Imagina que tu empresa existe frente a dos jueces distintos.
- El primero es el buscador tradicional de Google, ese que todos conocemos desde hace veinte años, y que evalúa tu sitio con reglas más o menos conocidas.
- El segundo juez es nuevo, se llama LLM y se conoce más bajo los nombres de ChatGPT, Perplexity, Claude o Gemini. Funciona bajo reglas completamente distintas, reglas que buena parte del mundo empresarial apenas empieza a entender.
Los Creativos desarrolló una metodología para ayudar a las marcas a ganar frente a este segundo juez, la llamamos Densidad de Señales, un mecanismo pensado para posicionar y hacer que las empresas puedan ser recomendadas por la inteligencia artificial.
La idea, explicada en términos sencillos, funciona así: un modelo de inteligencia artificial jamás conoce tu empresa por instinto, la conoce porque encuentra evidencia en internet repetida sobre ella con diversa información como un caso de éxito publicado con cifras, una mención en un medio del sector o un perfil profesional activo de tu equipo, básicamente contenido que habla con constancia sobre una categoría específica. Cada una de esas piezas funciona como una señal, y entre más señales coherentes acumula la marca, mayor probabilidad tiene ese modelo de reconocerla y recomendarla cuando alguien pregunta por un servicio o producto.
Hasta aquí, la lógica suena bastante intuitiva, publicar contenido bueno y constante. El detalle que muchas empresas ignoran, y que este artículo va a explicar desde cero, es que existe un paso adicional (que no muchos conocen y no es visible) entre publicar esa evidencia y que un modelo de inteligencia artificial la entienda correctamente. Ese paso se llama Schema markup, un tipo de código que se agrega detrás de cada página web, sin cambiar nada de lo que ve una persona, pero que le explica a una máquina exactamente qué tipo de contenido está leyendo, un caso de éxito, una guía, una pregunta frecuente, el perfil de un experto.
Este artículo lleva una descripción por ese código, sin asumir conocimiento técnico previo, para que se pueda entender qué tipo de datos estructurados conviene priorizar primero, en qué orden, y cómo cada uno conecta directamente con la construcción de autoridad de marca frente a la inteligencia artificial. De esa manera profundizamos más en cómo funciona el posicionamiento en la IA.
La relación entre el Schema Markup y la Densidad de Señales
Piensa en cada señal de tu marca, un informe, una investigación, un blog, una publicación en redes sociales, un caso de éxito, una guía o una pregunta frecuente, como una carta que escribes con mucho cuidado para que exista claridad para diferentes públicos. Ahora imagina que esa carta llega a un lector que jamás aprendió tu idioma por completo o desconoce terminología técnica, que entiende algunas palabras, intuye otras, y a veces se equivoca en la interpretación.
Así funciona, en buena medida, un modelo de inteligencia artificial frente a una página web escrita únicamente bajo lenguaje humano.
El Schema Markup soluciona ese problema de traducción. Es un código breve, agregado detrás de cada página, que convierte tu carta cuidadosamente escrita para un humano en un mensaje que las máquinas entienden con exactitud. En vez de esperar que la máquina interprete correctamente que un texto habla de un caso de éxito con cifras que puedan ser verificables, el código se lo dice de forma explícita, “esto es un artículo”, “publicado en esta fecha”, “escrito por esta persona” y “con esta información concreta dentro”.
Esa traducción exacta importa muchísimo dentro de la Densidad de Señales, porque una señal que la máquina jamás entiende bien, sencillamente cuenta menos dentro de su decisión final para recomendar o no una marca. Sebastián Londoño, Director de Operaciones de Los Creativos, lo explica desde su trabajo diario con clientes:
“Cuando una empresa construye contenido excelente y aun así la inteligencia artificial la ignora, casi siempre encuentra la causa en ese código invisible que nadie revisó, jamás en la calidad del contenido mismo. Un caso de éxito perfecto, sin ese código detrás, puede pasar como texto genérico cualquiera. El mismo caso, con Schema markup bien implementado, se convierte en evidencia clara, lista para sumar densidad de forma efectiva.”
Una analogía sencilla podría ayuda a fijar la idea completa:
Si el contenido es la materia prima de tu estrategia, el Schema Markup es el empaque que garantiza que esa materia prima llegue completa y bien identificada a su destino. Puedes tener el mejor producto del mundo, pero si el empaque confunde al comprador sobre qué es exactamente eso que tiene en las manos, buena parte del valor se pierde en el camino.
Por qué JSON-LD es el formato que conviene usar sin excepción
Existen tres formas distintas de escribir Schema Markup, y esa variedad genera confusión innecesaria dentro de equipos técnicos que apenas se inician en el tema. Microdata y RDFa exigen mezclar ese código directamente dentro del HTML visible de la página, entre etiquetas, atributos y contenido, una tarea que complica el mantenimiento y aumenta el riesgo de error humano cada vez que alguien edita el texto.
JSON-LD funciona de manera distinta y, por eso, se convirtió en el estándar recomendado tanto por Google como por los principales sistemas de inteligencia artificial. Este formato vive separado del contenido visible, dentro de un bloque de código independiente ubicado en el encabezado técnico de la página, sin tocar ni una sola palabra del texto que lee una persona. Esa separación limpia facilita enormemente el trabajo, un desarrollador actualiza el Schema sin riesgo de dañar el diseño, y un redactor edita el contenido sin preocuparse por romper el código estructurado.
David Martínez Mata, director de Posicionamiento de Los Creativos, lo explica con un ejemplo que cualquiera reconoce de inmediato. Imagina que cambias el título de un caso de éxito en tu página, con Microdata o RDFa, ese cambio obliga a meter la mano dentro de un código mezclado con el texto, y un error de un solo carácter puede dañar el diseño completo. Con JSON-LD, tocas el texto por un lado y el código por otro, cada uno en su carril, sin que uno le complique la vida al otro, y el mismo cambio toma segundos, sin dolor de cabeza para nadie.
Un bloque básico de JSON-LD luce así dentro del código de cualquier página,
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "Los Creativos",
"url": "https://loscreativos.co"
}
</script>Sin importar cuál plataforma use tu sitio web, ya sea WordPress, Drupal, Shopify, V-Tex o un desarrollo hecho a la medida, la idea es siempre la misma, agregar bloques como este adaptados a cada tipo de contenido y sin alterar jamás el diseño ni la experiencia visual que ya el equipo construyó con tanto esfuerzo.
Organization Schema traduce la entidad de una marca
Organization schema funciona como la tarjeta de presentación oficial de tu empresa frente a cualquier sistema de inteligencia artificial. Sin este bloque, un modelo de lenguaje intenta adivinar quién eres, a partir de fragmentos sueltos de texto repartidos por tu sitio web, un ejercicio impreciso que casi siempre produce resultados pobres. Con este bloque, le entregas esa información de forma directa, sin dejar espacio para la adivinanza.
Fabio Araujo, director Ejecutivo de Los Creativos, suele contar que, cuando su equipo audita un sitio nuevo por primera vez, encuentra empresas con años de trayectoria completa que jamás implementaron este schema básico, ni siquiera en su página de inicio. Y esa ausencia pesa mucho más de lo que cualquier directivo imagina, porque Organization Schema construye justo la base que conecta cada pieza posterior, un artículo, un caso, una guía, con la marca que los respalda.
Los datos que conviene incluir son concretos, nombre exacto de la empresa, logo, dirección web, descripción breve de la actividad, e información de contacto disponible. Una propiedad merece atención especial, sameAs, un campo que conecta tu Organization Schema con perfiles verificables externos como la página de LinkedIn corporativa, los perfiles en Meta, perfiles en directorios reconocidos del sector o especializados.
Cada enlace ahí funciona como una confirmación cruzada, un modelo de inteligencia artificial gana confianza en tu identidad cuando encuentra la misma información repetida y coherente entre fuentes distintas.
Un bloque básico luce así,
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "Tu Empresa",
"url": "https://tuempresa.com",
"logo": "https://tuempresa.com/logo.png",
"description": "Descripción breve de tu actividad principal",
"sameAs": [
"https://www.linkedin.com/company/tuempresa",
"https://www.wikidata.org/wiki/tu-entidad",
"https://www.facebook.com/tu-entidad"
]
}
</script>Este bloque va ubicado, de preferencia, dentro de cada página del sitio, de preferencia no solo en la página de inicio, un modelo puede llegar a cualquier rincón de tu contenido, y conviene que encuentre tu identidad completa sin importar el punto exacto de entrada.
Article Schema traduce artículos de blog, casos de éxito y todo tipo de contenido editorial
Cada artículo de blog publicado, cada caso de éxito documentado, cada guía publicada o cada informe técnico que se desea ser encontrado, dentro de tu sitio necesita Article Schema, el bloque que le confirma a un modelo de inteligencia artificial que ese texto constituye contenido editorial completo, con autor, fecha y editor humano identificable, jamás una página genérica cualquiera o con una intención distinta.
Juan David Uribe, Director de Estrategia de Los Creativos, conecta este schema con algo que enseña de manera permanente en sus clases de estrategia digital:
“Un sistema de inteligencia artificial prioriza contenido cuando puede rastrear con exactitud quién lo escribió y cuándo, exactamente el mismo principio de credibilidad académica que cualquier revisión de papers exige desde hace décadas por medio de pares académicos, la novedad ahora es que una máquina también aplica ese criterio de origen antes de confiar en un texto.”
Las propiedades centrales de Article Schema incluyen el título exacto de la pieza, la fecha de publicación y, cuando aplica, la fecha de última actualización, un dato que le confirma al sistema si el contenido continúa vigente. La propiedad Author conecta el artículo con un Person Schema propio, tema que desarrollamos más adelante en este mismo artículo, y la propiedad Publisher lo conecta con el Organization Schema de tu empresa, cerrando el círculo completo de quién escribió, para quién trabaja, y desde qué marca habla.
Un caso de éxito documentado se beneficia especialmente de esta estructura. Cuando marcas explícitamente cifras, resultados y el sector del cliente dentro del código, además del texto visible, ayudas al sistema a distinguir ese contenido de una simple descripción de producto, y a reconocerlo como evidencia verificable dentro de tu categoría, exactamente el tipo de señal que la Densidad de Señales busca acumular.
Un bloque básico aplicado a un caso de éxito luce así:
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Article",
"headline": "Cómo la Empresa X redujo sus costos operativos en 30%",
"author": {
"@type": "Person",
"name": "Nombre del Autor"
},
"publisher": {
"@type": "Organization",
"name": "Tu Empresa"
},
"datePublished": "2026-03-15",
"dateModified": "2026-08-01"
}
</script>Actualizar la propiedad dateModified cada vez que revisas o amplías una pieza existente resulta una práctica sencilla, casi olvidada, que envía una señal adicional de vigencia, un contenido que el equipo cuida y mantiene actualizado, jamás una publicación abandonada desde su fecha original.
¿Justifica usar el FAQPage Schema después de los constantes cambios de Google que afectaron las SERPs?
Aquí conviene una pausa honesta, porque circula bastante confusión sobre este schema en particular. En agosto de 2023, Google restringió los resultados enriquecidos de FAQ casi exclusivamente a sitios gubernamentales y de salud reconocidos. El 7 de mayo de 2026, Google eliminó por completo el comportamiento de ese resultado visual, incluso para los sitios de gobierno y salud que todavía conservaban la excepción. El mensaje de fondo detrás de ese cambio es que Google abandonó la práctica de tratar el marcado de FAQPage como una fuente primaria capaz de generar, por sí sola, un resultado especial dentro de la búsqueda, el contenido visible en la página recuperó el protagonismo completo, y el schema pasó a cumplir un rol de apoyo, jamás de protagonista.
Ese anuncio generó una reacción apresurada en algunos equipos de marketing al retirar el schema por completo de sus sitios, asumiendo que perdió su función. Google aclaró, dentro de su propia documentación que un dato estructurado sin uso jamás perjudica a un sitio, y FAQPage continúa siendo un tipo válido dentro del vocabulario de Schema.org.
La compañía confirmó que continúa interpretando ese marcado para entender mejor una página, aunque ya jamás lo use como fuente primaria de despliegue visual, pues motores distintos a Google, como ChatGPT, Claude, Perplexity o los sistemas que construyen sus propias respuestas a partir del contenido rastreado, continúan interpretando esa estructura sin depender de la política visual de Google.
Eddie Vélez Benjumea, especialista de contenidos y SEO de Los Creativos, sintetiza esta temática técnica de la siguiente manera:
“El valor de un buen formato de preguntas y respuestas jamás dependió solo de las SERPs de Google, depende de que ese contenido responda con exactitud una necesidad concreta de la persona, y ese valor de fondo continúa intacto, con o sin resultado enriquecido tradicional.”
El detalle que importa dominar es marcar únicamente contenido que existe de manera visible en la página web, jamás preguntas que no están publicadas solo para sumar código adicional. Google fue explícito sobre este punto, FAQPage jamás debería usarse con fines publicitarios o promocionales, solo en páginas genuinas construidas para responder preguntas verificables de la audiencia.
Un bloque básico luce así:
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [{
"@type": "Question",
"name": "¿Cuánto tiempo toma implementar Schema markup?",
"acceptedAnswer": {
"@type": "Answer",
"text": "La implementación básica de los schemas prioritarios toma entre dos y cuatro semanas, según el tamaño del sitio."
}
}]
}
</script>La recomendación práctica para cualquier equipo de marketing es mantener este schema en páginas con secciones genuinas de preguntas frecuentes, oferta de servicios y productos y contenido educativo extenso, jamás como estrategia de decoración visual dentro de Google, por el contrario, como estructura clara pensada para sistemas conversacionales que continúan leyendo y aprovechando ese formato.
Cómo configurar HowTo Schema y para qué Sirve
HowTo Schema atraviesa una historia parecida a la de FAQPage, con matices propios que conviene aclarar antes de entrar al detalle técnico. Google descontinuó, desde septiembre de 2023, el resultado enriquecido visual de HowTo dentro de sus resultados tradicionales, primero en dispositivos móviles y después en escritorio. El destaque especial con pasos numerados e imágenes, que antes ocupaba espacio considerable dentro de la página de resultados, desapareció por completo.
Ese descarte visual, sin embargo, jamás elimina la utilidad estructural del schema para sistemas de inteligencia artificial. Muchos artículos de blog explican un proceso con prosa suelta, extensa y llena de rodeos. HowTo hace justo lo contrario, ordena esa información en pasos claros, cada uno con su propio texto, su propia imagen si aplica, y su lugar exacto dentro de la secuencia de contenido. Esa claridad ayuda muchísimo a que un modelo conversacional identifique y cite un paso puntual, sin tener que descifrarlo en medio de un párrafo largo cargado de contexto adicional.
Las guías redactadas como pasos numerados y claros, con este marcado detrás, funcionan como material preferido de cualquier sistema conversacional cuando alguien pregunta «cómo hacer» algo puntual dentro de una categoría, precisamente porque el sistema encuentra ahí una secuencia lista para citar, sin trabajo adicional de interpretación.
Configurarlo bien exige tres decisiones concretas.
- Dividir el proceso completo en pasos individuales genuinos, jamás uno solo gigante que mezcla varias acciones distintas.
- Redactar cada paso con un nombre corto y un texto explicativo independiente, capaz de entenderse sin depender del paso anterior.
- Mantener el orden del código exactamente igual al orden visible en la página, cualquier discrepancia ahí confunde al sistema que interpreta la secuencia.
Un bloque básico luce así,
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "HowTo",
"name": "Cómo configurar Organization schema en tu sitio",
"step": [
{
"@type": "HowToStep",
"name": "Identifica los datos básicos",
"text": "Reúne nombre, logo, descripción y enlaces oficiales de tu empresa."
},
{
"@type": "HowToStep",
"name": "Construye el bloque JSON-LD",
"text": "Agrega el código con esos datos dentro del encabezado técnico de tu página."
}
]
}
</script>Priorizar este schema en contenido genuinamente procedimental, guías de implementación, tutoriales, procesos internos que compartes públicamente, construye una fuente de autoridad práctica dentro de tu categoría, exactamente el tipo de evidencia que suma densidad cuando un comprador busca orientación concreta sobre cómo resolver un problema puntual.
Cómo traduce Service Schema una propuesta de valor en una señal comercial?
Service Schema cumple una función que las empresas B2B de esta serie de artículos necesitan dominar con cuidado especial, describir con exactitud qué ofreces, para quién y bajo qué condiciones, en un formato que un sistema de inteligencia artificial reconoce como oferta comercial concreta y no como contenido genérico de un blog de atracción.
Muchos sitios web corporativos describen sus servicios con lenguaje de marketing bonito pero un poco ambiguo, «soluciones integrales para tu empresa» o «acompañamiento estratégico personalizado». Ese lenguaje funciona bien frente a una persona que ya conoce el contexto de la marca, pero deja a un modelo de lenguaje sin datos concretos que citar cuando alguien pregunta, de forma puntual, qué empresa ofrece un servicio específico dentro de una categoría determinada.
Hemos observado este problema seguido en proyectos de consultoría. Empresas completas con años de trayectoria describen su oferta central con tanta elegancia retórica que, al final, un sistema automatizado apenas logra identificar qué venden en realidad. Service Schema obliga a nombrar ese servicio con precisión, Provider conecta la oferta con tu Organization, areaServed define la cobertura geográfica, y serviceType nombra la categoría exacta dentro de la cual compites.
Un bloque básico luce así,
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Service",
"name": "Consultoría en Densidad de Señales",
"provider": {
"@type": "Organization",
"name": "Los Creativos"
},
"areaServed": "Colombia",
"serviceType": "Consultoría de Marketing Digital"
}
</script>Una empresa con varios servicios distintos se beneficia al crear un bloque independiente para cada uno. Se recomienda no usar un solo bloque genérico que intenta cubrir toda la oferta de manera imprecisa. Esa especificidad ayuda a un modelo a distinguir, con exactitud, cuál servicio puntual conviene recomendar frente a una necesidad concreta expresada por un comprador.
Person Schema traduce la vocería de tu equipo en señal de autoridad
La vocería personal de un fundador, un director o un experto técnico construye autoridad que ninguna cuenta corporativa reemplaza. Person Schema convierte esa vocería, ya existente en el mundo real de conferencias, entrevistas y publicaciones, en una entidad legible dentro del código de tu website.
Este schema conecta con Article Schema de manera directa, cuando marcas el autor de un artículo o un caso de éxito, ese autor debería vivir como su propio Person Schema, con nombre completo, cargo, y enlaces hacia perfiles verificables externos, especialmente de LinkedIn. Esa conexión construye lo que la Metodología de Densidad de Señales busca desde el principio, coherencia de identidad entre canales distintos, un sistema encuentra a la misma persona, con la misma información, tanto en tu sitio web como en su perfil profesional público.
Cuando varios artículos de tu blog llevan la firma de la misma persona, correctamente marcada con Person Schema en cada uno, un modelo empieza a reconocer patrón de experiencia acumulada, esta persona escribe con frecuencia sobre este tema puntual, señal que refuerza tanto la autoridad del autor como la de la empresa completa que representa.
Un bloque básico luce así,
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Person",
"name": "Nombre del Experto",
"jobTitle": "Cargo dentro de la empresa",
"worksFor": {
"@type": "Organization",
"name": "Tu Empresa"
},
"sameAs": [
"https://www.linkedin.com/in/perfil-del-experto"
]
}
</script>Priorizar este schema para cada voz relevante dentro de tu organización, fundadores, directores, especialistas técnicos que producen contenido con regularidad, construye una red de entidades personales que refuerzan, de manera conjunta, la entidad institucional completa que representan.
Cómo se conectan todas las señales dentro de un solo grafo de conocimiento coherente
Hasta aquí, cada schema apareció como pieza independiente, Organization por un lado, Article por otro, Person por su cuenta. Existe, sin embargo, una técnica que multiplica el valor de cada pieza cuando se conectan entre sí dentro de un mismo bloque, en vez de dejarlas sueltas y aisladas una de otra.
Esa técnica se llama @graph, un arreglo dentro de JSON-LD que permite agrupar varias entidades relacionadas en un solo bloque de código, con referencias cruzadas entre ellas mediante identificadores únicos, la propiedad @id. En vez qué Article Schema mencione al autor solo por nombre, ese Article puede apuntar directamente hacia el Person Schema completo del autor, que a su vez apunta hacia el Organization Schema de la empresa, construyendo así una red de entidades conectadas que un modelo puede recorrer con exactitud, exactamente igual que caminar entre estantes de una biblioteca bien organizada por temas relacionados.
Un bloque combinado luce así:
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@graph": [
{
"@type": "Organization",
"@id": "https://tuempresa.com/#organization",
"name": "Tu Empresa"
},
{
"@type": "Person",
"@id": "https://tuempresa.com/#autor",
"name": "Nombre del Experto",
"worksFor": { "@id": "https://tuempresa.com/#organization" }
},
{
"@type": "Article",
"headline": "Título del Artículo",
"author": { "@id": "https://tuempresa.com/#autor" },
"publisher": { "@id": "https://tuempresa.com/#organization" }
}
]
}
</script>Cada schema suelto funciona como una carta individual bien escrita, pero un grafo conectado funciona como un expediente completo, donde cada pieza confirma y refuerza a las demás, exactamente el tipo de coherencia que la Densidad de Señales busca construir entre canales.
Validar cada implementación resulta indispensable antes de publicar. Google ofrece su Rich Results Test de forma gratuita, y el validador oficial de Schema.org confirma si la sintaxis quedó correcta según el vocabulario definido. Google Search Console, además, permite monitorear con el tiempo si Google detecta errores nuevos dentro del marcado ya publicado, una revisión que conviene programar con frecuencia regular, jamás como tarea única de una sola vez.
El idioma técnico que sostiene toda la Densidad de Señales
Este artículo recorrió el eslabón técnico que casi ningún equipo de marketing revisa con el cuidado suficiente.
- Organization
- Article
- FAQPage
- HowTo
- Service
- Person
Seis tipos de datos estructurados que traducen la información del negocio, casos de éxito, guías, servicios, vocería de tu equipo, hacia un idioma que un sistema de inteligencia artificial entiende sin margen de duda.
Ningún contenido brillante compensa por completo una traducción técnica ausente o mal implementada. La Metodología de Densidad de Señales construye autoridad a través de evidencia acumulada con constancia, pero esa evidencia exige, siempre, un empaque técnico que la haga legible para la máquina que decide, en última instancia, si tu marca aparece citada o permanece invisible frente a su categoría.
Cada pieza técnica descrita aquí funciona como complemento silencioso de todo el trabajo editorial y de vocería que ya construiste, jamás lo reemplaza, y ninguna estrategia de contenido alcanza su máximo potencial sin este trabajo técnico sostenido detrás.
Los Creativos acompaña la implementación completa de este checklist técnico, integrado dentro de la Metodología de Densidad de Señales para posicionar en la IA que aplicamos en cada proyecto. Si tu empresa construyó contenido valioso que todavía no logra traducción técnica adecuada frente a los motores de inteligencia artificial, hablemos.
Juan David Uribe es profesor universitario, gestor de contenidos y estratega digital con más de 15 años de experiencia en proyectos de innovación y marketing en Colombia, México y España. Administrador Tecnológico y magíster en Ciencia, Tecnología, Sociedad e Innovación, ha sido consultor y líder digital de entidades públicas y privadas como el Área Metropolitana del Valle de Aburrá, la Alcaldía de Medellín y la Universidad Tecnológica de Bolívar. Es consultor experto en la creación de estrategias de captación de leads para universidades, colegios e institutos. También coordina equipos y optimiza operaciones para mejorar la eficiencia en entornos académicos y organizacionales.