Cómo un estudio de 60 personas superó a un gigante de 1,500 en respuestas de IA: tablas comparativas, mito del llms.txt y prueba de párrafosArtículo · digest del 22 de noviembre
Esquema infográfico del funcionamiento de la búsqueda con IA: una tabla comparativa estructurada de empresas con marcas de verificación supera el filtro de la IA y ocupa el primer lugar de la respuesta.
Artículo4 secciones≈ 12 min

Cómo un estudio de 60 personas superó a un gigante de 1,500 en respuestas de IA: tablas comparativas, mito del llms.txt y prueba de párrafos

Imagina a un cliente que busca desarrollo de software a medida con un presupuesto de entre 1 y 10 millones de rublos. Abre el buscador de Yandex en Moscú y pregunta: «recomienda una empresa para tercerizar desarrollo de software». En noviembre de 2026, la IA de Yandex colocó tres veces de tres en primer lugar al estudio Code Pilots, con poco más de 60 personas. Mientras tanto, el gigante SimbirSoft, con más de 1,500 especialistas y 25 años de trayectoria, aparecía tercero o cuarto. Una diferencia de plantilla de 25 veces, y arriba del todo figura el jugador pequeño.

El motivo salta a la vista si haces clic en el ícono de fuente bajo el primer nombre. Lleva a un artículo del propio blog de Code Pilots publicado el 3 de septiembre: «Mejores empresas de outsourcing de desarrollo: TOP-10 proveedores de 2026». Allí el orden es exactamente Code Pilots, Purrweb, Surf, SimbirSoft. En las pruebas del 20 y 21 de noviembre, la IA reprodujo ese cuarteto al pie de la letra tres veces seguidas.

De dónde saca la IA el orden de las empresas en su respuesta

Hace años que las agencias publican sus propios rankings en blogs corporativos, y Code Pilots incluso dejó una nota honesta: «en el primer puesto aparecemos nosotros mismos; hacemos desarrollo a medida por procesos desde 2014». Todo transparente, sin disfrazarse de medio independiente. El detalle es que esa aclaración no pasó a la respuesta de la IA. El cliente ve una lista limpia y la autoría queda escondida tras un ícono diminuto de enlace.

Algo parecido pasó en desarrollo móvil: el estudio Amiga superó a Surf en dos mediciones de dos gracias a un ranking en su blog. Para entender el mecanismo, miremos cómo opera el GEO (Generative Engine Optimization, optimización de contenidos para respuestas de IA).

Yandex Search con Neuro funciona como un flujo híbrido RAG (Retrieval-Augmented Generation: el modelo primero extrae fragmentos del buscador y luego redacta la respuesta). Primero toma candidatos del top orgánico clásico, por lo general de las primeras cinco o diez posiciones. Luego descarta páginas sin texto citable, divide las restantes en bloques y evalúa su utilidad con modelos BERT y CatBoost. A la final pasan entre 5 y 10 fragmentos con mayor densidad factual, y YandexGPT arma con ellos la respuesta manteniendo enlaces estrictos.

Ponte en el lugar de ese sistema. En un sitio hay una landing brillante llena de frases sobre «enfoque personalizado» y «equipo de profesionales». En otro hay una comparativa con los mismos campos para cada participante: para quién sirve, plazos y presupuesto mínimo. SimbirSoft no tenía una comparativa propia entre las fuentes citadas, mientras Code Pilots sí la tenía lista. La IA no cuenta empleados ni revisa la antigüedad legal de la firma. Simplemente resume a quien ya ordenó el mercado en un formato cómodo.

La prueba de 12.5 horas y los tres límites donde el truco deja de funcionar

Un escéptico diría enseguida que fue casualidad o suerte por un dominio antiguo. La hipótesis se puso a prueba con otro proyecto: el estudio Nurokod. El 5 de noviembre de 2026 a las 20:29 (hora de Moscú), ante la consulta «recomienda un estudio para desarrollar un MVP» (producto mínimo viable para lanzar), la IA de Yandex mencionaba a DELAWEB, RiverSoft y X Studio. Nurokod no salía ni en la respuesta de IA ni en los diez primeros resultados.

A las 21:33 se publicó en el portal Sostav desde la cuenta de Nurokod el artículo «Desarrollo de MVP para startups 2026: top-10 estudios por plazo y precio». Incluía 10 estudios con dos campos idénticos en cada uno: plazo de la primera versión funcional y precio «desde». Nurokod encabezaba por rapidez de lanzamiento. A la mañana siguiente, el 6 de noviembre a las 10:09 (12.5 horas después de publicar), la IA puso a Nurokod en el primer puesto.

Dos semanas después, el 20 y 21 de noviembre, Nurokod seguía primera tres de tres veces, y la IA repetía casi textual el criterio del artículo: la primera versión funcional puede estar lista en unas dos semanas. Segundo solía aparecer SCAND (más de 250 personas y 700 proyectos frente a los 40+ de Nurokod), y más abajo DELAWEB, Purrweb, Surf y Code Pilots. Otra pregunta del cliente, otra comparativa, otro líder.

Conviene enfriar el entusiasmo a tiempo: pruebas de campo en una región y unos cuantos lanzamientos marcan una guía práctica, no un botón mágico para cualquier sector. Hay tres límites claros donde publicar tu propio ranking no alcanza.

El primero son los nichos donde medios externos y grandes portales ya consagraron a un líder. En integración de Bitrix24 la IA coloca establemente primero a «Pervy Bit», y en promoción en Wildberries a XWAY. Bajarlos con un solo artículo en una consulta amplia es casi imposible. La única salida es acotar la búsqueda a un segmento o tecnología específica donde aún falten reseñas de terceros.

El segundo límite es la volatilidad de resultados. En desarrollo web para industria manufacturera, un ranking publicado solo puso al estudio primero una de tres veces, cayendo al segundo y quinto lugar en los otros intentos. Si el buscador cambia de fuentes en cada consulta, no habrá un primer puesto estable.

El tercero es la confianza del cliente real. Si una persona abre el enlace bajo tu nombre y ve un «top de los mejores» inventado, sin cifras ni firma, perderás la oportunidad comercial. Firma siempre de forma abierta y elige un criterio real y verificable en el que de verdad estés adelante.

El mito de llms.txt y la regla del párrafo que sobrevive al recorte

Mientras en Rusia prueban tablas para Yandex, alrededor de Google AI Overviews y AI Mode creció un mercado de venta de humo. Muchos proveedores ofrecen configurar el archivo llms.txt en la raíz del sitio (una guía de texto para modelos de lenguaje parecida a robots.txt) y una supuesta «AI schema especial» oculta para la IA de Google.

La postura oficial de Google Search Central cierra el tema. Gary Illyes confirmó en Search Central Live que Google no soporta llms.txt ni planea implementarlo. John Mueller añadió que ningún sistema importante de IA se apoya en ese archivo y comparó el ruido a su alrededor con la vieja metaetiqueta keywords. Tampoco existe un marcado exclusivo de IA: para AI Overviews y AI Mode funcionan la indexación estándar, el SEO clásico y el JSON-LD normal que coincida con el texto visible.

Documentación oficial de Google Search Central sobre funciones de IA en el buscador (Fuente: developers.google.com)

El dinero ahorrado conviene invertirlo en párrafos autosuficientes. Los buscadores recortan bloques aislados de texto y los pegan en su respuesta resumida. Si un párrafo depende de palabras como «este» o «esas funciones», al copiarlo pierde todo sentido.

Tomemos como ejemplo la ficha de la cafetera comercial Neuroduo. Un párrafo débil dice así: «También cuenta con estas funciones, lo que la hace ideal para cafeterías como la tuya». Sácalo de la página y ponlo junto a otras tres máquinas: no se entiende nada. ¿Qué modelo? ¿Qué funciones? ¿Para qué tipo de cafetería?

Mira ahora una versión sólida: «Neuroduo es una máquina de espresso de doble caldera que mantiene la temperatura estable bajo flujo continuo de extracciones. Está pensada para cafeterías de 150 a 300 bebidas diarias y requiere línea eléctrica dedicada de 20 amperios». Nombre del producto, cliente ideal y límite técnico conviven en un mismo bloque. Un párrafo así resiste intacto cualquier recorte hacia una respuesta de IA.

Práctica: ¿sobrevivirá tu párrafo al recorte en una respuesta de IA?

Alterna entre ambos ejemplos y prueba cualquier párrafo de tu página de servicios. En cuanto eliminas pronombres ambiguos, nombras el producto directo y pones un límite concreto al lado, el bloque empieza a trabajar igual de bien para el comprador humano y para el buscador de IA.

Plan para una tarde: audita tu nicho y prueba 20 párrafos

La revisión inicial cabe en una sola tarde y consta de dos pasos: explorar los resultados de IA y depurar tus textos comerciales.

Audita tu nicho en respuestas de IA en 10 minutos

  • Pregunta a la IA como un cliente con presupuesto: «recomienda tu servicio para segmento», por ejemplo para una startup o un equipo comercial.
  • Repite la consulta tres veces con un par de minutos de pausa y anota quién sale primero de forma estable y dónde cambia el orden.
  • Abre la fuente debajo del líder: ¿es el blog de un proveedor, un portal sectorial o un medio externo?
  • Revisa el formato: ¿hay una comparativa con campos iguales o una página de venta común?
  • Si no apareces y los medios aún no copan el tema, publica tu comparativa de 10 empresas con campos uniformes, criterio honesto y firma clara, y vuelve a probar al día siguiente.

El segundo paso es revisar tu sitio web. Anota las 20 preguntas principales que hace el cliente antes de comprar: plazos, presupuesto mínimo, a quién no le conviene el servicio, requisitos técnicos y qué incluye el precio. Busca en tu web los 20 párrafos que las responden y pégalos uno a uno en un documento en blanco. Si el párrafo sigue siendo claro y preciso por sí solo, déjalo. Si sin leer lo de arriba no se entiende de qué producto hablas ni cuáles son sus límites, reescríbelo con la fórmula «producto + para quién + restricción concreta».

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 4