El contenido multimodal para IA es la información que vive fuera del texto corrido (imágenes, gráficos, tablas, vídeos, pódcast o PDF) preparada para que un motor generativo pueda leerla, entenderla y citarla. El criterio es sencillo: si el dato clave solo está dentro de una imagen o de un vídeo sin transcripción, para muchos motores no existe.
Los rastreadores de IA trabajan sobre todo con texto. Solo Googlebot y Bingbot ejecutan JavaScript; el resto lee el HTML inicial. ChatGPT, además, convierte el HTML a Markdown al procesar la página y en ese paso elimina el JSON-LD. Lo prudente es suponer que lo que no está escrito en el contenido visible se pierde por el camino: una infografía sin texto alternativo útil o una tabla pegada como captura llegan vacías.
El vídeo es el formato con más evidencia a favor. Las menciones en YouTube son la señal individual más correlacionada con la visibilidad en IA (r≈0,737 en el estudio de Ahrefs sobre 75.000 marcas). Lo que el motor aprovecha es el texto que lo acompaña: título, descripción, capítulos y transcripción.
Ejemplos
- Gráfico: además de la imagen, un párrafo debajo con la conclusión y las cifras principales escritas.
- Tabla: maquetada en HTML con <table> y encabezados, no como captura de una hoja de cálculo.
- Vídeo: publicado con capítulos, descripción completa y la transcripción revisada en la página que lo incrusta.
Consejos prácticos
- Escribe junto a cada gráfico la conclusión y los números que la sostienen.
- Usa tablas HTML reales para comparativas y precios: se extraen y se citan con facilidad.
- Publica transcripciones revisadas de tus vídeos y pódcast, con capítulos que funcionen como encabezados.
- Si el contenido importante vive en un PDF, crea también una versión HTML con el texto clave.
- Redacta textos alternativos que digan qué muestra la imagen y qué aporta, no una lista de keywords.
Cuidado con
- Marcar un vídeo o una imagen con schema no sustituye al texto: el schema no ha demostrado efecto en las citas y ChatGPT elimina el JSON-LD.
- Las transcripciones automáticas sin revisar meten errores en nombres y cifras que el motor puede repetir.
Evidencia moderada. Mecanismo documentado (solo Googlebot y Bingbot renderizan JS, Vercel+MERJ; ChatGPT elimina el JSON-LD) y correlación fuerte de YouTube (r≈0,737, Ahrefs), sin experimento que mida el efecto del alt text o de las tablas en las citas.
Términos relacionados
- Renderizado para bots de IA: Lo que no está en el HTML inicial tampoco llega a la mayoría de motores.
- ALT text / Texto alternativo: Es la vía básica para que una imagen tenga contenido legible.
- Pasaje citable: La transcripción y el texto de apoyo deben trocearse bien como cualquier otro pasaje.
- Crawlers de IA: Son los bots que leen texto y no imágenes ni audio.