Revisión SEO con un agente de IA: qué ve realmente en su página

Cuando usted le pide a un agente de IA que revise el SEO de una página, normalmente trabaja con la página convertida en texto. Los títulos de sección y el texto le llegan; el estado HTTP, los encabezados de respuesta, los saltos de redirección, las etiquetas del head y los datos estructurados, por lo general, no. Por eso el agente puede revisar bien su redacción, pero no puede confirmar la mayor parte de lo que decide si un buscador indexa la página.

Las herramientas de lectura web varían de un asistente a otro y cambian con el tiempo, así que la pregunta útil es qué recibió el agente. En octubre de 2026 la respondimos con una de nuestras propias páginas, registrando el intercambio HTTP completo junto a la vista de texto con la que trabaja un agente. Este artículo detalla exactamente qué ejecutamos, qué contenía cada vista y cómo darle al agente la evidencia que le falta.

Descargamos una de nuestras páginas de las dos maneras

Elegimos un artículo publicado, nuestra guía de cadenas de redirecciones, y lo solicitamos con la dirección larga que alguien podría pegar en un chat: http://www.seoreport.dev/articles/redirect-chains-guide/. HTTP sin cifrar, el host www y una barra final son variantes que el sitio normaliza, así que la solicitud iba a redirigir con toda seguridad.

La leímos de 3 maneras:

1. El intercambio HTTP completo, con curl, registrando cada salto, la línea de estado final, cada encabezado de respuesta y el HTML original.
2. Una extracción de texto plano de ese mismo HTML: sin scripts, sin estilos y sin el <head>, conservando el texto visible. Es la conversión que muchas herramientas de lectura web hacen antes de que un asistente lea una página.
3. La herramienta de lectura web integrada en un asistente de programación con IA, a la que pedimos que informara, elemento por elemento, solo de lo que estaba literalmente presente en el contenido que recibió.

Las vistas 2 y 3 coincidieron en todos los elementos relevantes aquí, así que la tabla las muestra juntas. La única diferencia: la herramienta de lectura web transmitió el título de la página, mientras que la extracción plana conservó el H1, que lleva las mismas palabras.

Por tamaño, la vista de texto ocupaba unos 10 KB de una respuesta HTML de 71 KB. La mayor parte de lo descartado es código de scripts y estilos, que ninguna revisión SEO necesita. El resto es justo la evidencia que una revisión SEO tiene que leer.

Dos detalles de la tabla importan más que las cifras. Primero, la respuesta sobre la etiqueta canónica dependió de cómo preguntamos. Cuando le pedimos que marcara cada etiqueta como "presente o ausente", la herramienta de lectura web respondió "ausente" para una canónica que la página sí tiene, y solo después añadió una salvedad sobre el <head>. Cuando le dimos la opción "no se puede saber", eligió esa. Un agente que recibe la primera respuesta y actúa en consecuencia recomendaría añadir una etiqueta que ya existe. Segundo, el JSON-LD de tipo Article y una etiqueta article:modified_time llevan ambos una fecha de modificación del 3 de octubre de 2026, mientras que la firma visible solo muestra la fecha de publicación, el 28 de septiembre de 2026. La fecha que un buscador puede leer como "última actualización" solo existe en la parte de la página que el agente nunca recibió.

En esta página no había nada mal. Dos saltos de redirección están muy por debajo de los 10 que, según la documentación de Google sobre el rastreo, siguen sus rastreadores, y la canónica apunta a la propia página. La conclusión es que el agente no podía saberlo en ningún sentido.

La herramienta solo informó del estado cuando la página falló

Repetimos la prueba con una dirección que no existe en nuestro sitio. El servidor respondió con un 404, y la herramienta de lectura web lo indicó: informó de "HTTP 404 Not Found" y no devolvió texto de la página. En la página que funcionaba, el 200 no se mencionó nunca.

Ese patrón (los errores salen a la luz, las respuestas correctas pasan en silencio) deja fuera los casos que más problemas causan, porque responden con un 200:

• Una página que parece inexistente pero responde con un 200. Nuestra página 404 dice "Artículo no encontrado. El artículo que busca no existe". Si un servidor enviara ese mismo texto con un estado 200, la vista de texto sería idéntica. Solo la línea de estado les dice a los buscadores de cuál se trata, y cuando Google detecta la versión con 200, Search Console la clasifica como "Soft 404".
• Una página que se lee perfectamente pero pide a los buscadores que no la indexen. La documentación de Google sobre la metaetiqueta robots (consultada en octubre de 2026) indica que cualquier regla utilizable en una metaetiqueta robots también puede enviarse como encabezado HTTP X-Robots-Tag. Un noindex enviado así no deja rastro en el texto. Explicamos cómo encontrarlos y qué decidir en «La URL se ha marcado como "noindex"» en Search Console.
• Una página cuya canónica se declara en un encabezado. Google documenta un encabezado de respuesta Link con rel="canonical" como alternativa a la etiqueta HTML, también para archivos que no son HTML, como los PDF. Una vista de texto no puede verlo.

La evidencia está en el intercambio, no en la página

Todo lo que descartó la vista de texto es de un mismo tipo: evidencia que intercambian un servidor y un rastreador, y que un visitante que lee la página nunca ve. Se reparte en 6 lugares.

Estado y redirecciones. Cada salto es una respuesta propia con su propio código de estado. Algunas herramientas de lectura web reescriben http:// como https:// antes de hacer la solicitud, así que la redirección de HTTP a HTTPS ni siquiera llega a solicitarse. La guía de redirecciones y normalización de URLs explica qué saltos conviene mantener.

Encabezados de respuesta. X-Robots-Tag, Link, Cache-Control, Vary y los encabezados de seguridad viajan por encima del HTML. Ninguno de ellos es texto de la página.

Etiquetas del head. La canónica, la meta robots, hreflang, la meta descripción y las etiquetas Open Graph están en el <head>, que las conversiones a texto eliminan.

Datos estructurados. El JSON-LD vive dentro de un elemento <script>. Las conversiones a texto eliminan los scripts, y el JSON-LD desaparece con ellos. La guía de datos estructurados y metadatos sociales explica qué debería contener.

HTML original frente a renderizado. Algunas herramientas de lectura web ejecutan JavaScript antes de convertir la página y otras no, y el resultado rara vez dice cuál de las dos cosas hizo. Una página cuyo contenido solo aparece tras ejecutarse JavaScript puede parecer completa para una herramienta y vacía para otra. Medimos con qué frecuencia aparece esa diferencia en lo que realmente ven los rastreadores de IA.

Archivos y páginas más allá de la URL. robots.txt es un archivo aparte que el agente nunca solicita si no se le pide. La documentación de Google señala que, cuando robots.txt bloquea una página, Google no puede leer en absoluto el noindex de esa página, así que hay que comprobar ambos a la vez. El sitemap, los enlaces internos y las posibles URLs duplicadas están en otras páginas completamente distintas.

sequenceDiagram
    participant U as Usted
    participant A as Agente de IA
    participant F as Herramienta de lectura web
    participant S as Su sitio
    U->>A: Revise el SEO de esta página
    A->>F: Descargue la URL
    F->>S: GET http://www.example.com/page/
    S-->>F: 301 y un encabezado Location
    F->>S: GET https://example.com/page/
    S-->>F: 301 y un encabezado Location
    F->>S: GET https://example.com/page
    S-->>F: 200, encabezados de respuesta, HTML completo
    Note over F: Se descartan saltos, estado, encabezados, etiquetas del head y JSON-LD
    F-->>A: Texto visible en Markdown
    A-->>U: Consejos basados solo en el texto

La mayoría de los problemas SEO que detectamos están fuera del texto de la página

Nuestros propios datos de auditoría muestran cuánto de una revisión depende de lo que descarta la vista de texto. En 45 sitios web externos que SEOReport auditó entre mayo y octubre de 2026, el 94% de los 506 problemas detectados estaba en algún lugar que quien lee la página nunca ve: encabezados de respuesta, etiquetas del head, datos estructurados, el sitemap XML, robots.txt, redirecciones o relaciones entre páginas.

El gráfico siguiente desglosa esos mismos 506 problemas según el lugar concreto donde una persona tendría que mirar para ver la evidencia.

Solo el 5.9% del contenido visible de la página es el tipo de evidencia que conserva una vista de texto. Si se agrupan según lo que un agente tendría que recibir para verlas, las demás ubicaciones forman 3 grupos. El estado y los encabezados HTTP, las etiquetas del head y los datos estructurados suman el 69% de los 506 problemas: evidencia que llega dentro de la propia respuesta de la página y que una conversión a texto descarta. Una extracción de texto mejor no la recuperaría; leer la respuesta en sí, sí. El sitemap XML, la biblioteca de artículos leída en conjunto, las relaciones entre páginas y robots.txt suman alrededor del 20%: evidencia que no contiene la respuesta de ninguna página por separado. El 5.6% restante necesita una segunda vista de la página o de su dirección: la página renderizada junto al HTML original, la respuesta para smartphone junto a la de ordenador, o los saltos de redirección que hay antes de la página.

La misma muestra refleja el efecto por sitio: los 45 sitios tenían al menos un problema detectado fuera del texto visible de la página, y en 24 de ellos (53%) todos los problemas detectados estaban fuera de él. En esos 24 sitios, una revisión limitada al texto visible no habría tenido delante ninguna de las evidencias detectadas.

Cómo darle a su agente la evidencia que le falta

Un agente razona bien sobre la evidencia que puede ver. La solución es ponerle delante el intercambio.

Si su agente tiene acceso a una terminal, pídale que ejecute estos comandos y le muestre la salida sin procesar antes de sacar ninguna conclusión. Si no lo tiene, ejecútelos usted y pegue la salida en el chat.

# 1. Every hop, every status, the headers that matter (GET, following redirects)
curl -sL -D - -o /dev/null http://www.example.com/page/ \
  | grep -iE '^(HTTP/|location|x-robots-tag|link|content-type|cache-control|vary)'

# 2. Canonical, hreflang and meta robots tags from the raw HTML
curl -s https://example.com/page \
  | grep -oiE '<link[^>]*rel="(canonical|alternate)"[^>]*>|<meta[^>]*name="robots"[^>]*>'

# 3. How many JSON-LD blocks the raw HTML contains
curl -s https://example.com/page | grep -o 'application/ld+json' | wc -l

# 4. The crawl rules that apply to the page
curl -s https://example.com/robots.txt

Tres hábitos hacen que las respuestas sean fiables:

• Use GET, no HEAD. Algunos servidores responden de forma distinta a cada uno. El nuestro lo hizo: el primer salto de nuestra prueba respondió con un 301 a una solicitud GET y con un 308 a una solicitud HEAD.
• Pregunte qué recibió antes de preguntar qué está mal. "Enumere el código de estado, los encabezados y las etiquetas del head que puede ver" convierte una laguna oculta en una visible y le muestra qué respuestas "ausente" significan en realidad "nunca recibido".
• Pregunte si el HTML se renderizó. Si la herramienta del agente ejecutó JavaScript, su vista puede diferir de lo que envía el servidor. Compárela con el HTML original del comando 2, como describe la guía de renderizado de JavaScript.

Una revisión completa de una página sigue siendo una sola página

Con el intercambio completo delante, un agente puede revisar bien una página concreta. Lo que la respuesta no puede contener es el resto del sitio: si su sitemap incluye la página, si otras páginas enlazan a ella, si otra URL la duplica, si robots.txt bloquea páginas que su sitemap anuncia. En la muestra anterior, aproximadamente uno de cada cinco problemas detectados estaba donde la respuesta de una sola página no podía mostrarlo. Cubrirlos implica repetir el trabajo en muchas páginas, en muchas sesiones, con un método que sea siempre el mismo, que es el tema de por qué una sola sesión de IA no puede auditar un sitio web completo.

Un diagnóstico completo de SEOReport hace buena parte de ese trabajo a escala de sitio en un solo informe. Solicita las páginas que incluye su sitemap, sigue la dirección que usted envía a través de cada salto de redirección, lee su robots.txt y compara el HTML original de su página de inicio con la página renderizada. Cada hallazgo incluye su evidencia (códigos de estado, valores de encabezados, URLs afectadas), y cada hallazgo basado en una muestra de páginas indica cuántas examinó. Un agente puede crear y leer ese informe a través del servidor MCP y la API REST, de modo que parte de la evidencia del sitio y no del texto.

Preguntas frecuentes

¿Puede ChatGPT revisar el SEO de mi sitio web?

Puede revisar el contenido que le llegue: los títulos de sección, el texto y el título de la página si la herramienta lo transmite. Que también vea el código de estado, los encabezados de respuesta, las etiquetas del head o los datos estructurados depende de la herramienta de lectura web que use en ese momento, lo que varía y rara vez se indica. Pídale primero que enumere lo que recibió, o pegue la salida de los comandos anteriores.

¿Es lo mismo un verificador SEO con IA que una auditoría SEO?

Un verificador SEO con IA suele revisar una página a partir del contenido que devuelve su herramienta. Una auditoría lee el intercambio HTTP, robots.txt, el sitemap y las relaciones entre páginas, y registra la evidencia de cada hallazgo para que el resultado se pueda comprobar y repetir. Responden a preguntas distintas: uno revisa la redacción de una página; la otra establece qué sirve el sitio a los rastreadores.

¿Por qué mi agente dijo que mi página no tiene etiqueta canónica si la tiene?

La etiqueta canónica está en el <head>, que las conversiones a texto eliminan. En nuestra prueba, la herramienta de lectura web respondió "ausente" para una canónica que estaba presente. Confírmelo con el comando 2 anterior, o viendo el código fuente de la página en un navegador, antes de seguir ese tipo de consejo.

¿Importa si la herramienta de lectura web de mi agente ejecuta JavaScript?

Sí, cuando su contenido o sus etiquetas dependen de JavaScript. Una herramienta que renderiza la página puede indicar un título o un H1 que el HTML original no tiene, y una que no lo hace puede indicar una página casi vacía que los navegadores muestran completa. Comparar el HTML original con la página renderizada aclara cuál de los dos reciben primero los buscadores y otros rastreadores.