Capítulos de este post:
Una pregunta que la mayoría de los SEO escuchan hoy en día:
¿Cómo aparecer en ChatGPT?
A medida que las plataformas basadas en grandes modelos de lenguaje se convierten en un nuevo frente en el panorama de las búsquedas, los profesionales del SEO buscan mayor claridad sobre cómo estos modelos buscan y presentan la información. Los factores de posicionamiento tradicionales pueden influir, pero es evidente que las plataformas de IA abordan la recuperación, la puntuación y la presentación de la información de forma diferente a como estábamos acostumbrados en las últimas dos décadas.
Las últimas solicitudes de patente de OpenAI revelan los mecanismos de recuperación subyacentes que configuran el descubrimiento impulsado por IA. Y, al igual que las patentes de Google que hemos analizado durante años, estos documentos ofrecen información práctica sobre cómo se puede ver, mostrar y presentar el contenido en los motores de búsqueda del futuro, priorizados por LLM.
Incrustaciones vectoriales: el nuevo «índice»
Las patentes de búsqueda de OpenAI muestran un cambio de la recuperación basada en palabras clave a la coincidencia basada en vectores.
La búsqueda moderna no se limita a la coincidencia de palabras clave, y no lo ha sido durante años. Google fue pionero en el uso de incrustaciones vectoriales a gran escala cuando introdujo BERT en 2018 (en aquel momento, superó el rendimiento humano por tan solo un 2 %), lo que permitió al motor de búsqueda comprender mejor las relaciones entre las palabras de una consulta y el contexto de esas palabras en un documento.
Sin embargo, muchos creen que BERT se superpone a la estructura de índice invertido existente de Google, lo que significa que el contenido aún debía ser detectable mediante el rastreo e indexación basados en palabras clave. Esto se debe principalmente a la forma en que los usuarios han realizado búsquedas históricamente.
Esto empezó a cambiar con ChatGPT y la investigación conversacional.
La arquitectura de OpenAI se basa principalmente en la incrustación de vectores. En lugar de basarse en búsquedas de palabras clave, ChatGPT convierte fragmentos de contenido en vectores de alta dimensión y los almacena en una base de datos de vectores. Esto incluye no solo fuentes externas, sino también conversaciones previas, lo que permite una búsqueda personalizada. Al enviar una nueva solicitud, esta se incrusta y se compara con los vectores almacenados mediante similitud semántica.
El sistema recupera el contenido más relevante, ya sea de datos públicos a través de motores de búsqueda como Bing de Microsoft o de tus interacciones pasadas, y lo utiliza para generar la respuesta. Esta recuperación basada en vectores potencia funciones como la memoria , donde ChatGPT puede recordar preferencias, preguntas anteriores o proyectos en curso, incluso cuando las palabras clave no coinciden exactamente.
Las implicaciones para el SEO son prácticas.
Si tu contenido no está escrito de forma que pueda fragmentarse claramente en un fragmento, incrustarse y compararse con la intención del usuario, no se recuperará. Y si no se recupera, no forma parte de la solución.
No se trata de posicionarse mejor en una lista de enlaces, sino de ser seleccionado para su inclusión en la memoria de trabajo de un modelo de lenguaje. Optimizar para incrustaciones requiere un enfoque diferente en cuanto a estructura, claridad y cobertura que optimizar para la búsqueda tradicional.
Varias patentes presentadas por OpenAI describen cómo la empresa entrena, almacena y recupera contenido mediante incrustaciones vectoriales en fuentes de conocimiento públicas y privadas. Estos documentos ofrecen información directa sobre cómo se selecciona el contenido para su inclusión en las respuestas de IA.
A continuación se presentan dos patentes recientes que ilustran claramente este enfoque:
- US 20240249186 A1 –Sistemas y métodos para usar preentrenamiento contrastivo para generar incrustaciones de texto y código(concedida en julio de 2024)
Describe cómo OpenAI mejora la calidad de la integración mediante el aprendizaje contrastivo, una técnica que enseña a los modelos a distinguir entre contenido relacionado y no relacionado en el espacio vectorial.
- US 20250103962 A1 –Sistemas y métodos para generar modelos de IA personalizados(publicado en marzo de 2025)
Describe cómo se integra el contenido cargado por el usuario o los datos externos, se almacenan en una base de datos vectorial y se recuperan a través de una búsqueda semántica: el mismo flujo de trabajo que impulsa los GPT personalizados y las posibles versiones futuras de la búsqueda de ChatGPT.
A continuación, analizaremos más de cerca cada una de estas patentes y cómo pueden ayudarnos a comprender cómo la búsqueda semántica es el futuro del SEO.
Búsqueda de IA: Entrenamiento en incrustaciones vectoriales
Esta patente muestra cómo OpenAI crea incrustaciones más limpias, más rápidas y semánticamente más ricas.
En julio de 2024, OpenAI obtuvo la patente US 20240249186 A1, titulada “Sistemas y métodos para usar preentrenamiento contrastivo para generar incrustaciones de texto y código”. Esta patente describe una técnica de entrenamiento donde el modelo aprende comparando pares de contenido: acerca los ejemplos semánticamente relacionados en el espacio vectorial y separa los ejemplos no relacionados. Por ejemplo:
- Durante el entrenamiento con texto , el sistema utiliza texto vecino que aparece de forma natural, como oraciones consecutivas o párrafos adyacentes, como pares positivos.
- Durante el entrenamiento en código , el modelo combina la cadena de documentación de nivel superior de una función con su implementación real.
Estos ejemplos ayudan al modelo a aprender a alinear el lenguaje natural con la lógica estructurada o pasajes relacionados, un paso fundamental para mejorar la calidad de la recuperación en aplicaciones del mundo real. Este enfoque contrastivo da como resultado incrustaciones más precisas, más eficientes y más adecuadas para la recuperación en tiempo real.
El objetivo declarado es mejorar el rendimiento de los sistemas que dependen de estas integraciones, incluidas aquellas que impulsan respuestas generadas por IA y sugerencias de código.
Por qué los SEO deberían preocuparse
- El objetivo principal de la patente es la búsqueda de similitud de alto rendimiento, el mismo método utilizado para encontrar contenido relevante en respuesta a una consulta o discusión.
- Un texto claramente organizado y estructurado, rodeado de contenido relevante, conduce a incrustaciones de vectores que se recuperan con mayor precisión en herramientas como ChatGPT y otros sistemas de búsqueda impulsados por LLM.
- Si una experiencia de búsqueda de ChatGPT se basa en la incorporación de recuperación, esta patente describe cómo ChatGPT creará incrustaciones vectoriales de su contenido para una mejor recuperación.
Patente de OpenAI CustomGPT: modelos de IA personalizados y búsqueda semántica integrada
Esta patente muestra cómo OpenAI proporciona herramientas para CustomGPT y permite la recuperación de datos en distintas fuentes para sus modelos personalizados mediante incrustaciones vectoriales.
En marzo de 2025, OpenAI publicó la patente US 20250103962 A1, titulada “Sistemas y métodos para generar modelos de IA personalizados”. Esta patente describe cómo los usuarios, o incluso OpenAI, pueden crear versiones personalizadas de modelos GPT conectados a sus propias fuentes de conocimiento.
El proceso comienza tomando un conjunto de datos, dividiéndolo en fragmentos e incrustando cada fragmento utilizando los modelos de incrustación patentados de OpenAI. Estos vectores se almacenan en una base de datos de vectores. Esta es principalmente la forma en que CustomGPT de OpenAI utiliza el conocimiento que se le proporciona al crearlos. De hecho, la patente describe este proceso de la siguiente manera:
La búsqueda semántica va más allá de la búsqueda por palabras clave (que se basa en la presencia de palabras clave específicas en la entrada de búsqueda) para encontrar datos contextualmente relevantes basándose en la similitud conceptual de la cadena de entrada.
Como resultado, las búsquedas semánticas en una base de conocimiento pueden proporcionar más contexto a los modelos. La búsqueda semántica puede utilizar una base de datos vectorial, que almacena fragmentos de texto (derivados de algunos documentos) y sus vectores (representaciones matemáticas del texto).
Al consultar una base de datos vectorial, la entrada de búsqueda (en formato vectorial) se compara con todos los vectores almacenados y se devuelven los fragmentos de texto más similares.
En tiempo de ejecución, el sistema toma una solicitud del usuario, la integra y realiza una búsqueda de similitud para identificar los fragmentos más relevantes. Los resultados principales se integran en la solicitud, sirviendo básicamente como contexto, y se pasan al modelo de lenguaje para generar una respuesta fundamentada y frecuentemente citada.
Por ejemplo, si una empresa sube documentación interna o guías de productos a una GPT personalizada, el modelo buscará semánticamente en ese contenido privado mediante incrustaciones, no palabras clave . La patente aclara que este mecanismo de recuperación no se limita a los archivos subidos por el usuario, sino que también puede extraer datos de otras fuentes, como páginas web o API, utilizando el mismo enfoque de incrustación y búsqueda vectorial.
El método de recuperación descrito es la búsqueda semántica de libros de texto y funciona igual de bien en sitios web públicos que en datos privados.
Si OpenAI rastrea e integra el contenido de tu sitio web, la calidad de esas incorporaciones determinará si tu contenido se recupera en una respuesta.
Esta patente describe el proceso exacto que probablemente impulsa el funcionamiento de la búsqueda basada en IA. El contenido se rastrea, fragmenta, integra y almacena, y solo los fragmentos con mayor coincidencia llegan a la ventana de respuesta del modelo.
La visibilidad de su sitio depende de si la estructura de su contenido, la claridad y la profundidad temática se alinean bien con la recuperación basada en incrustación.
Si crees que necesitas ayuda para mejorar tu sitio web, contacta con nosotros.
Acerca del autor
SEO Mánager en ginesmayol.com . Ayudo a empresas y marcas a posicionarse en Google AI, ChatGPT. CEO de la Agencia de Marketing Grupo Eiji. Hago deporte a diario y me gusta todo lo relacionado con el medio ambiente y el estilo de vida sencillo y saludable.
