Un currículum público aporta pistas sobre la conexión entre los datos de Google y sus respuestas con inteligencia artificial. El hallazgo ayuda a entender esa infraestructura, pero no revela una fórmula para aparecer en ella.
Un currículum abre una ventana al buscador de Google
¿De dónde sale la información que Google convierte en una respuesta con inteligencia artificial? La pregunta importa tanto a quienes consultan el buscador como a quienes publican el contenido que lo alimenta.
Un análisis publicado por Natzir Turrado el 27 de octubre de 2026 parte de una pista inesperada: el currículum público de un antiguo becario de Google. El documento menciona el Query Result Service (QRS) y un servicio de textualización de conocimiento estructurado.
Turrado contrasta esas referencias con perfiles profesionales, documentos judiciales y nombres presentes en el código público de Google Earth Web. Su investigación aporta indicios sobre cómo se conectan distintas piezas de la búsqueda con IA, aunque no equivale a una descripción oficial y completa de su arquitectura.
Qué significa convertir datos en texto
La textualización consiste en expresar información estructurada mediante lenguaje natural. Para entenderla, imaginemos una ficha con tres campos: nombre de un museo, ciudad y año de inauguración. Esa información puede transformarse en una frase que reúna los tres datos.
El ejemplo es ilustrativo: no reproduce una respuesta interna de Google. Lo relevante es la diferencia entre recuperar un dato y redactar una respuesta a partir de él. Son operaciones distintas, aunque el usuario vea únicamente el resultado final.
Según el análisis de Turrado, el QRS participa en la distribución de resultados y la textualización permite incorporar conocimiento estructurado a las respuestas generadas. Las cifras de mejora que aparecen en el currículum no cuentan con verificación independiente.
Lo que Google sí ha explicado sobre AI Mode
La conexión entre búsqueda e información estructurada no depende únicamente de estas pistas. Google ya explicó, al presentar AI Mode, que el sistema combina capacidades de sus modelos con contenido web, información del Knowledge Graph y datos de productos.
También describió una técnica llamada query fan-out: descomponer una consulta en búsquedas relacionadas, consultar distintas fuentes y reunir los resultados para elaborar una respuesta.
Esto ayuda a entender por qué una pregunta aparentemente sencilla puede requerir varias consultas. Comparar dos productos, por ejemplo, exige localizar características, resolver diferencias entre versiones y seleccionar información pertinente para lo que quiere saber el usuario.
Datos estructurados y schema no son lo mismo
En esta conversación conviene separar dos conceptos. Una cosa es el conocimiento estructurado que maneja un buscador. Otra es el marcado schema.org que una página incorpora para describir su contenido.
Confundir ambos lleva a una conclusión equivocada: pensar que añadir etiquetas a una web asegura su presencia en las respuestas de IA.
Google afirma que no exige un marcado especial para aparecer en AI Overviews o AI Mode. Para que una página pueda mostrarse como enlace de apoyo, debe estar indexada y ser apta para aparecer en el buscador con un fragmento de texto. Cumplir estas condiciones tampoco garantiza que vaya a ser seleccionada.
Qué pueden hacer los medios y las marcas
Las recomendaciones oficiales mantienen el foco en los fundamentos del SEO: permitir el rastreo, facilitar el descubrimiento del contenido mediante enlaces internos y publicar información útil y fiable.
Si se utilizan datos estructurados, deben coincidir con el contenido visible. Google también recomienda mantener actualizada la información de Business Profile y Merchant Center cuando corresponda.
Para una redacción, la aplicación práctica es revisar la calidad de los datos que publica: identificar las fuentes, explicar el contexto y corregir información desactualizada. Una etiqueta técnica no resuelve una fecha errónea ni una afirmación sin respaldo.
Una respuesta apoyada en datos también puede fallar
Consultar fuentes externas permite apoyar la generación en información recuperada. Pero no convierte automáticamente cada respuesta en un hecho comprobado. Google reconoce que sus sistemas de IA pueden equivocarse.
Por eso conviene distinguir entre que un dato tenga una procedencia identificable y que sea correcto para la pregunta concreta. Un horario puede corresponder a otra temporada; un precio, a otra versión del producto. Son ejemplos de por qué el contexto importa tanto como el dato.
Tampoco puede deducirse de estas pistas técnicas una garantía general sobre privacidad o entrenamiento. Saber cómo se prepara información para una respuesta no basta para establecer todos los usos que un sistema permite o restringe.
La pregunta pendiente: cómo comprobar lo que responde la IA
Para el lector, la cuestión decisiva es poder comprobar la información: de dónde procede, cuándo se actualizó y si responde realmente a su consulta.
Para quienes publican, el reto es ofrecer contenido que merezca ser utilizado como referencia. Esta investigación invita a entender mejor la relación entre búsqueda y generación de texto, sin convertir una pieza de infraestructura en una nueva promesa de visibilidad garantizada.
Fuentes consultadas
- Natzir Turrado: análisis sobre QRS, textualización y datos estructurados en la IA de Google.
- Google Search Central: funciones de IA y requisitos para sitios web.
- Google: presentación de AI Mode y explicación de sus fuentes de información.
Sombra Radio · Apoyo de lectores
Ayuda a mantener viva Sombra Radio
Tu aportación voluntaria nos ayuda a seguir publicando sobre IA. Puedes apoyarnos desde 1 € al mes.
