuesta cambia según el sistema, el día y cómo esté formulada la consulta—, sino ver quién sale, con qué frase y de dónde la ha sacado.

Yo lo consulto: de vez en cuando lanzo esas preguntas en varios sistemas y miro qué devuelven. No sigo un método fijo ni una cadencia establecida. No anoto una puntuación: miro qué fuentes se citan y qué idea se atribuye a cada una. Cuando una idea que yo también explico aparece atribuida a otra web, casi siempre es porque esa web la dice en una frase más limpia que la mía. Y entonces reescribo la mía.

Si esto le importa a tu negocio, mi recomendación es que lo hagas con más orden del que aplico yo: fija una lista de preguntas, mantenla estable y repítela con regularidad en dos o tres sistemas. Comparar siempre lo mismo es lo que convierte impresiones sueltas en una tendencia que se puede leer.

Por qué le importa a un negocio

Porque una parte de tus futuros clientes ya no va a llegar a tu web por una lista de enlaces, sino a través de una respuesta redactada donde tú apareces —o no— como la fuente. Si no apareces, no es que estés en la posición cuatro: es que no existes en esa conversación.

Y hay un efecto secundario que conviene entender: los modelos describen tu negocio, no solo lo enlazan. Si tu web no deja claro a qué te dedicas exactamente, dónde trabajas y qué no haces, el modelo rellenará los huecos con lo que le parezca probable. He visto describir a profesionales con servicios que no ofrecen, sencillamente porque su web nunca lo dijo con claridad y el modelo completó el patrón.

Errores frecuentes

Tratar al modelo como un buscador con memoria. No tiene tu web guardada. Lo que aparece en la respuesta viene, casi siempre, de una búsqueda hecha en ese mismo instante. Si tu página no se puede rastrear o carga mal, no entra.

Dar por buena cualquier cifra que te devuelva. Los números inventados son el fallo más caro de todos, porque suenan igual de convincentes que los reales. Si vas a publicar un dato que te ha dado un modelo, busca la fuente primaria. Si no existe, el dato no existe.

Confundir volumen con presencia. Publicar treinta artículos generados en serie no mejora tu posición en las respuestas: produce texto intercambiable, que es exactamente lo que un modelo no necesita recuperar porque ya lo tiene mil veces.

Describirte distinto en cada sitio. Tres versiones de tu cargo, dos nombres de empresa y una especialidad que cambia según la página es la mejor forma de que ningún modelo sepa quién eres.

Esperar al «SEO para IA» definitivo. No hay truco pendiente de descubrir. Lo que funciona es lo aburrido: ser rastreable, decir cosas concretas y verificables, firmar quién lo dice y mantener la coherencia en todas partes.