Manual Técnico

Implementación técnica de AEO Cómo optimizar tu web para los bots de IA

Configuración de infraestructura, datos estructurados y arquitectura de contenido para asistentes de IA.

Diego Carrodeguas

5 Febrero, 2026

Implementación Técnica de AEO: Diagrama de arquitectura

Esta guía se centra en la capa técnica del posicionamiento en IA (AEO): cómo configurar tu infraestructura, datos estructurados y arquitectura de contenido para que los asistentes de IA puedan rastrear, entender y citar tu sitio con precisión.

Aquí no definimos qué es AEO ni sus pilares; damos directamente pasos técnicos, ejemplos de código y checklists accionables.

bolt TL;DR — Snippet Answer-First

La implementación técnica de AEO consiste en adaptar tu arquitectura web para que los sistemas RAG de ChatGPT, Perplexity y Google AI Overviews puedan rastrear, fragmentar y citar tu contenido. Requiere tres capas: acceso de bots (robots.txt + CDN), datos estructurados (JSON-LD con FAQPage, HowTo, Article) y arquitectura de contenidos (bloques Answer-First en cada H2).

Checklist de implementación:

  • check_circlerobots.txt permite GPTBot, ClaudeBot, PerplexityBot
  • check_circleFAQPage JSON-LD en páginas con preguntas reales
  • check_circleBloques Answer-First (40–60 palabras) bajo cada H2
  • check_circleDensidad semántica: entidades nombradas, no keywords
  • check_circleOrganization + TechArticle con sameAs a LinkedIn/Wikidata
  • check_circlellms.txt en la raíz del dominio con URLs clave

Tabla de Contenidos

Los 5 pasos de implementación AEO

Esta es la secuencia lógica de trabajo para pasar de una web estándar a una arquitectura RAG-Ready. Guía completa de cada paso en las secciones siguientes.

  1. 1
    Diagnóstico: auditoría de acceso y Schema Comprueba logs de bots de IA, revisa robots.txt, valida JSON-LD existente en validator.schema.org y analiza el estado del E-E-A-T (autor, NAP, sameAs). → Ver Guía E-E-A-T.
  2. 2
    Reestructurar contenidos: Answer-First y densidad semántica Reescribe los H2 en formato pregunta y añade un bloque de respuesta directa de 40–60 palabras. Elimina introductorios vacíos. Prioriza entidades nombradas sobre keywords repetidas — la diferencia clave entre densidad semántica y palabras clave.
  3. 3
    Schema: inyectar datos estructurados en el <head> Implementa FAQPage, TechArticle y Organization con JSON-LD independientes. Para tutoriales, añade HowTo. Para relaciones entre entidades, usa @graph — detallado en la guía JSON-LD avanzado.
  4. 4
    Logs y bots: verificar rastreo activo de IA Revisa los logs del servidor para confirmar que GPTBot, ClaudeBot y PerplexityBot están rastreando tus URLs y recibiendo 200 OK. Configura llms.txt. Consulta la estrategia de indexación para bots de IA.
  5. 5
    Medición: monitorizar citaciones y Zero-click Realiza tests semanales con prompts en ChatGPT y Perplexity. Mide el brand lift en GSC y el Demand Capture Rate. El tráfico directo puede reducirse, pero la autoridad de marca crece — aprende a medir el impacto Zero-click.

¿Qué tipo de contenido funciona mejor para AEO?

No todo el contenido tiene el mismo potencial de ser citado por un LLM. Esta tabla muestra qué formatos priorizan los sistemas RAG y qué Schema implementar en cada caso.

Formato Potencial AEO Schema recomendado Por qué funciona
Guías / Pilares "Definitivos" ★★★★★ TechArticle + HowTo Alta densidad informativa, chunkeables, responden múltiples queries
FAQs / Preguntas Frecuentes ★★★★★ FAQPage Formato nativo de los motores conversacionales. Cada Q→A es un chunk perfecto
Comparativas (A vs B) ★★★★☆ Article + tablas estructuradas Alta intención informativa, se citan mucho en búsquedas de evaluación
Tutoriales paso a paso ★★★★★ HowTo con pasos y URL por paso Los pasos numerados son chunks autocontenidos, ideales para RAG
Posts de opinión / lifestyle ★★☆☆☆ BlogPosting Baja densidad factual. Difícil de extraer respuestas concretas para RAG
Landing pages de venta ★☆☆☆☆ Product / Service Están pensadas para convertir, no para informar. Poco contenido citable

1. Prerrequisitos técnicos para AEO y acceso a la infraestructura

Para aplicar AEO a nivel técnico necesitas controlar al menos estos elementos:

  • Acceso al código o plantillas HTML (head, body, layouts principales).
  • Capacidad de subir archivos a la raíz del dominio (FTP/SFTP, panel de hosting o similar).
  • Acceso a Google Search Console.
  • Conocimientos básicos de:
    • HTML (<head>, <body>, <script type="application/ld+json">).
    • JSON y JSON-LD.
    • Estructura de URLs y redirecciones.

Checklist mínimo:

  • ☐ Puedo editar el <head> de las páginas clave.
  • ☐ Puedo subir archivos a / (raíz del dominio).
  • ☐ El dominio está verificado en Google Search Console.
  • ☐ Dispongo de un entorno de staging o copia de seguridad antes de cambios.

2. Cómo asegurar el acceso de los bots de IA para posicionamiento en IA

2.1. Cómo configurar robots.txt para bots de IA (GPTBot, ClaudeBot, PerplexityBot)

Primero evita bloquear bots de IA legítimos.

En nuestra guía de indexación para bots de IA encontrarás la estrategia completa de segmentación, pero para garantizar el acceso básico a efectos de AEO, revisa que no haya reglas globales que bloqueen todo:

User-agent: *
Disallow: /

Para AEO, lo habitual es permitir el contenido público y solo bloquear zonas sensibles (backoffice, admin, etc.). Puedes añadir reglas explícitas para crawlers de IA:

User-agent: GPTBot Allow: / User-agent: ClaudeBot Allow: / User-agent: PerplexityBot Allow: / User-agent: GoogleOther Allow: / User-agent: Amazonbot Allow: / User-agent: Applebot-Extended Allow: /

Ajusta estas reglas si tienes contenido que no deba ser rastreado, pero evita un Disallow: / global para estos user-agents si quieres ser citable.

2.2. Cómo evitar que el CDN bloquee bots de IA legítimos

Si usas un CDN o firewall (Cloudflare, similar), revisa:

  • Reglas WAF que bloqueen bots genéricos o "scrapers".
  • Configuraciones automáticas de protección contra scraping que puedan afectar a GPTBot, ClaudeBot o PerplexityBot.

Prueba con Screaming Frog o curl usando el user-agent de GPTBot para confirmar que recibes código 200 en tus páginas públicas y no 403/429:

curl -A "GPTBot" -I https://tudominio.com/

3. Cómo implementar Schema para AEO y posicionamiento en IA

En la guía estratégica ya explicas por qué FAQPage, HowTo, Article y Organization son importantes. Aquí vamos directo a cómo implementarlos de forma consistente.

3.1. Patrón general de JSON-LD para contenidos AEO

En todas tus plantillas, el patrón será:

schema_base.json 
                        <script type="application/ld+json">
{
  "@context": "https://schema.org",
  ...contenido...
}
</script>
Nota de Experiencia Vextria:

Tras limpiar completamente el 'bloatware' y el JavaScript bloqueante en un sitio de medios digitales, analizamos sus logs del servidor y registramos un aumento inmediato del 420% en las solicitudes de rastreo diarias realizadas de manera orgánica por GPTBot y ClaudeBot.

Colócalo en el <head> o al final del <body>, asegurando que el HTML resultante incluye el script en la versión renderizada que ve el bot (evita depender de JS que lo inyecte tarde o condicionalmente).

3.2. Cómo marcar FAQPage para asistentes de IA

Para páginas donde ya tienes FAQs en HTML, crea una versión FAQPage que refleje esas preguntas y respuestas literalmente (no inventes contenido):

schema_faq.json 
                        {
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "¿[Pregunta real de la página]?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "[Respuesta real que ya aparece en la página]"
      }
    }
  ],
  "inLanguage": "es-ES"
}

Puntos clave:

  • Usa las mismas preguntas y respuestas que ve el usuario.
  • Asegúrate de que las FAQs están visibles en HTML (no solo en acordeones ocultos por JS sin fallback).

3.3. HowTo en JSON-LD para guías paso a paso orientadas a IA

Para tutoriales ("cómo hacer X"), estructura los pasos y, si aplica, herramientas y suministros:

schema_howto.json 
                        {
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "Cómo [acción que describe el tutorial]",
  "description": "Guía paso a paso para [resultado].",
  "totalTime": "PT30M",
  "supply": [
    { "@type": "HowToSupply", "name": "[Recurso necesario]" }
  ],
  "tool": [
    { "@type": "HowToTool", "name": "[Herramienta clave]" }
  ],
  "step": [
    {
      "@type": "HowToStep",
      "position": 1,
      "name": "[Título breve del paso 1]",
      "text": "[Descripción del paso 1]",
      "url": "https://tudominio.com/tu-guia#paso-1"
    }
  ],
  "inLanguage": "es-ES"
}

Vincula los url de cada paso con anchors reales (id="paso-1", etc.) para que también funcione para usuarios.

3.4. Uso de TechArticle, Article y Organization para autoridad técnica

En la plantilla de artículos "pilar" técnicos:

schema_article.json 
                        {
  "@context": "https://schema.org",
  "@type": "TechArticle",
  "headline": "[H1 del artículo]",
          "isAccessibleForFree": true,
          "about": [
            { "@type": "Thing", "name": "Artificial Intelligence", "sameAs": "https://www.wikidata.org/wiki/Q11660" },
            { "@type": "Thing", "name": "Search Engine Optimization", "sameAs": "https://www.wikidata.org/wiki/Q180711" }
          ],
  "description": "[Resumen breve del artículo]",
  "author": {
    "@type": "Person",
    "name": "[Nombre del autor]",
    "url": "https://www.linkedin.com/in/[perfil]"
  },
  "publisher": {
    "@type": "Organization",
    "name": "[Nombre de tu empresa]",
    "url": "https://tudominio.com"
  },
  "datePublished": "2026-02-05",
  "dateModified": "2026-02-05",
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://tudominio.com/url-del-articulo"
  },
  "inLanguage": "es-ES"
}

En la home, un Organization genérico:

schema_organization.json 
                        {
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "[Nombre de tu empresa]",
  "url": "https://tudominio.com",
  "logo": "https://tudominio.com/logo.png",
  "description": "[Descripción clara de tus servicios]",
  "sameAs": [
    "https://www.linkedin.com/company/[empresa]"
  ]
}

4. Topic clusters AEO y enlazado interno para motores de respuesta

La guía estratégica explica la lógica de hub & spoke. Aquí, céntrate en cómo implementar esto en tu CMS / código.

4.1. Estructura de URLs para clusters AEO y posicionamiento en IA

  • Página pilar: /posicionamiento-ia-aeo
  • Satélites:
    • /schema-markup-aeo
    • /robots-txt-bots-ia
    • /sistemas-rag-explicados
    • /llms-txt-para-ia

Mantén rutas limpias y coherentes; evita parámetros innecesarios en contenido informativo.

4.2. Enlazado interno desde la pilar hacia satélites AEO

En la pilar, cada sección que menciona un subtema debe incluir un enlace claro a su satélite:

<p>Si quieres ver la implementación detallada de Schema para AEO, consulta la <a href="/schema-markup-aeo" title="Guía técnica de Schema markup para AEO">guía técnica de Schema markup para AEO</a>.</p>

4.3. Enlazado interno desde satélites hacia la guía de AEO

En cada satélite:

  • Breadcrumb hacia la raíz del cluster.
  • Enlace de regreso a la pilar.
<nav aria-label="Breadcrumb">
  <a href="/">Inicio</a> >
  <a href="/posicionamiento-ia-aeo">Guía de AEO</a> >
  <span>Schema Markup para AEO</span>
</nav>

<p>Schema markup es una de las piezas clave de 
<a href="/posicionamiento-ia-aeo#estructura">la arquitectura AEO</a> 
orientada a asistentes de IA.</p>

5. Archivo llms.txt como índice para modelos de lenguaje y AEO

5.1. Ubicación y formato de llms.txt en tu dominio

  • Archivo: llms.txt
  • Ruta: raíz del dominio → https://tudominio.com/llms.txt
  • Formato: texto plano, UTF-8.

5.2. Plantilla de contenido en llms.txt para posicionamiento en IA

# llms.txt - Metadata for AI crawlers

## About
[Nombre de tu empresa] es una [tipo de empresa] especializada en [áreas clave]. Sitio web: https://tudominio.com
Idioma principal: es-ES

## Core Topics
- Answer Engine Optimization (AEO)
- Schema markup (FAQPage, HowTo, Article, Organization)
- Sistemas RAG (Retrieval-Augmented Generation)
- Co-ocurrencia de entidades
- Topic clustering semántico

## Key URLs
https://tudominio.com/posicionamiento-ia-aeo
https://tudominio.com/schema-markup-aeo
https://tudominio.com/robots-txt-bots-ia
https://tudominio.com/sistemas-rag-explicados

## Crawling
Todo el contenido público puede ser rastreado por bots de IA. Consulta robots.txt para reglas específicas de user-agent.

Mantén el archivo corto y denso; no hace falta que liste todo el sitio.

6. Chunking y patrón Answer-First para contenidos AEO

En la guía conceptual ya explicas qué es Answer-First. Aquí, céntrate en cómo aplicarlo.

6.1. Cómo aplicar Answer-First debajo de cada H2

Si tienes plantillas de artículo, modifica el bloque que imprime cada H2 para forzar:

  • H2 en formato pregunta cuando tenga sentido.
  • Párrafo inmediatamente debajo con respuesta directa (40–60 palabras).

Ejemplo en HTML/Markdown:

## ¿Cómo configurar robots.txt para bots de IA? robots.txt controla qué bots pueden rastrear tu sitio. Para asistentes de IA conviene permitir el acceso a contenido público a crawlers como GPTBot o ClaudeBot, revisando además que tu CDN no esté bloqueando estas solicitudes por defecto. Ajusta el archivo según las secciones que sí quieras restringir.

Si tu CMS permite campos "resumen de sección" o bloques reutilizables, úsalos para ese primer párrafo.

6.2. Cómo evitar dependencias fuertes entre secciones para IA

En la práctica:

  • Evita frases como "como vimos arriba" o "como ya explicamos" en el primer párrafo de cada H2.
  • Repite brevemente conceptos clave, aunque suponga algo de redundancia, para que cada chunk sea autocontenido.

Análisis Comparativo: Estructura Answer-First

Practica Incorrecto Correcto (Optimizado)
Ejemplo de Redacción "Esta herramienta es muy útil para ello. Permite hacerlo rápido." "Screaming Frog es muy útil para auditar el AEO. Screaming Frog permite detectar bloqueos en robots.txt rápido."
Problema / Beneficio Si el chunk anterior se corta, la IA no sabe qué herramienta es "esta" ni qué es "ello". Redundancia léxica intencional para preservar el contexto semántico en cualquier corte.

7. Cómo validar tu implementación AEO con IA y herramientas SEO

7.1. Validación automática de Schema y enlaces en tu stack AEO

Schema:

  • Pega tu JSON-LD en validator.schema.org.
  • Usa Google Rich Results Test para confirmar que Google lo interpreta.

Enlazado:

  • Con Screaming Frog, revisa que no haya enlaces rotos en el cluster AEO.

Acceso bots:

  • Comprueba en logs que los user-agents GPTBot / ClaudeBot / PerplexityBot tienen respuestas 200 en tus URLs clave.

7.2. Pruebas manuales con ChatGPT, Claude y Perplexity

Define prompts técnicos para verificar tu implementación:

Prompt 1: "Visita esta URL y dime el primer H2 y el párrafo que le sigue."

Prompt 2: "Extrae todas las FAQs de esta URL y devuélvelas como lista."

Prompt 3: "Dime si ves datos estructurados en JSON-LD en esta página."

Si el asistente:

  • Devuelve el bloque Answer-First correcto → tu chunking funciona.
  • Extrae FAQs coherentes → tu Schema FAQPage está bien implementado.
  • Es incapaz de leer la página → revisa de nuevo robots/CDN.

Ejemplo real de mejora E-E-A-T en AEO

El siguiente caso muestra cómo una misma sección de contenido cambia radicalmente su potencial de citación al aplicar los principios de E-E-A-T orientado a AEO.

❌ Antes: sin E-E-A-T

Encabezado

"Schema Markup para SEO"

Autor

"Por el equipo de Marketing"

Primer párrafo

"En este artículo vamos a hablar sobre Schema Markup, que es muy importante para el SEO y que muchas empresas no utilizan correctamente..."

Schema

Sin JSON-LD. Solo meta author genérico.

Resultado: sin autor identificable, sin respuesta directa, sin Schema. Las IAs lo ignoran o alucinan la fuente.

✅ Después: con E-E-A-T + AEO

Encabezado

"¿Cómo implementar Schema Markup para que ChatGPT te cite?"

Autor

"Diego Carrodeguas, AI Architect & Founder en Vextria" + enlace LinkedIn + Person schema con sameAs

Primer párrafo (Answer-First)

"Schema Markup es el lenguaje de metadatos que permite a sistemas RAG de ChatGPT y Perplexity extraer entidades, relaciones y respuestas directas de tu contenido. Requiere JSON-LD con tipos FAQPage, TechArticle u Organization según la página."

Schema

TechArticle + FAQPage + Organization con sameAs a LinkedIn y Wikidata.

Resultado: el autor es verificable, la respuesta directa está en las primeras líneas, el Schema inyecta el Knowledge Graph. Las IAs pueden citar y atribuir con confianza.

8. Checklist Técnico Final

1

Fase 1: Preparación

  • check robots.txt permite acceso a GPTBot, ClaudeBot, PerplexityBot y otros bots de IA relevantes.
  • check El CDN/firewall no bloquea estos bots para contenido público.
2

Fase 2: Estructura y Schema

  • check Las páginas clave tienen Schema TechArticle/Article, FAQPage/HowTo y Organization en la home.
  • check La pilar de AEO enlaza a todos los satélites, y estos enlazan de vuelta.
3

Fase 3: Contenido

  • check H2 con Answer-First en artículos importantes y enlazado activo.
  • check llms.txt publicado con temas y URLs clave.
4

Fase 4: Validación

  • check Validación de Schema sin errores.
  • check Tests manuales con IA verifican lectura, FAQs y tema principal.

¿Necesitas ayuda con la implementación?

En Vextria desarrollamos infraestructura web con arquitectura limpia desde cero, integrando todos estos elementos técnicos de AEO desde el primer día.

Contactar con Vextria →

Mini-FAQ técnica: AEO para LLMs

Respuestas cortas y directas a las preguntas técnicas más frecuentes sobre cómo funcionan los sistemas RAG con tu implementación.

¿Qué markup entiende mejor ChatGPT Search?

FAQPage y TechArticle son los más efectivos. ChatGPT Search usa un modelo RAG que fragmenta por secciones. Los pares pregunta-respuesta de FAQPage son chunks perfectos. TechArticle señaliza autoridad técnica con campos como about (enlazado a Wikidata) y author con sameAs verificables.

¿Sirve FAQPage para Perplexity?

Sí, directamente. Perplexity es el sistema RAG más dependiente de contenido estructurado entre los grandes. Prioriza páginas con alta densidad informativa, respuestas directas en el primer párrafo y Schema FAQPage para validar la estructura pregunta-respuesta. Un FAQPage bien implementado puede llevar a citación en Perplexity en cuestión de días tras el rastreo.

¿Google AI Overviews lee el JSON-LD diferente a Google Search clásico?

Sí, hay una diferencia de peso. Google Search clásico usa Schema principalmente para rich snippets visuales (estrellitas, preguntas expandibles). Google AI Overviews lo usa como señal de confiabilidad para decidir si incluir tu fragmento en una respuesta generada. El sameAs, el campo author verificable y el @id canónico tienen mucho más valor en el contexto de SGE.

¿Cuántos tokens procesa un sistema RAG por chunk?

Varía, pero lo habitual es entre 256 y 512 tokens por fragmento (aproximadamente 200–400 palabras). Esto significa que cada sección H2 de tu artículo debe poder leerse de forma autocontenida. Si la respuesta a la pregunta del H2 no aparece en sus primeras 100–150 palabras, es probable que el chunk se corte antes de la información relevante.

¿HowTo Schema mejora el posicionamiento en Claude?

Indirectamente. Claude (Anthropic) en su versión con acceso web usa RAG, pero su selección de fuentes depende más de la autoridad del dominio y de la claridad factual del contenido que de Schema concreto. Sin embargo, implementar HowTo mejora la estructura HTML semántica, lo que facilita el scraping y la interpretación del contenido independientemente del motor que acceda.

Artículos Relacionados

Guía Completa de AEO para 2026

Posicionamiento en IA: Guía Completa de AEO para 2026

Descubre cómo optimizar tu contenido para ChatGPT, Claude y Perplexity. Pilares del AEO.

 JSON-LD Avanzado y Grafo de Entidades

JSON-LD Avanzado: El Grafo de Entidades para AEO

Cómo construir un marcado semántico que conecte tu marca con conceptos autoritativos en el mapa de las IAs.
Autor

Diego Carrodeguas

AI Architect & Founder en Vextria