Pide una auditoría

Inicio / RoloPedia / GEOpedia

GEOpedia · Citabilidad · Técnico

Contenido multimodal para IA

En inglés: Multimodal content for AI

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

Jorge J. Rolo

SEO & AI Search Manager en Flat 101. Consultor SEO técnico.