El lanzamiento de «Personal intelligence» por parte de Google el pasado 22 de enero de 2026 ha marcado un punto de inflexión en la estrategia digital. Esta nueva función, que integra a Gemini con Gmail y Photos para ofrecer respuestas personalizadas, confirma la validez de la trinidad algorítmica: un marco de trabajo desarrollado durante una década por Jason Barnard, director ejecutivo de Kalicube y estratega digital que acuñó el término «Answer Engine Optimization» en 2018.
El problema de las soluciones parciales
Barnard sostiene que las disciplinas actuales son incompletas. Mientras que el SEO tradicional se enfoca en las clasificaciones de los motores de búsqueda, el GEO (Generative Engine Optimization) se centra exclusivamente en la visibilidad dentro de los modelos de lenguaje.
Según el experto, optimizar solo para uno de estos campos es como intentar sentarse en un taburete de tres patas al que le faltan dos. La IA moderna, como ChatGPT, Perplexity o el modo IA de Google, extrae información simultáneamente de tres sistemas interconectados.
La Trinidad Algorítmica
El marco de la trinidad algorítmica identifica los tres pilares que sustentan a los asistentes de IA actuales:
Motores de búsqueda: Donde los sistemas de IA descubren y clasifican la información sobre una marca.
Modelos de lenguaje extenso (LLM): La tecnología que sintetiza y presenta el contenido.
Gráficos de conocimiento: El componente que permite a la IA entender si una marca es una entidad distinta, verificada y confiable.
Cuando Gemini sugiere, por ejemplo, un restaurante basándose en un correo de confirmación de vuelo, utiliza estos tres sistemas a la vez para identificar qué entidades son negocios gastronómicos y generar una recomendación coherente.
Del ZMOT al momento de suma cero en la IA
En 2011, Google introdujo el «Zero Moment Of Truth» (ZMOT) para describir cómo los consumidores investigan antes de comprar. Barnard argumenta que este concepto ha evolucionado. En 2023, propuso el «Momento de Suma Cero en la IA», el punto crítico donde un asistente recomienda una única solución.
En este escenario, no hay una lista de opciones; solo hay una respuesta. Si una IA no recomienda una marca, no es necesariamente por falta de calidad, sino porque el algoritmo no confía lo suficiente en ella para arriesgar su propia credibilidad.
AIEO: La disciplina del presente y el futuro
Para abordar esta realidad, Barnard introduce la optimización de motores de asistencia de IA (AIEO). Esta disciplina integral abarca tanto el SEO como el GEO, pero añade la capa vital del gráfico de conocimiento. El objetivo es que la IA comprenda, confíe y, finalmente, recomiende la marca.
La evolución no se detiene aquí. Con la llegada de la «Personal intelligence», Barnard predice que en los próximos 18 meses pasaremos de motores que recomiendan a agentes que actúan. Esta nueva fase, denominada AAO (AI Assistive Agent Optimization), preparará a las empresas para un mundo donde la IA tomará decisiones autónomas, como reservar hoteles o comprar productos sin intervención humana directa.
Un historial de visión estratégica
La trayectoria de Barnard ha sido respaldada por figuras clave de la industria. John Mueller, de Google, ha reconocido su visión profunda sobre los paneles de conocimiento, mientras que Fabrice Canel, de Microsoft Bing, ha avalado su metodología para mejorar la visibilidad en la era de la IA.
Con inversiones que alcanzan cifras significativas en infraestructura de IA, la validación de este modelo subraya que la claridad de los datos y la autoridad de la entidad son los activos más valiosos para cualquier marca en 2026.
Fuente: EIN Presswire
