Las descripciones generales de IA de Google —es decir, los resúmenes generados automáticamente que aparecen por encima de la lista clásica de resultados— se han convertido para muchas personas usuarias en el primer y, a veces, único contacto con un tema. La organización Algorithmwatch ha analizado cómo estas descripciones presentan la información en el contexto de las elecciones regionales en curso. El resultado: quien se base en ellas para tomar una decisión electoral debería ser prudente. Apenas es posible comprender desde fuera por qué un resumen resulta como resulta.
Para la educación política, este es un tema propio y de peso. Para empresas, asociaciones e instituciones que publican contenidos, sin embargo, la conclusión tiene una segunda cara: la misma opacidad afecta a cada texto especializado, cada descripción de producto y cada sección de servicios que acaba en un resumen de este tipo —o que, precisamente, no acaba en él.
El problema de fondo: resultados sin rendición de cuentas
En la búsqueda clásica al menos se podía observar qué página ocupaba qué posición. La mecánica subyacente nunca fue transparente, pero el resultado era medible y comparable a lo largo del tiempo. Con las descripciones generales generadas, esto cambia. Lo visible es un texto corrido que condensa afirmaciones de varias fuentes. Qué pasaje procede de qué documento, con qué intensidad se ponderó y por qué faltan otras fuentes queda fuera de toda observación.
A ello se suma la inestabilidad: dos preguntas formuladas de manera similar pueden generar resúmenes distintos. Lo que ayer se citaba, mañana ya no aparece. Para las redacciones, esto significa que la retroalimentación habitual entre medida y efecto se debilita.
Tres riesgos para los contenidos propios
- Simplificación excesiva. Las afirmaciones que en el original están sujetas a condiciones pierden fácilmente su contexto en un resumen. De una valoración matizada surge una frase escueta que no pretendía decir eso.
- Desaparición. Los contenidos que encajan temáticamente pero están formulados de manera enrevesada o son estructuralmente inaccesibles pueden sencillamente no tenerse en cuenta, sin que se muestre indicio alguno de ello.
- Falta de visitas. Quien ya obtiene una respuesta por encima de la lista de resultados hace clic con menos frecuencia. El alcance surge entonces en un entorno que no se puede ni diseñar ni medir.
Lo que aun así se puede influir
Nadie tiene acceso a la caja negra en sí. A la calidad y la estructura del propio material, sí. Por eso tiene sentido menos un truco de optimización que una actitud artesanal de fondo.
- Las afirmaciones clave primero. Cada página debería contener su afirmación más importante en una frase clara y completa, no solo tras tres párrafos de preámbulo. Una frase así resiste mejor la simplificación que un pensamiento que se despliega a lo largo de media página.
- Indicar las condiciones. Si un dato solo se aplica a determinados casos, regiones o periodos, debe figurar en la misma frase y no en una nota al pie. Lo que está separado espacialmente puede reutilizarse por separado.
- Estructura de documento limpia. Encabezados significativos, una jerarquía comprensible, párrafos y listas con sentido. Esto ayuda tanto a las personas lectoras como a las evaluaciones automatizadas.
- Mantener datos estructurados. Las marcaciones legibles por máquina para organizaciones, productos, eventos o personas de contacto reducen el margen de interpretación en hechos que son inequívocos.
- Indicar fecha y responsabilidad. Fecha de la última actualización, organismo responsable, fuente de una cifra. Esto aumenta la solidez de los contenidos propios, independientemente de quién los procese después.
- Reforzar los canales propios. Boletines, portales de clientes, contacto directo: donde el buscador se convierte en instancia intermedia, gana valor cada vía de contacto que no pasa por él.
Medir lo que aún es medible
Una mera mirada a las cifras de sesiones se queda corta cuando las respuestas se producen fuera del propio sitio web. Lo práctico es una combinación: observar las consultas de búsqueda y las impresiones en relación con las visitas reales, revisar manualmente de forma periódica un conjunto fijo de preguntas temáticamente centrales y documentar cómo resulta el resumen y si se menciona la propia página. Esto no sustituye una estadística sólida, pero hace que los cambios se perciban.
Igualmente importante es un proceso interno para el caso de que un resumen reproduzca erróneamente una afirmación propia: quién lo detecta, quién lo comprueba, quién corrige en su caso el texto de origen. En temas sensibles —precios, plazos, indicaciones legales, información de seguridad— esta cuestión no es académica.
Mantener el realismo
La conclusión de Algorithmwatch se refiere a un caso de aplicación políticamente especialmente delicado. De ello no puede deducirse que las descripciones generales generadas sean fundamentalmente inútiles. Pero muestra que ha surgido una capa central de información cuyo funcionamiento no es verificable desde fuera, y que procede contenerse allí donde la exactitud importa.
Para proyectos web y de software, esto significa sobre todo: los contenidos no son un apéndice de la técnica, sino el material con el que terceros construyen respuestas. Quien se toma en serio los procesos editoriales, la estructuración y el mantenimiento de datos en el sistema de gestión de contenidos se vuelve más independiente de cómo resuma en cada momento una plataforma concreta.
Y quien desarrolla sus propias vías de contacto con clientas y clientes, traslada una parte del alcance de vuelta allí donde sigue siendo configurable.