EntityMap para SEO en búsquedas con IA: ¿disciplina útil o archivo mágico?

Los SEOs deberíamos desconfiar cada vez que aparece un nuevo archivo en la raíz del sitio con la palabra IA alrededor.

Ya vimos este patrón varias veces. Aparece un archivo. Un grupo pequeño lo presenta como una forma de ayudar a las máquinas. Después el mercado lo convierte en atajo: publica este archivo, gana visibilidad, consigue más citas, alimenta a los LLMs.

Ahí es donde EntityMap puede salir mal.

La razón interesante para tomarlo en serio viene del texto de Sylvain Deaure sobre por qué publicó uno para 1492.Vision. El gancho no es que haya creído ciegamente en otro archivo para IA. Es casi lo contrario: empezó desde una posición escéptica. Desconfiaba de llms.txt, de las copias en markdown para bots y de los datos estructurados que prometen más de lo que la página visible puede sostener.

Su objeción era correcta: los motores de búsqueda y los LLMs pueden leer HTML, los archivos separados para máquinas pueden terminar siendo superficies de spam, y cualquier afirmación machine-readable debería poder verificarse contra contenido visible.

Entonces, ¿por qué publicar un EntityMap?

Porque la versión útil no intenta reemplazar al sitio. Declara la estructura que soporta al sitio: entidades, predicados, relaciones y evidencia vinculada a URLs reales.

Para SEO en búsquedas con IA, la pregunta no es "¿podemos agregar otro archivo?". La pregunta es "¿podemos hacer explícito, verificable y basado en evidencia el modelo de entidades del sitio?".

Qué declara realmente EntityMap

EntityMap v1.0 es un índice estructurado a nivel de sitio. El patrón básico de publicación es simple:

• entitymap.json en la raíz del sitio.
• entitymap.html como companion legible para humanos.

El formato se organiza alrededor de cinco piezas:

• Entidades.
• Relaciones.
• Fragmentos de evidencia.
• Atribución.
• Estado de verificación.

En lenguaje simple, EntityMap le dice a una máquina:

• Estas son las entidades principales que declara este sitio.
• Estas son las relaciones entre esas entidades.
• Estas son las URLs que respaldan las afirmaciones.
• Este es el publicador de la declaración.
• Este es el estado de verificación de la declaración.

Por eso "sitemap semántico" es una buena forma de pensarlo. Un sitemap normal apunta a URLs. EntityMap apunta al modelo de entidades que hay detrás de esas URLs.

No debería copiar todas las páginas. No debería convertirse en una segunda versión del sitio. No debería inventar afirmaciones que el contenido visible no puede respaldar.

El trabajo difícil es decidir qué entra: entidades de marca y organización, personas, servicios, productos, clusters temáticos, predicados, relaciones, URLs de evidencia y los fragmentos que respaldan cada claim.

Si el equipo no puede ponerse de acuerdo sobre esas piezas, generar el archivo es prematuro.

El ejemplo de 1492.Vision lo vuelve concreto

El paquete de fuentes de este artículo verificó una implementación real en 1492.Vision. Ambas URLs respondieron HTTP 200 durante la revisión del 22 de junio de 2026:

• https://1492.vision/entitymap.json
• https://1492.vision/entitymap.html

El archivo JSON incluía estos valores:

Eso importa por dos razones.

Primero, el ejemplo está vivo y se puede inspeccionar. No estamos hablando solamente de una página de especificación. Hay un JSON real y un HTML companion que cualquier SEO puede revisar.

Segundo, el verificationStatus es honesto. El archivo está marcado como self-declared. Eso significa que 1492.Vision publica su propia declaración de entidades. No significa que un asistente de IA, un motor de búsqueda o un certificador independiente haya validado cada afirmación.

Ese estado debería cambiar cómo leemos el archivo. Úsalo como evidencia para inspeccionar, no como prueba definitiva.

EntityMap no es schema, llms.txt ni un sitemap

EntityMap se vuelve más fácil de evaluar cuando lo separamos de herramientas parecidas.

La comparación con schema es especialmente importante.

Ahrefs analizó 1,885 páginas que agregaron JSON-LD y no encontró un aumento importante de citas en Google AI Overviews, AI Mode o ChatGPT. Ese dato sirve porque mide resultados, no solo una teoría.

También tiene límites. Críticos como Mark Williams-Cook y Gianluca Fiorelli señalaron que la prueba no debería estirarse hasta decir "todas las declaraciones estructuradas son inútiles". Probó una intervención específica de schema en páginas que ya estaban siendo citadas.

La lectura sobria es simple:

Schema no debería venderse como una palanca directa de citas en IA. EntityMap tampoco.

EntityMap promete otra cosa. Centraliza entidades, relaciones y evidencia a nivel de sitio. Eso puede ayudar en recuperación y revisión. Y, como mínimo, ayuda al equipo a auditar si el sitio puede sostener sus propias afirmaciones.

El valor real: disciplina de entidades

La mayoría de los sitios no tienen un problema de archivo de entidades. Tienen un problema de alineación de entidades.

La página de servicio usa una frase. El caso de estudio prueba algo más fuerte, pero está enterrado. La bio del autor tiene señales de confianza que nunca se conectan con el artículo. Los enlaces internos conectan por plantilla, no por significado. El schema repite hechos que la página visible apenas respalda.

EntityMap hace que esas grietas sean más fáciles de ver.

Para escribir un archivo útil, el equipo tiene que decidir:

• ¿Qué entidades importan más?
• ¿Qué relaciones vale la pena declarar?
• ¿Qué afirmaciones se pueden probar?
• ¿Qué URLs respaldan cada afirmación?
• ¿Qué declaraciones deberían eliminarse porque el sitio no puede sostenerlas?

Por eso el ejercicio tiene valor incluso antes de que un sistema de IA lea el archivo.

Un EntityMap débil no es solamente un archivo débil. Es un diagnóstico de la estrategia de entidades del sitio.

El mejor resultado puede ser una lista de páginas que hay que arreglar:

• Reescribir una página de servicio para que respalde la entidad declarada.
• Agregar enlaces internos desde activos de prueba hacia páginas de servicio.
• Limpiar schema para que coincida con hechos visibles.
• Fortalecer señales de autor y organización.
• Quitar claims vagos que el negocio no puede probar.

Eso sí es trabajo SEO real. Conecta directamente con la misma disciplina que hay detrás de AI SEO, auditorías de AI SEO y sistemas de contenido técnico que tienen que ser legibles para personas y máquinas.

El framework de SEOFrancisco: declarar, evidenciar, alinear, probar

Declarar

Empieza por el modelo de entidades, no por el archivo.

Lista las entidades que el sitio puede defender:

• Organización.
• Personas.
• Servicios.
• Productos.
• Herramientas.
• Casos de estudio.
• Temas.

Después define predicados y relaciones en lenguaje simple. ¿Por qué es conocida la marca? ¿Qué persona se conecta con qué servicio? ¿Qué caso de estudio prueba qué capacidad? ¿Qué cluster temático sostiene qué oferta?

Si el equipo no puede explicarlo en un documento, el JSON debería esperar.

Evidenciar

Cada afirmación declarada necesita una URL fuente.

La evidencia debería ser visible en la página. Puede incluir copy de servicios, encabezados, bios de autor, casos de estudio, citas, páginas de producto, páginas de herramientas o schema que coincide con el contenido.

EntityMap debería apuntar a evidencia. No debería crear evidencia.

La pregunta de auditoría es directa: si una afirmación no tiene una página visible que la sostenga, ¿por qué está en la declaración?

Alinear

La historia de entidades tiene que coincidir en todo el sitio.

Revisa estas capas:

• Copy de página.
• Encabezados.
• Enlaces internos.
• Bios de autor.
• Schema de organización y persona.
• Casos de estudio.
• Navegación y footer.
• entitymap.json.
• entitymap.html.

Si esas capas se contradicen, arregla el sitio antes de tratar el EntityMap como listo para publicar.

Aquí es donde EntityMap se conecta con fundamentos normales de SEO: arquitectura de información, enlaces internos, higiene de schema y contenido basado en prueba.

Probar

Publicar no es la línea final.

Comprueba si el archivo mejora la comprensión:

• Pide a un LLM que resuma el negocio usando solo el EntityMap.
• Pregunta a asistentes de IA en vivo sobre la marca y sus categorías de servicio antes y después de publicarlo.
• Revisa logs del servidor para detectar requests a entitymap.json y entitymap.html.
• Compara las respuestas de IA contra las URLs fuente.
• Mide citas, menciones y precisión de respuestas durante varias semanas.

El objetivo no es probar que el archivo existe. El objetivo es ver si las máquinas describen la marca con más precisión y menos invención.

Matriz de decisión para EntityMap

Cómo lo probaría en un sitio real

Este es el SOP que usaría para un sitio de cliente.

1. Guardar una línea base de respuestas actuales de IA para la marca, servicios principales, personas clave y preguntas de categoría.
2. Crawlear el sitio y listar entidades candidatas desde páginas visibles.
3. Elegir las entidades que el negocio puede defender con prueba.
4. Mapear cada afirmación a una URL fuente y una sección de página.
5. Eliminar claims que no tengan evidencia visible.
6. Alinear copy, enlaces internos, schema, bios de autor y enlaces a casos de estudio.
7. Generar entitymap.json.
8. Generar el companion entitymap.html.
9. Publicar ambos archivos en la raíz.
10. Agregar señales de descubrimiento según la especificación, como un head link hacia el JSON cuando tenga sentido, inclusión del HTML companion en el sitemap y un enlace en el footer si encaja con el sitio.
11. Validar los archivos.
12. Pedir a un modelo que resuma el negocio usando solo el EntityMap.
13. Hacer otra vez las mismas preguntas de línea base a asistentes en vivo.
14. Revisar logs para ver fetches del archivo.
15. Comparar precisión, citas e invenciones durante varias semanas.

La prueba rápida más útil es sencilla: dale el archivo a un modelo sin otro contexto y pídele que explique el negocio.

Si la respuesta es vaga, el archivo es vago. Si la respuesta inventa claims que el sitio no prueba, el archivo está demasiado suelto. Si la respuesta es precisa y consciente de la evidencia, la declaración está haciendo su primer trabajo.

Dónde los SEOs pueden exagerar esto

EntityMap puede ser útil y aun así ser fácil de vender de más.

Evita estas afirmaciones:

• EntityMap garantiza citas en ChatGPT.
• EntityMap garantiza inclusión en Google AI Overviews.
• EntityMap reescribe lo que un modelo ya aprendió.
• EntityMap reemplaza schema.
• EntityMap reemplaza contenido y enlaces internos.
• EntityMap está adoptado por un sistema de IA específico solo porque el archivo es descubrible.

Las fuentes respaldan una afirmación más limitada:

EntityMap le da al sitio una declaración compacta e inspeccionable de entidades y evidencia. Si un sistema de recuperación la lee, el archivo puede aportar contexto. Si ningún sistema lo lee, el proceso todavía puede mejorar la alineación de entidades del sitio.

Esa es una afirmación útil. También es una afirmación que se puede probar.

Es el mismo estándar que usaría para cualquier táctica de visibilidad en IA. El prompt tracking por sí solo es evidencia débil. Lo expliqué en herramientas de visibilidad de IA. Las capturas de rendering de JavaScript por sí solas también son evidencia débil, por eso importan los logs del servidor en asistentes de IA y rendering de JavaScript. EntityMap debería pasar por la misma vara: inspeccionar, desplegar, monitorear y comparar.

¿Deberías publicar uno?

Publica un EntityMap si puedes tratarlo como un entregable de auditoría.

Eso significa que estás dispuesto a:

• Quitar afirmaciones sin soporte.
• Arreglar páginas de evidencia débiles.
• Alinear schema con hechos visibles.
• Fortalecer enlaces internos.
• Monitorear logs y calidad de respuestas después del lanzamiento.

No publiques uno porque un proveedor dice que te va a conseguir citas en sistemas de IA.

Para SEOFrancisco, la mirada práctica es esta:

EntityMap no es un atajo hacia la búsqueda con IA. Es una forma de hacer que tu estrategia de entidades sea más difícil de fingir.

Eso ya es razón suficiente para probarlo en el sitio correcto.

FAQ

¿EntityMap garantiza citas en ChatGPT o AI Overviews?

No. EntityMap puede ofrecer una declaración compacta de entidades y evidencia. No garantiza citas, rankings ni inclusión en respuestas de IA.

¿EntityMap duplica el contenido del sitio?

No. Se centra en entidades, relaciones, fragmentos de evidencia, atribución y estado de verificación. Debería apuntar a páginas fuente en vez de copiar páginas completas.

¿Qué es el companion HTML de EntityMap?

Es el archivo legible para humanos, entitymap.html, que acompaña a entitymap.json. Ayuda a revisar la declaración sin leer JSON crudo.

¿Quién certifica las afirmaciones en un EntityMap?

Los archivos pueden ser self-declared. El archivo vivo de 1492.Vision revisado para este artículo usaba verificationStatus: self-declared, así que conviene leerlo como evidencia declarada por el publicador, no como certificación independiente.

¿EntityMap es lo mismo que schema?

No. Schema marca hechos a nivel de página. EntityMap declara un modelo de entidades y evidencia a nivel de sitio. Una buena implementación debería hacer que ambas capas coincidan con el contenido visible.

¿EntityMap es lo mismo que llms.txt?

No. llms.txt suele presentarse como guía de fuentes para consumidores LLM. EntityMap es una declaración estructurada de entidades, relaciones y evidencia.

¿Qué debería probar después de publicarlo?

Accesibilidad del archivo, visibilidad del companion HTML, resúmenes LLM usando solo el archivo, respuestas de asistentes en vivo antes y después del lanzamiento, fetches en logs del servidor y si las respuestas de IA usan páginas reales en vez de inventar claims.

¿Sirve para sitios pequeños?

Los sitios pequeños pueden usar el ejercicio si tienen entidades claras y páginas de prueba. Si el sitio es fino, empieza por mejorar las páginas que deberían sostener la declaración.

About the Author