La búsqueda generativa no reemplaza al ranking clásico: lo parasita y lo necesita.

El dato más revelador del corpus que manejamos procede del trabajo de Yu et al. sobre búsqueda agentiva en datos de observación terrestre de la NASA. Su arquitectura opera en tres capas: grafo de conocimiento, recuperación supervisada híbrida y reranking agentivo de cero disparos. La capa agentiva —la que emplea el LLM como razonador— eleva el MRR un 28% sobre el pipeline supervisado, pero solo funciona encima de ese pipeline. Sin la fusión previa de señales léxicas (BM25) y semánticas (embedding neuronal), que por sí sola produce mejoras de más de 5× en R@10 y MRR frente a cualquiera de las dos señales aisladas, el razonamiento del LLM no tiene material de calidad sobre el que operar [3]. La lectura que hacemos es directa: el LLM no busca; reordena lo que otros sistemas ya encontraron.

Google ha publicado en mayo de 2026 un recurso dirigido a propietarios de sitios, profesionales de SEO y desarrolladores sobre cómo aparecer en funcionalidades de IA generativa en Search [8]. Lo llamativo es la audiencia declarada: no se dirige a un perfil nuevo, sino exactamente a los tres roles que ya hacen SEO. En paralelo, Search Console ha incorporado informes de rendimiento de IA generativa para Search y Discover [6], lo que instrumentaliza la visibilidad en contextos generativos con las mismas herramientas que ya se usan para la búsqueda clásica. Google no ha creado una consola aparte; ha añadido una pestaña.

Google ha actualizado la ubicación de los archivos de rangos IP de sus rastreadores [5]. Es un cambio operativo menor en apariencia, pero señala algo que importa: la verificación de la identidad de Googlebot en logs de servidor y la configuración de reglas de acceso siguen siendo tareas vigentes. Si un sitio bloquea inadvertidamente a Googlebot por usar rangos IP desactualizados, no existe pipeline generativo que lo salve: el contenido no se indexa, no se recupera, no se reordena.

Google también ha tipificado el back button hijacking como violación explícita de sus políticas de spam bajo la categoría de prácticas maliciosas [7]. La expansión de políticas de spam confirma que Google sigue invirtiendo en la calidad del índice clásico. Una penalización por spam elimina un sitio del índice antes de que cualquier capa generativa pueda considerarlo como fuente. La higiene técnica y ética del sitio sigue siendo condición necesaria.

Hay lagunas importantes. Los resultados de Yu et al. proceden de un dominio especializado (geociencia, datos de observación terrestre de la NASA) y los propios autores no extrapolan sus hallazgos a motores comerciales de uso masivo [2]. El recurso de Google sobre GEO es declarativo: no detalla criterios técnicos específicos de optimización [8]. Los informes de rendimiento de IA generativa en Search Console no incluyen métricas de rendimiento, datos de adopción ni estudios de impacto [6]. Zhang et al. citan el ranking por intención como caso de uso central de su paradigma PAW, pero no presentan evaluaciones en sistemas de búsqueda de producción a escala web [1]. Estamos trabajando con indicios coherentes, no con pruebas concluyentes generalizables.