En este último episodio de la primera temporada, nos centramos en el Flujo de Trabajo Semántico, creado por Alexander Rodrigues Silva, con base en 20 años de experiencia en la optimización de proyectos digitales, que conecta el SEO Semántico con la Bibliotecología y la Documentación.

En él, explicamos por qué se creó el Flujo de Trabajo Semántico y resumimos sus puntos principales. A continuación, explicamos con más detalle el Análisis de Dominio como sustituto de la investigación de palabras clave y cómo la creación de otros recursos (vocabulario controlado y taxonomía) es el complemento perfecto para esta nueva estrategia de SEO.

Este episodio se basó en el libro "SEO Semántico - Flujo de Trabajo Semántico", disponible en Amazon.

Este episodio se basa en un artículo de Birger Hjørland titulado «Fundamentos de la organización del conocimiento», que examina en profundidad el campo de la organización del conocimiento (OC), especialmente en el contexto de la biblioteconomía y la documentación.

El autor sostiene que la OC es un campo interdisciplinario vasto, históricamente fragmentado y excesivamente tecnológico, y describe cinco etapas de desarrollo tecnológico, entre ellas la indexación manual y la recuperación basada en citas.

Pero lo fundamental es la conexión entre la organización de la información y el desarrollo del motor de búsqueda más utilizado del mundo: ¡Google! Escucha y comprende cómo Google está estrechamente ligado a la organización de la información.

En este episodio, analizamos el profundo cambio en el paradigma de la búsqueda provocado por el auge de la Inteligencia Artificial Generativa (IAG) y de los Grandes Modelos de Lenguaje (GML).

Esto se basa en el artículo que publiqué ayer, que surgió tras ver el video presentado por la profesora Jenna Hartel. En él, la profesora Hartel ofrece un análisis detallado del artículo de Olaf Sundin, en el que se plantea cómo la IAG está obligando a reevaluar los conceptos de búsqueda, fuentes y evaluación de la información.

Para escribir la entrada del blog, utilicé el trabajo de Sundin como punto de partida para argumentar que la IAG está provocando la "muerte de las fuentes", ya que ahora los sistemas proporcionan respuestas directas en lugar de dirigir a los usuarios a los documentos originales.

Acordamos entonces que este cambio socava la evaluación tradicional de la información y concluimos que la solución para los profesionales del SEO (Optimización para Motores de Búsqueda) es centrarse en el SEO semántico, creando contenido estructurado y semánticamente rico para que se convierta en una fuente confiable de información que alimente los algoritmos de IA.

¡Hola! Recientemente tuve una de esas conversaciones que nos hace reflexionar sobre la velocidad a la que evoluciona el mundo de las búsquedas.

En este episodio, profundizamos en el meollo de este cambio, explorando la sinergia entre tres fuerzas que están transformando la forma en que accedemos y creamos información en la web: los modelos de lenguaje a gran escala (LLMs), como GPT o Gemini, los gráficos de conocimiento (KGs) y los motores de búsqueda que usamos a diario.

Por un lado, tenemos la fluidez del lenguaje de los LLMs y, por otro, la precisión y veracidad de los KGs, que mapean las entidades y sus relaciones. ¿Qué sucede cuando se unen? La búsqueda ya no es solo una lista de enlaces; se convierte en un sistema inteligente, capaz de comprender la intención semántica de tu consulta, resolver ambigüedades y ofrecer respuestas directas y precisas, en lugar de solo enlaces azules.

Hablamos de las técnicas que lo hacen posible, como la Generación Aumentada por Recuperación (RAG), que combate la obsolescencia de las LLM y reduce las temidas "alucinaciones" al consultar datos directos de los KG.

Y, por supuesto, como especialista internacional en SEO y consultor especializado en SEO semántico, la gran pregunta que me motiva es: ¿cómo redefine esto la optimización web? El enfoque ahora se desplaza de la palabra clave al significado, la estructura y la calidad semántica del contenido. Es una necesidad de contenido valioso que demuestre E-E-A-T (Experiencia, Conocimiento, Autoridad y Confianza) y de la correcta implementación de datos estructurados (Schema.org), asegurando que su marca sea una entidad bien definida en el mapa de conocimiento del motor de búsqueda.

Finalmente, les dejamos con una reflexión: ¿la comodidad de tener respuestas predefinidas de la IA nos hará perder el descubrimiento fortuito y el pensamiento crítico que surgen al explorar la web?

Acompáñenos a comprender esta compleja pero fascinante interconexión y descubra las nuevas prioridades para su SEO.

Puede usar mi Notebook para hacer preguntas y obtener más información sobre este tema: https://notebooklm.google.com/notebook/a98aa6db-9931-473f-836c-6a0b0f4bb3a6

Este episodio se basa en la publicación del Blog Semántico y ofrece una visión general completa de los fundamentos, el desarrollo y las aplicaciones avanzadas de las ontologías en el panorama tecnológico entre 2022 y 2025.

Definimos las ontologías como la columna vertebral de la comprensión semántica en los sistemas de Inteligencia Artificial (IA), detallando sus componentes esenciales (clases, propiedades y axiomas) y diferenciándolas de los Grafos de Conocimiento (GC).

Aprenderá sobre la Ingeniería Ontológica, incluyendo las metodologías de desarrollo y la creciente sinergia con los Modelos de Lenguaje Largo (LLM), que se utilizan tanto para acelerar la creación de ontologías como para aumentar su precisión.

Concluimos el episodio ilustrando la versatilidad de las ontologías en diversos casos de uso, como la IA Explicable (XAI), la recuperación de información semántica y la integración de datos heterogéneos en sectores como la salud y la construcción.

Este episodio ofrece una definición detallada del SEO Semántico, comparándolo con las prácticas tradicionales de SEO basadas en el volumen de búsqueda y las palabras clave. El SEO semántico se presenta como un método que se centra en la construcción de significado y la alineación de conceptos para ayudar a los motores de búsqueda a comprender el contenido, aumentando su calidad y relevancia percibidas.

Hacemos hincapié en que el SEO semántico no utiliza palabras clave y se diferencia de términos como SEO de entidades y clústeres de temas, aunque sí utiliza entidades para resolver ambigüedades. La esencia de este enfoque reside en analizar el conocimiento del dominio y en estructurar el proyecto desde dentro hacia fuera, en lugar de centrarse externamente en la competencia o en las tendencias de búsqueda.

Hoy tenemos un episodio diferente. Analizamos ODKE+, una canalización que promete resolver un problema importante en el uso de grafos en proyectos de SEO semántico: su frescura y fiabilidad.

El artículo presenta ODKE+, un sistema de producción desarrollado por Apple para la extracción automática de conocimiento de dominio abierto de fuentes web, utilizando Grandes Modelos de Lenguaje (LLM) y ontologías. Este sistema está diseñado para mantener grafos de conocimiento (KG) actualizados y completos, abordando los desafíos del volumen, la variedad, la veracidad y la velocidad de la información en línea. ODKE+ emplea una canalización modular que incluye componentes como un Lanzador de Extracción para detectar datos obsoletos, un Extractor de Conocimiento híbrido (basado en patrones y LLM basados ​​en ontologías) y un Corroborador con un LLM ligero para la verificación básica, lo que garantiza una alta precisión factual del 98,8 % en millones de datos procesados. El sistema admite los modos de procesamiento por lotes y de transmisión, lo que mejora significativamente la cobertura y la frescura de los datos en comparación con los métodos tradicionales.

Este episodio se basa en un artículo escrito por Alexander Rodrigues Silva, del blog Semantic SEO, que presenta un análisis profundo del funcionamiento interno de los Modelos de Lenguaje a Gran Escala (LLM), en particular el motor Transformer y su componente central, Attention. El autor comparte seis descubrimientos sorprendentes surgidos de una serie de interacciones con su agente de IA, ofrecido como un servicio llamado Agent+Semantic.

Las explicaciones se centran en cómo las palabras adquieren significado contextual mediante vectores iniciales y diálogos internos de Consulta, Clave y Valor, mostrando que dicho significado se codifica como direcciones geométricas en un espacio multidimensional. Finalmente, el texto desmitifica el concepto de aprendizaje automático, comparándolo con un proceso de optimización matemática, como una bola que rueda cuesta abajo en la función de coste.