La mayor parte de la ansiedad sobre la detección de contenido de IA de Google está fuera de lugar. Google nunca ha dicho que el texto producido con un modelo vaya en contra de las reglas. Lo que ha dicho, repetidamente y en un lenguaje sencillo, es que el contenido creado principalmente para manipular las clasificaciones va en contra de las reglas, y que el método de producción es irrelevante. La pregunta que los sistemas intentan responder no es quién escribió las palabras. Es si alguien necesitaba la página.
Esa distinción cambia lo que debería preocuparle. Los equipos pasan semanas pasando borradores por herramientas de clasificación, reescribiendo oraciones hasta que una puntuación cae por debajo de cierto umbral, y luego publican algo que sigue siendo pobre, que sigue estando duplicado en sustancia en cuarenta competidores y que no aparece en ninguna parte. Vemos este patrón constantemente en las auditorías. La puntuación del detector se movió. Nada más lo hizo. El trabajo útil está aguas arriba: decidir qué sabe la página que otras páginas no saben y mantener ese conocimiento en el borrador.
En qué se basa realmente la detección de contenido de IA de Google
La posición pública de Google es que utiliza señales de calidad en lugar de un veredicto binario de máquina o humano. Eso es consistente con lo que observamos. Las páginas que pierden visibilidad después de una actualización principal rara vez comparten una herramienta de escritura. Comparten rasgos estructurales: sin datos originales, sin capturas de pantalla del producto, sin un autor nombrado con antecedentes verificables, un ritmo de publicación que aumenta de cuatro publicaciones al mes a cuatrocientas, y un gráfico de enlaces internos donde las nuevas páginas solo se conectan entre sí. Cualquiera de ellos es sobrevivible. Juntos describen un sitio que comenzó a producir páginas más rápido de lo que podía producir razones para que esas páginas existieran.
Qué tiende a ser recompensado
Las páginas que se mantienen en nuestras cuentas comparten un pequeño conjunto de propiedades, y ninguna de ellas tiene que ver con el método de redacción. Contienen algo que el modelo no podría haber sabido: un número de su propio sistema de facturación, un error que envió y corrigió, una captura de pantalla de un panel de configuración tal como se ve este trimestre, una cita de una llamada de cliente. Están vinculadas a una entidad real con una página sobre nosotros, una dirección y una historia. Se actualizan cuando los hechos subyacentes cambian en lugar de en un horario de rotación.
- Evidencia de primera mano: sus propias capturas de pantalla, exportaciones, resultados de pruebas o anécdotas de clientes, no ilustraciones de stock.
- Un autor nombrado con una huella profesional real, acreditado en la página y consistente en todo el sitio.
- Alcance específico: una página que responde a una pregunta por completo supera a un centro que hace gestos a diez.
- Mantenimiento: un historial de revisiones visible importa más que la fecha de publicación original.
- Moderación en el volumen: la tasa de publicación debe seguir el número de preguntas genuinas que puede responder.
Qué tiende a ser filtrado
El modo de falla más claro es el abuso de contenido a escala, y es más fácil caer en él de lo que la gente espera. No requiere mala intención. Un equipo construye una plantilla, la apunta a una hoja de cálculo de nombres de ciudades o comparaciones de software, y genera varios cientos de páginas que solo difieren en el sustantivo. Cada página es gramatical. Ninguna de ellas fue escrita porque alguien tuviera algo que decir sobre esa ciudad o esa comparación. Estas se filtran como grupo, razón por la cual la pérdida de tráfico generalmente parece un acantilado en lugar de una pendiente.
El segundo modo de falla es más silencioso: preciso pero innecesario. Un modelo puede producir una explicación competente de lo que es un mapa del sitio. También pueden hacerlo las cincuenta páginas que ya están clasificadas para ello. Publicar otra no añade nada al índice, y con el tiempo un sitio hecho principalmente de tales páginas desarrolla una señal de calidad general débil que arrastra hacia abajo al puñado de páginas que sí merecen clasificar.
Un flujo de trabajo que sobrevive al escrutinio
Use el modelo donde sea genuinamente fuerte y mantenga a las personas donde está el valor. Los modelos son buenos en la estructura, en los borradores iniciales de pasajes cuya forma ya conoce, en la reescritura para la consistencia, en la generación de variaciones para probar y en la síntesis de la investigación que ha reunido. Son pobres para saber qué afirmaciones son ciertas, para juzgar lo que su audiencia ya entiende y para decidir si una página debería existir. Mantenga esas tres decisiones con un humano y la pregunta de detección de contenido de IA de Google deja de ser un riesgo que usted gestiona y se convierte en un no-problema.
Prácticamente, eso significa que el resumen lleva la sustancia. Antes de redactar, escriba la afirmación específica que hace la página, la evidencia detrás de ella, para quién es y qué debería poder hacer el lector después. Si no puede completar esas cuatro líneas, la página no está lista, y ninguna cantidad de redacción lo arreglará. Después de redactar, un experto en la materia edita para verificar la precisión y agrega las cosas que solo ellos saben. Ese paso de edición es donde la página gana su lugar.
Medirlo honestamente
Realice un seguimiento de los resultados que indican que una página valía la pena publicar en lugar de los que halagan el volumen. Observe la proporción de páginas indexadas que reciben clics en un período de noventa días: en sitios saludables esto es alto, y en sitios con un problema de escala colapsa. Si un lote de páginas muestra impresiones pero no clics durante varios meses, ese es el sistema diciéndole que ha visto la página y ha decidido en contra de ella. Pode o reconstruya esas, y deje de preguntar qué piensa un detector.
Siga leyendo: Optimización de IA
Servicio relacionado: Optimización con IA