Google AI Overviews en 2026: cómo aparecer y qué mide realmente tu marca ahora

TL;DR

Los Google AI Overviews son los bloques de respuesta generados por IA que Google muestra en la parte superior de la SERP, construidos a partir de pasajes concretos de páginas web que el sistema selecciona y cita como fuentes. En 2026 ya no son un experimento: aparecen en una parte muy relevante de las búsquedas informacionales, reducen el CTR de la primera posición orgánica de forma medible y, al mismo tiempo, envían tráfico que convierte mejor. Aparecer en ellos no depende de un truco nuevo, sino de tres cosas: tener contenido que resuelva de forma extractable, ser una entidad reconocible para Google y publicar datos que nadie más tenga. En Digitalvar, tras acompañar a decenas de pymes y ecommerces en la transición de la búsqueda clásica a la búsqueda generativa, lo que vemos es que la mitad del trabajo es de contenido y la otra mitad es de medición: sin un cuadro de mando adaptado, no sabes si estás ganando o perdiendo.

Este artículo es la guía completa que nos hubiera gustado tener a finales de 2024: qué fuentes cita Google, cómo se escribe un pasaje que un modelo puede extraer, qué schema sirve y cuál es teatro, cómo montar la medición con Search Console y herramientas de tracking, qué KPIs sustituyen al tráfico cuando el clic desaparece, y qué tácticas de las que circulan por LinkedIn no funcionan. Con tablas, un caso real anonimizado y un roadmap de 90 días.

¿Qué son exactamente los Google AI Overviews y en qué se diferencian de AI Mode?

Un AI Overview es un resumen generado por un modelo de lenguaje que Google inserta por encima (o intercalado entre) los resultados orgánicos tradicionales, acompañado de enlaces a las páginas que han servido de fuente. No es un featured snippet ampliado, aunque a mucha gente se lo parezca: el featured snippet extrae literalmente un fragmento de una única página, mientras que el AI Overview sintetiza varias fuentes en un texto nuevo que no existe en ninguna de ellas. Esa diferencia, que suena académica, tiene una consecuencia práctica enorme: en un featured snippet compites por ser la página; en un AI Overview compites por ser una de las páginas cuyo pasaje merece entrar en la síntesis.

AI Mode es otra cosa, aunque comparte infraestructura. Es una experiencia conversacional completa dentro de Google, más parecida a ChatGPT o Perplexity que a una SERP: el usuario pregunta, obtiene una respuesta larga con citas, y puede seguir preguntando sin volver a la lista de diez enlaces azules. Los AI Overviews viven dentro de la SERP clásica; AI Mode sustituye la SERP clásica. Para tu marca, la buena noticia es que los mecanismos de selección de fuentes son primos hermanos: lo que te hace citable en un AI Overview te hace citable en AI Mode, y en buena medida también en ChatGPT con navegación o en Perplexity. La mala noticia es que en AI Mode el clic es todavía menos probable.

Hay un tercer matiz que se ignora demasiado y que en agencia nos ha costado explicar más de una vez: los AI Overviews no se disparan igual en todas las consultas. Son mucho más frecuentes en búsquedas informacionales largas, comparativas, de definición o de “cómo hacer X”, y bastante menos frecuentes en consultas transaccionales puras, navegacionales o locales con intención de visita inmediata. Si tu negocio vive de “comprar [producto] online” o de “[servicio] en [ciudad]”, el impacto de Google AI Overviews 2026 sobre tu tráfico será notablemente menor que el de un medio o un blog de contenidos. Antes de entrar en pánico, mira la composición real de tu perfil de consultas. Nosotros empezamos siempre por ahí, porque la mitad de los clientes que nos escriben asustados descubren que el 70% de su tráfico viene de consultas donde el AI Overview casi nunca aparece.

¿Cuánto ha caído realmente el CTR orgánico con los AI Overviews en 2026?

La cifra más citada, y probablemente la más sólida metodológicamente, viene del análisis de Ahrefs sobre 300.000 keywords: la presencia de un AI Overview se correlaciona con un CTR un 34,5% inferior para la página que ocupa la primera posición orgánica. Actualizaciones posteriores del mismo equipo han llegado a medir caídas de hasta el 58% en posición uno para determinados clusters de consultas informacionales. Puedes leer el análisis original en el estudio de Ahrefs sobre AI Overviews y clics, y una recopilación crítica de estudios contradictorios en Search Engine Land.

Ahora la parte incómoda, la que casi nadie cuenta en los carruseles de LinkedIn: los estudios no coinciden. Semrush, cruzando datos de panel con Datos y siguiendo las mismas keywords antes y después de que empezaran a mostrar AI Overview, encontró que la tasa de cero clics bajaba ligeramente (de ~33,7% a ~31,5%) en más de 10 millones de términos rastreados. ¿Cómo puede ser que un estudio diga “cae un 34%” y otro diga “mejora un poco”? Porque miden cosas distintas: uno compara SERPs con y sin AI Overviews (sesgo de selección: las consultas que activan AI Overviews son estructuralmente más informacionales y de menor clic), y el otro compara la misma consulta en dos momentos. La lectura honesta es que el AI Overview reduce el clic en consultas informacionales, pero parte de la caída ya estaba ahí antes por la naturaleza de esas consultas.

Y hay un tercer dato que cambia la conversación: el tráfico que sí llega desde superficies de IA convierte mucho mejor. Ahrefs habla de visitantes de búsqueda con IA que convierten hasta 23 veces más que el visitante orgánico medio; Semrush cifra el multiplicador en torno a 4,4x. Los números concretos varían según la muestra y el modelo de atribución, pero la dirección es consistente en todo lo que medimos nosotros en cuentas reales: menos sesiones, sesiones más cualificadas. El propio Google lo dice en su documentación: los clics que salen de una SERP con AI Overview tienden a ser de mayor calidad. En Digitalvar hemos visto ecommerces perder un 25% de sesiones orgánicas y mantener plano el revenue orgánico durante el mismo trimestre. Doloroso para el dashboard de tráfico, irrelevante para la cuenta de resultados. Y ese es exactamente el reencuadre que hay que hacer con Google AI Overviews 2026: dejar de optimizar sesiones y empezar a optimizar demanda cualificada.

¿Qué fuentes cita Google en los AI Overviews y por qué?

La pregunta del millón. Google no publica el algoritmo de selección de fuentes, pero sí ha publicado suficiente documentación y hay suficiente evidencia empírica agregada como para trazar un mapa razonable. En lo que hemos observado auditando cientos de AI Overviews para clientes en España, hay cuatro señales que aparecen una y otra vez: autoridad temática del dominio, ajuste literal del pasaje a la pregunta, frescura cuando la consulta lo pide, y presencia de información que no está en el resto de fuentes. Ninguna es suficiente por sí sola; las cuatro juntas son casi determinantes.

Lo primero que conviene desmontar es la idea de que el AI Overview cita a las diez primeras posiciones. No es así. Sí existe un solapamiento alto —la mayoría de fuentes citadas rankean en el top 10 para la consulta o para alguna consulta relacionada—, pero es habitual encontrar citas de páginas en posición 15, 30 o incluso fuera del top 50 cuando el pasaje responde mejor. Lo que el sistema busca no es “la mejor página”, es “el mejor párrafo para esta subpregunta”. Esto abre una ventana real para marcas medianas: no necesitas ganar la keyword head, necesitas tener el mejor párrafo sobre una subpregunta concreta dentro de ella.

Lo segundo es que los AI Overviews descomponen la consulta. Una pregunta como “cuánto cuesta implantar un CRM en una pyme” se descompone internamente en varias subconsultas (rangos de precio, factores que encarecen, costes ocultos, alternativas gratuitas) y cada una puede citar una fuente distinta. Por eso un artículo monolítico de 4.000 palabras sin estructura clara rinde peor que uno de 2.000 con encabezados que responden preguntas específicas. La estructura no es cosmética: es el mecanismo de recuperación.

¿Cuánto pesa la autoridad de dominio frente a la relevancia del pasaje?

Nuestra conclusión después de auditar cientos de AI Overviews en sectores tan distintos como legaltech, hostelería, industria y ecommerce de moda: la autoridad funciona como filtro de entrada, y la relevancia del pasaje funciona como criterio de selección. Es decir, si tu dominio no supera un umbral mínimo de confianza para el tema, tu pasaje ni se considera. Superado ese umbral, gana el pasaje que mejor responde, no el dominio más grande. Esto explica por qué ves citados a la vez a un medio nacional y a un blog especializado con 3.000 visitas al mes.

El matiz importante es que esa autoridad es temática, no global. Un dominio con enorme autoridad general pero sin historial de contenido sobre fiscalidad no entra en los AI Overviews de fiscalidad. Un dominio pequeño que lleve cinco años publicando solo sobre fiscalidad de autónomos, sí. Esto es coherente con cómo funcionan los sistemas de clasificación de Google desde hace años, y es la mejor noticia posible para una pyme con foco: la especialización es defendible; la generalidad, no. En los proyectos de SEO que llevamos en Digitalvar, el primer diagnóstico cuando un cliente no aparece en ningún AI Overview suele ser exactamente ese: publica de todo un poco y no es reconocible como autoridad de nada.

Hay una consecuencia estratégica que va contra el consenso: dejar de publicar temas periféricos puede subir tu visibilidad en Google AI Overviews 2026 más que publicar veinte artículos nuevos. Cuando reducimos el ámbito temático de un blog B2B de 11 categorías a 4, en cinco meses las citas en AI Overviews se multiplicaron sin haber tocado el volumen de publicación. Suena a herejía para quien lleva años midiendo “artículos publicados/mes” como KPI, pero es lo que vemos.

¿Importa la frescura del contenido?

Importa, pero de forma condicional, y aquí se cometen muchos errores. La frescura pesa cuando la consulta tiene un componente temporal implícito o explícito: precios, normativa, versiones de software, tendencias, “en 2026”, “mejores herramientas para”. En esas consultas hemos visto rotaciones de fuentes en cuestión de semanas, con contenido actualizado desplazando a contenido de referencia más antiguo pero más autoritativo. En consultas atemporales —definiciones, procesos estables, conceptos— la frescura apenas mueve la aguja.

El error clásico es “actualizar” cambiando la fecha del frontmatter y añadiendo dos frases. Eso no funciona y además genera un rastro incoherente: si dices que el artículo se actualizó en julio de 2026 pero el contenido sigue citando datos de 2023, la señal que envías es de contenido poco fiable. Lo que sí funciona, y lo hemos medido, es una actualización sustantiva: reescribir las secciones que han caducado, incorporar datos nuevos con fuente y fecha, eliminar lo que ya no aplica y decirlo explícitamente (“hasta 2024 esto se hacía así; desde 2025 ya no, porque…”).

Nuestra política interna con clientes de contenidos es sencilla: cada artículo que aporte más del 2% del tráfico orgánico del sitio se revisa cada seis meses, y los artículos con componente temporal en la keyword se revisan cada tres. Todo lo demás se deja en paz salvo que haya un cambio de contexto relevante. Esa disciplina, aburridísima, es la que sostiene la presencia sostenida en AI Overviews mucho mejor que el siguiente artículo nuevo.

¿Qué papel juegan los datos propios y originales?

Este es, de lejos, el factor más infravalorado y el que más recomendamos priorizar. Un modelo que sintetiza cinco fuentes que dicen exactamente lo mismo tiene un problema de redundancia: puede citar a cualquiera, y citará a las más establecidas. Un modelo que encuentra una fuente que aporta un dato que ninguna otra tiene, tiene un motivo funcional para citarla. Los datos propios son la única ventaja competitiva que no se puede copiar en veinticuatro horas.

Datos propios no significa encargar un estudio de mercado de 40.000 euros. Significa publicar lo que ya sabes y nadie más publica: rangos de precio reales de tus proyectos, tasas de conversión medias de tu sector con tu muestra, plazos reales de implantación, porcentaje de clientes que abandona en cada fase, resultados agregados y anonimizados de tus campañas. Un ecommerce de nutrición con el que trabajamos publicó la tasa de recompra a 90 días de siete categorías de producto a partir de sus propios 18.000 pedidos. Ese post empezó a aparecer citado en AI Overviews de consultas para las que ni siquiera estaba optimizado, sencillamente porque era el único sitio de internet en español donde estaba ese dato.

La contrapartida es la honestidad metodológica: si publicas datos, di de dónde salen, con qué muestra y en qué periodo. No solo porque es lo correcto, sino porque los sistemas de evaluación de calidad —y los propios modelos— responden mejor a afirmaciones con contexto verificable que a porcentajes flotando en el aire. “El 62%” es débil. “El 62% de los 1.240 leads que gestionamos en 2025 para clientes de reformas llegó por móvil” es citable. La diferencia entre una frase y otra es la diferencia entre aparecer y no aparecer.

¿Cómo se estructura un contenido para que Google lo extraiga en un AI Overview?

La regla general es simple de enunciar y difícil de aplicar con disciplina: cada sección debe abrir respondiendo, no contextualizando. La estructura clásica del artículo español —introducción, antecedentes, matices, y en el párrafo seis la respuesta— es veneno para la extracción. Los sistemas de recuperación de pasajes puntúan fragmentos relativamente cortos; si tu respuesta está enterrada, el pasaje que se evalúa no la contiene.

En Digitalvar aplicamos lo que llamamos internamente el patrón “respuesta-desarrollo-matiz”. El primer párrafo bajo cada encabezado contiene la respuesta autocontenida en 40-60 palabras, escrita de modo que tenga sentido leída de forma aislada (sin “como decíamos antes”, sin “esto”). El segundo párrafo desarrolla el porqué. El tercero introduce el matiz, la excepción o el contraejemplo. Esa estructura satisface a la vez al lector humano —que agradece que le respondas rápido— y al sistema de recuperación, que encuentra un pasaje limpio y completo.

El segundo principio es la granularidad de los encabezados. Un H2 que diga “Precios” es inútil. Un H2 que diga “¿Cuánto cuesta implantar un ERP en una empresa de 50 empleados?” es un ancla de recuperación perfecta, porque replica la forma en que la gente pregunta y la forma en que el sistema descompone consultas. Por eso todos los encabezados de este artículo son preguntas. No es un capricho estilístico: es arquitectura de información pensada para la forma en que los AI Overviews descomponen una consulta y recuperan pasajes sueltos.

¿Cómo se escribe una respuesta extractable de 40-60 palabras?

Una respuesta extractable es un párrafo que responde una pregunta concreta de forma completa, sin depender del contexto anterior, sin pronombres ambiguos y con el sujeto explícito. La longitud óptima que medimos está entre 40 y 60 palabras: por debajo suele faltar contexto suficiente para que el modelo la considere completa, por encima empieza a diluirse y compite peor contra pasajes más densos.

Un ejemplo de mala respuesta: “Esto depende mucho de varios factores, como veremos a continuación, y no hay una cifra única”. Un ejemplo de buena respuesta: “Implantar un ERP en una empresa española de 50 empleados cuesta entre 25.000 y 70.000 euros el primer año, incluyendo licencias, parametrización y formación. El rango se ensancha si hay integraciones con producción o logística; los proyectos solo financiero-contables se sitúan en la mitad baja”. La segunda tiene sujeto, cifra, unidad, periodo, alcance y condición. Es citable tal cual.

Tres reglas prácticas que usamos como checklist de redacción, y que aplican tanto para Google AI Overviews 2026 como para ChatGPT o Perplexity: (1) que el párrafo se entienda si lo copias y pegas fuera del artículo; (2) que contenga al menos un elemento concreto —cifra, plazo, nombre propio, unidad—; (3) que no empiece con conectores. Si un párrafo empieza con “Además”, “Por otro lado” o “Sin embargo”, ya no es autocontenido. Ese detalle minúsculo separa el contenido que se cita del que no.

¿Qué schema markup ayuda de verdad y cuál es teatro?

El schema no te mete en los AI Overviews por sí mismo. Google ha sido explícito: no hay marcado especial que active los AI Overviews. Lo que el schema sí hace es reducir la ambigüedad sobre qué es tu página, quién la firma, a qué entidad pertenece y qué datos contiene. En sistemas que construyen representaciones de entidades, esa desambiguación tiene valor real aunque no sea un factor de ranking directo.

Nuestra jerarquía práctica, ordenada por retorno observado:

Tipo de schema	Utilidad real para los AI Overviews	Cuándo implementarlo
Organization + sameAs	Alta: consolida tu marca como entidad y la vincula a perfiles verificables	Siempre, en home y a nivel de sitio
Article / BlogPosting con author como Person	Alta: conecta contenido con autor real y su historial	Todo el blog
FAQPage	Media-alta: empareja pregunta-respuesta de forma explícita	Artículos con FAQ genuina
Product + Offer + AggregateRating	Alta en ecommerce: precio, stock y valoración son datos que la IA cita	Fichas de producto
HowTo	Media: útil en procesos, sin rich result desde 2023	Tutoriales paso a paso
Dataset	Alta si publicas datos propios; muy infrautilizado	Estudios y datos originales
Speakable, Course, marcados exóticos	Baja salvo caso de uso específico	Rara vez

Lo que consideramos teatro: rellenar about y mentions con veinte entidades de Wikidata esperando un efecto mágico, marcar como FAQPage una sección que no es una FAQ real, o inflar AggregateRating sin reseñas verificables. Esto último, además de inútil, es sancionable. El schema es un traductor, no un amplificador: si el contenido debajo es flojo, traducirlo mejor no lo salva. Si el contenido es bueno, el schema evita que se malinterprete.

¿Cómo trabajar entidades y grafo de conocimiento para aparecer en AI Overviews?

Los sistemas generativos no razonan sobre cadenas de texto, razonan sobre entidades: personas, empresas, productos, lugares, conceptos, y las relaciones entre ellos. Si tu marca no existe como entidad reconocible, puedes tener el mejor contenido del mundo y seguir siendo “una web más”. Convertirte en entidad es un trabajo lento, poco glamuroso y con un retorno enorme en la era de los AI Overviews.

El trabajo de entidad tiene tres capas. La primera es la coherencia interna: mismo nombre de marca en todas partes, misma razón social, mismos datos de contacto, autores con página propia y biografía real, Organization schema con sameAs apuntando a tus perfiles verificables. La segunda es la corroboración externa: menciones de tu marca en sitios que Google ya considera fiables —prensa sectorial, asociaciones, directorios de nicho, ponencias, podcasts—, aunque no incluyan enlace. Las menciones sin enlace cuentan mucho más de lo que la industria del linkbuilding admite. La tercera es la asociación temática: que tu marca aparezca sistemáticamente cerca de los conceptos que quieres poseer, porque esa proximidad es la materia prima con la que los AI Overviews deciden a quién citar cuando alguien pregunta por esos conceptos.

Un ejercicio que hacemos con clientes y que recomiendo replicar: pregúntale a ChatGPT, a Gemini y a Perplexity “¿qué es [tu marca]?” y “¿quiénes son los principales proveedores de [tu servicio] en [tu mercado]?”. Las respuestas son una radiografía brutal de tu estado como entidad. Si la primera pregunta devuelve una descripción vaga o directamente equivocada, tienes un problema de identidad que ningún artículo va a resolver. Si la segunda no te menciona, sabes exactamente cuál es tu gap competitivo y a quién debes desplazar.

La opinión contrarian aquí: en 2026, para muchas pymes, invertir en aparecer en tres comparativas sectoriales relevantes rinde más que publicar diez artículos propios. Los AI Overviews y los modelos generativos se apoyan mucho en fuentes que agregan y comparan; estar presente en esas fuentes te introduce en la conversación sin necesidad de que tu dominio gane autoridad por sí solo. Es relaciones públicas digitales con criterio, no linkbuilding masivo. Si quieres que revisemos tu perfil de entidad y tus gaps de mención, es una de las cosas que miramos en nuestra consultoría de marketing digital.

¿Qué dice literalmente Google sobre optimizar para los AI Overviews?

Merece la pena leer la fuente primaria antes que el resumen de terceros. Google mantiene dos documentos relevantes: AI Features and Your Website, que explica cómo funcionan las funciones de IA en Search desde la perspectiva del propietario de un sitio, y una guía específica de optimización para funciones generativas, publicada en Search Central. La tesis de ambos es la misma y es deliberadamente antisensacionalista: no hay requisitos adicionales ni optimizaciones especiales para aparecer en AI Overviews o AI Mode; las buenas prácticas de SEO siguen siendo válidas.

Esa frase se ha interpretado de dos formas opuestas y ambas son parcialmente falsas. La interpretación cínica (“Google miente, hay trucos”) ignora que la arquitectura de recuperación reutiliza en gran medida los mismos sistemas de indexación y clasificación. La interpretación ingenua (“no hay que hacer nada nuevo”) ignora que la unidad de competición ha cambiado de página a pasaje, y que eso tiene implicaciones profundas en cómo se escribe y se estructura. La lectura correcta, y así lo hemos recogido en la cobertura del sector como el análisis de Search Engine Journal sobre la guía de Google, es que GEO y AEO no son disciplinas nuevas: son SEO con el foco desplazado hacia la extractabilidad y la identidad de entidad.

De la documentación se extraen además tres cosas prácticas y verificables. Primera: los controles de contenido (nosnippet, data-nosnippet, max-snippet, noindex) son el único mecanismo real para limitar lo que se muestra de tus páginas, y usarlos implica salir también de los snippets clásicos. Segunda: Google afirma que el clic procedente de una SERP con AI Overview es de mayor calidad, algo que coincide con lo que medimos. Tercera: la indexación estándar sigue siendo prerrequisito absoluto: si una página no está indexada, no puede ser citada en los AI Overviews. Suena obvio, y aun así el 30% de las auditorías que hacemos empiezan encontrando secciones enteras bloqueadas por un robots.txt heredado o un noindex olvidado en una migración.

¿Cómo medir la visibilidad en Google AI Overviews 2026?

Aquí está el verdadero cuello de botella. Puedes ejecutar impecablemente la parte de contenido y seguir siendo incapaz de demostrar el retorno, porque la medición de Google AI Overviews 2026 sigue siendo parcial, fragmentada y algo frustrante. La buena noticia es que ha mejorado mucho respecto a 2025; la mala es que todavía requiere combinar tres o cuatro fuentes y aceptar zonas de incertidumbre.

El principio que aplicamos con clientes es no perseguir la métrica perfecta, sino construir un sistema de señales convergentes. Si Search Console dice que tus impresiones en superficies generativas suben, tu rastreador de AI Overviews dice que apareces citado en más consultas del set, tu tráfico de referencia desde dominios de IA crece y tus leads reportan más a menudo “os encontré preguntando a ChatGPT”, el conjunto es concluyente aunque ninguna señal aislada lo sea. La obsesión por el número único es lo que paraliza a mucha gente.

Un aviso de método antes de entrar en detalle: cualquier medición de visibilidad en AI Overviews es una muestra, no un censo. Los AI Overviews se generan de forma dinámica y varían por dispositivo, ubicación, historial y momento. Dos consultas idénticas lanzadas con cinco minutos de diferencia pueden devolver AI Overviews con fuentes distintas. Por eso el dato relevante nunca es “apareces en esta consulta”, sino “apareces en el X% de un set estable de N consultas, medido con la misma metodología cada semana”. Todo lo demás es anécdota.

¿Qué te da Search Console y qué no?

Google lanzó en junio de 2026 un informe específico de rendimiento en IA generativa dentro de Search Console, que por primera vez separa las impresiones procedentes de AI Overviews y AI Mode del resto del rendimiento orgánico. El informe muestra impresiones, páginas, países y dispositivos. Lo que no muestra, al menos en su versión inicial, es clics, CTR ni consultas asociadas, y su despliegue empezó por un subconjunto de propietarios de sitios (inicialmente en Reino Unido) antes de la expansión global.

Esto significa que Search Console te responde bien a “¿estoy apareciendo y con qué páginas?” y mal a “¿qué me aporta?”. Es un termómetro de presencia, no de rendimiento. Aun así, es la única fuente de primera mano y por tanto la referencia contra la que calibrar el resto. Nuestro consejo operativo: exporta ese informe mensualmente desde el primer día que tengas acceso, aunque todavía no sepas qué hacer con él. Cuando dentro de dos años quieras entender la evolución, el histórico será impagable y no se puede reconstruir hacia atrás.

Mientras tanto, hay un proxy razonable dentro del informe clásico de rendimiento: identificar consultas con muchas impresiones, posición media alta y CTR anómalamente bajo respecto a la curva esperable para esa posición. Esa combinación es la huella típica de una SERP con AI Overviews comiéndose el clic. No es prueba, es indicio, pero permite priorizar dónde investigar manualmente. Cruzar esa lista con una comprobación manual de veinte consultas te da en una tarde un mapa aproximado de tu exposición.

¿Qué herramientas de tracking merecen la pena?

El mercado de herramientas de visibilidad en IA se ha llenado en dieciocho meses y hay mucha capa fina sobre la misma API. Lo que buscamos al evaluar una: que rastree AI Overviews reales geolocalizados en España y en español, que identifique dominios citados (no solo si aparece o no un AIO), que permita comparar contra competidores y que exporte por API o al menos a CSV. Sin esas cuatro cosas, es un juguete.

Fuente / herramienta	Qué mide bien	Limitación principal	Coste orientativo
Search Console (informe IA generativa)	Impresiones reales en superficies IA, por página y país	Sin clics, CTR ni consulta; despliegue gradual	Gratis
Semrush / Ahrefs (módulos de AI Overviews)	Presencia de AI Overviews por keyword y dominios citados	Muestreo; geolocalización España limitada en planes bajos	100-500 €/mes
Herramientas específicas de tracking IA	Citas en ChatGPT, Perplexity, Gemini y AI Overviews	Metodología opaca; precios volátiles	60-400 €/mes
Rastreo propio (script + set de consultas)	Exactamente lo que tú definas, reproducible	Mantenimiento técnico; riesgo de bloqueo	Coste interno
GA4 + segmento de referrals IA	Tráfico real desde dominios de IA y su conversión	Muchas sesiones llegan como directo; infrarrepresenta	Gratis
Encuesta “¿cómo nos conociste?” en formulario	Atribución declarada, sorprendentemente reveladora	Sesgo de memoria; muestra pequeña	Casi cero

Si tuviera que quedarme con dos líneas de un presupuesto ajustado: Search Console más el campo de “cómo nos conociste” en los formularios. La segunda, que cuesta cero y se implementa en veinte minutos, nos ha dado en varias cuentas la información más accionable del año. Cuando un 14% de los leads de un cliente B2B empezó a contestar “preguntando a una IA”, la discusión sobre presupuestos de contenidos se acabó en una reunión.

¿Cómo montar un panel de visibilidad IA sin gastar de más?

El panel mínimo viable que implementamos tiene cinco métricas y cabe en una hoja de cálculo actualizada semanalmente. Primera: cobertura de AI Overviews del set, es decir, en qué porcentaje de tus 50-150 consultas prioritarias aparece un AI Overview. Segunda: tasa de citación, porcentaje de esos AI Overviews en los que tu dominio figura como fuente. Tercera: share of citation frente a tus tres competidores directos. Cuarta: impresiones en el informe de IA generativa de Search Console. Quinta: sesiones y conversiones desde referrals de dominios de IA en GA4.

La clave es la estabilidad del set de consultas. Si cambias las keyword cada mes, no tienes serie temporal y no puedes concluir nada. Definimos el set una vez —mezclando consultas de negocio, informacionales del funnel medio y comparativas donde queremos estar— y lo congelamos durante al menos dos trimestres. Cualquier adición se registra aparte para no contaminar la comparación. Es la misma disciplina que se aplica en medición de marca, trasladada a búsqueda generativa.

Y una recomendación de gobernanza: reporta estas métricas junto a las de negocio, nunca solas. Un informe que dice “hemos pasado del 12% al 31% de tasa de citación” sin acompañarlo de leads, oportunidades o ingresos, es un informe que dentro de dos trimestres nadie leerá. Los KPIs de visibilidad en AI Overviews son indicadores adelantados; su valor está en explicar el negocio, no en sustituirlo. Así los presentamos en todos los proyectos de servicios de marketing digital que gestionamos.

¿Qué KPIs sustituyen al tráfico orgánico cuando el clic desaparece?

La respuesta corta es que ninguno lo sustituye del todo, y que la pregunta correcta no es “qué métrica pongo en su lugar” sino “qué estaba midiendo realmente el tráfico”. El tráfico orgánico nunca fue un objetivo de negocio; era un proxy barato y disponible de la demanda captada. Cuando el proxy se rompe, hay que volver a lo que de verdad importaba: cuánta gente que no te conocía acaba considerándote y comprando. Los AI Overviews no cambian esa pregunta; cambian el recorrido que lleva hasta ella.

Los cinco indicadores que estamos poniendo en el centro de los cuadros de mando de clientes en 2026 son: búsquedas de marca (el indicador más robusto de que la búsqueda generativa te está exponiendo, porque quien te descubre en un AI Overview y no hace clic muy a menudo te busca después por nombre), conversiones asistidas por canal orgánico y directo agregados, tasa de citación en AI Overviews y en modelos generativos, calidad del lead entrante (porque el tráfico de IA llega más maduro) y coste por oportunidad del canal orgánico completo, incluyendo el coste de producción de contenidos.

La métrica de búsquedas de marca merece un párrafo propio porque es la más subestimada. En varias cuentas hemos observado un patrón limpio: caen las sesiones orgánicas de consultas informacionales, sube en paralelo el volumen de búsquedas que incluyen el nombre de marca, y sube el tráfico directo. Eso no es casualidad ni error de atribución: es el nuevo recorrido. El usuario pregunta a la IA, ve tu marca citada, no hace clic en ese momento, y te busca por nombre cuando tiene la intención madura. Si mides solo el primer paso, concluirás que el SEO ha muerto. Si mides el recorrido completo, concluirás que ha cambiado de forma.

¿Qué NO funciona para aparecer en los AI Overviews?

Empiezo por lo que vemos demasiado, con diferencia: añadir un bloque de FAQ genérico al final de cada artículo pensando que eso activa las citas. No funciona. Una FAQ con siete preguntas obvias respondidas en dos líneas cada una no aporta nada que no esté ya en cien sitios, y el marcado FAQPage sobre contenido pobre no lo mejora. Las FAQ funcionan cuando responden preguntas reales que el cuerpo del artículo no cubre y lo hacen con sustancia. El resto es ruido.

Segundo: los artículos generados masivamente con IA y publicados sin aportación propia. No por una penalización explícita —Google ha dicho que juzga el contenido, no cómo se produce— sino por una razón estructural: un texto generado a partir de las mismas fuentes que ya están indexadas es redundante por definición, y un sistema de síntesis no tiene ningún motivo para citar la copia pudiendo citar el original. La IA generativa es una herramienta magnífica para estructurar, editar y acelerar; es pésima como fuente primaria de contenido que aspira a ser citado en los AI Overviews.

Tercero, una lista de cosas que hemos probado o visto probar y que no mueven la aguja:

• Repetir la keyword exacta en cada párrafo. Los sistemas de recuperación trabajan con embeddings; la repetición literal no ayuda y empeora la legibilidad.
• Añadir llms.txt esperando efectos en los AI Overviews de Google. Es un estándar propuesto sin adopción confirmada por los principales buscadores; no hace daño, pero no es una palanca.
• Marcar como Dataset una tabla de tres filas sin datos originales.
• Escribir párrafos de 15 palabras “para que sean extractables”. Demasiado cortos: sin contexto suficiente, el pasaje pierde frente a otro más completo.
• Cambiar la fecha de publicación sin actualizar el contenido.
• Perseguir keywords head con AI Overview consolidado y cinco medios nacionales citados, cuando hay decenas de subpreguntas sin dueño claro.
• Bloquear con nosnippet para “proteger” el contenido: te saca también de los snippets clásicos y del tráfico que sí llega.

Y una advertencia honesta sobre los límites de todo esto: hay consultas en las que, hagas lo que hagas, no vas a entrar. Si en un AI Overview de “qué es la inteligencia artificial” están citados IBM, Wikipedia y el MIT, tu blog no va a desplazarlos y perseguirlo es quemar presupuesto. La estrategia sensata en Google AI Overviews 2026 es identificar dónde tienes derecho a ganar —consultas de nicho, con datos propios, con experiencia demostrable— y concentrar ahí todo el esfuerzo. Decir esto le cuesta ventas a una agencia; decir lo contrario le cuesta clientes a los doce meses.

¿Cómo recuperó visibilidad un ecommerce B2B? Caso real anonimizado

El cliente: un ecommerce B2B español de material técnico para instalación (fontanería, climatización y componentes industriales), 34 empleados, facturación en torno a 9 millones de euros, con un blog técnico de 210 artículos construido a lo largo de siete años. Entre el segundo semestre de 2025 y el primer trimestre de 2026 perdieron un 41% del tráfico orgánico del blog. Las fichas de producto aguantaron mejor (-9%), pero el blog era su principal generador de leads de cuentas nuevas, así que el impacto en pipeline fue real: un 27% menos de solicitudes de alta de cuenta profesional. Su hipótesis inicial, acertada solo a medias, era que los AI Overviews se estaban comiendo todo el clic.

El diagnóstico tomó tres semanas. Primer hallazgo: el 68% de sus consultas de blog activaban AI Overview, porcentaje altísimo explicable porque casi todo su contenido eran guías de “cómo calcular”, “qué diferencia hay entre” y “qué normativa aplica a” — el territorio natural de los AI Overviews. Segundo hallazgo: aparecían citados en solo el 11% de esos AI Overviews, muy por debajo de dos competidores y de un portal sectorial. Tercer hallazgo, el más revelador: sus artículos eran técnicamente correctos pero estructuralmente inextraíbles. Encabezados genéricos (“Consideraciones previas”, “Aspectos a tener en cuenta”), respuestas en el párrafo cuarto o quinto, y cero datos propios pese a tener acceso a un histórico de 400.000 pedidos.

El plan que ejecutamos en seis meses tuvo cuatro frentes. Reestructuración de los 40 artículos que concentraban el 80% del tráfico histórico: encabezados convertidos en preguntas reales, respuesta autocontenida de 40-60 palabras al abrir cada sección, tablas de especificaciones donde antes había prosa. Publicación de datos propios: cuatro estudios internos a partir de su histórico de pedidos (plazos medios de entrega por familia, evolución de precios de cobre y PVC en su catálogo, distribución de compra por tipo de instalador, tasa de devolución por categoría). Trabajo de entidad: Organization schema con sameAs completo, páginas de autor para sus dos técnicos con trayectoria verificable, y presencia en tres asociaciones sectoriales y dos medios del gremio. Poda: 61 artículos consolidados o eliminados por canibalización y obsolescencia.

Resultados a los seis meses, medidos sobre un set congelado de 120 consultas: tasa de citación en AI Overviews del 11% al 38%. Tráfico orgánico del blog recuperado solo parcialmente (-18% frente al -41% inicial; nunca volvió al nivel previo y no esperábamos que lo hiciera). Solicitudes de alta de cuenta profesional un 12% por encima del máximo histórico anterior a la caída. Búsquedas de marca +54% interanual. El detalle que más nos gustó: los cuatro estudios de datos propios generaron 31 menciones en medios y foros del sector en cinco meses, sin haber hecho un solo envío de nota de prensa. Ese es el multiplicador real de publicar lo que solo tú sabes.

¿Cuál es el roadmap de 90 días para trabajar los AI Overviews?

Ordenar el trabajo importa más que la lista de tácticas, porque casi todo el mundo empieza por el final —producir contenido nuevo— cuando lo que necesita es diagnóstico y saneamiento. El roadmap que usamos en Digitalvar para trabajar la visibilidad en AI Overviews reparte los 90 días en tres bloques de un mes, con entregables verificables al cierre de cada uno.

Fase	Semanas	Trabajo	Entregable	Señal de éxito
1. Diagnóstico	1-4	Set de 100-150 consultas prioritarias; medición de cobertura de AI Overviews y tasa de citación; auditoría de indexación; benchmark de 3 competidores	Panel base + informe de gaps	Saber tu punto de partida con números
2. Saneamiento	5-8	Reestructura de los 20-40 artículos de mayor valor; encabezados-pregunta; respuestas de 40-60 palabras; tablas; poda de canibalización; Organization y Article schema; páginas de autor	Contenido core reestructurado + entidad consolidada	Primeras citas nuevas en AI Overviews
3. Diferenciación	9-12	2-4 piezas con datos propios; PR digital hacia comparativas y medios sectoriales; contenido para subpreguntas sin dueño	Estudios publicados + menciones externas	Tasa de citación al alza y menciones de marca
4. Continuidad	Mes 4+	Medición semanal del set; actualización trimestral de contenido temporal; una pieza de datos propios por trimestre	Informe mensual con KPIs de negocio	Serie temporal estable y creciente

Dos avisos sobre plazos. El primero: la fase 2 da señales en 4-8 semanas porque trabaja sobre contenido ya indexado y con historial; la fase 3 tarda entre tres y seis meses en madurar porque depende de que terceros recojan y citen tus datos. Quien prometa resultados en cuatro semanas sobre entidad y menciones está vendiendo humo. El segundo: nada de esto funciona sin base técnica. Si tu sitio tiene problemas de indexación, rastreo o rendimiento, arréglalos antes; ninguna optimización para búsqueda generativa compensa que Google no pueda leerte bien.

El error de secuencia más común que vemos es saltar directamente a la fase 3 porque publicar un estudio suena más atractivo que reescribir cuarenta artículos viejos. Publicar datos propios desde un dominio sin autoridad temática consolidada y con el contenido core en mal estado desperdicia el activo: nadie lo recoge. El estudio funciona cuando aterriza sobre una base creíble. Es la diferencia entre un dato que circula y un PDF que nadie descarga.

¿Cuánto cuesta trabajar la visibilidad en AI Overviews y qué retorno esperar?

Los rangos que damos aquí son orientativos, corresponden al mercado español en 2026 y asumen un sitio con base técnica razonable y algo de historial de contenido. Un proyecto de reestructura y visibilidad en AI Overviews para una pyme con blog consolidado se mueve entre 1.500 y 4.000 euros al mes durante seis meses, dependiendo del volumen de contenido a sanear y de si incluye producción de datos propios y PR digital. Por debajo de ese rango se pueden hacer cosas útiles, pero acotadas: auditoría, panel de medición y reestructura de un puñado de artículos.

En cuanto al retorno, seamos precisos con los supuestos. Lo que hemos visto de forma consistente en proyectos que ejecutan las tres fases: tasa de citación que pasa de un dígito a un rango de 25-45% en el set medido, tráfico orgánico que no recupera el nivel previo a la irrupción de los AI Overviews, y leads o conversiones que sí lo superan gracias a la mejor cualificación. El plazo típico hasta ver movimiento en negocio es de cuatro a siete meses. No prometemos posiciones ni citas garantizadas: nadie puede, porque la selección de fuentes es dinámica y no controlable.

Hay un cálculo de oportunidad que conviene hacer antes de invertir un euro. Si tu perfil de consultas es mayoritariamente transaccional o local, el impacto de Google AI Overviews 2026 sobre tu negocio es limitado y probablemente tu presupuesto rinda más en campañas de Google Ads o en CRO. Si tu adquisición depende de contenido informacional y de generar confianza antes de la venta —B2B, servicios profesionales, salud, tecnología, formación—, entonces la visibilidad generativa no es un extra: es la partida más importante de tu presupuesto de marketing orgánico. En un contexto donde, según el Estudio de Inversión Publicitaria en Medios Digitales de IAB Spain, search sigue creciendo a doble dígito y concentra cerca de 2.000 millones de euros en España, el coste de no aparecer en la capa que se come la parte superior de esa superficie es cada vez más difícil de justificar.

¿Qué cambia en la estrategia de contenidos y en la relación con paid?

El cambio de fondo es que el contenido deja de medirse por sesiones generadas y pasa a medirse por presencia dentro de las respuestas, empezando por los AI Overviews. Eso reordena prioridades: menos artículos, más profundos, mejor estructurados y con más datos propios; más esfuerzo en actualización y consolidación que en producción nueva; y una asignación de recursos que se parece más a la de un departamento de investigación que a la de una fábrica de posts. En términos de equipo, hemos visto funcionar mucho mejor un redactor senior con acceso a los datos del negocio que tres redactores juniors produciendo volumen.

En paid, el efecto es doble y merece atención. Por un lado, la superficie orgánica visible se reduce, lo que empuja hacia arriba la competencia por espacio pagado en consultas informacionales. Por otro, hay evidencia de que el CTR de anuncios en SERPs con AI Overviews se ha comportado mejor que en SERPs sin ellos durante 2026 —un fenómeno contraintuitivo que probablemente se explica porque el anuncio queda por encima del bloque generativo y captura la intención antes de que la respuesta la satisfaga. La consecuencia práctica: revisa tus consultas informacionales de la parte alta del funnel antes de darlas por perdidas en paid.

La integración inteligente es tratar orgánico y paid como un único sistema de presencia. Si una consulta activa AI Overview y no consigues entrar como fuente, evalúa cubrirla con Search o con Performance Max mientras trabajas la citación. Si consigues entrar como fuente, mide si el paid sobre esa misma consulta sigue siendo rentable o se está canibalizando. Esa lectura conjunta, que requiere tener la medición montada, es donde más margen hemos encontrado en cuentas medianas durante el último año. Y es exactamente lo contrario de lo que hace la mayoría, que gestiona SEO y SEM en dos hojas de cálculo que nunca se miran.

La conclusión incómoda: la visibilidad ya no es un sitio, es una frase

Durante veinte años el SEO consistió en ocupar un lugar: una posición, una casilla, un puesto en una lista. En 2026 la unidad de visibilidad ya no es un sitio en una lista, es una frase dentro de una respuesta que otro escribe. Es un cambio de naturaleza, no de grado, y explica por qué tanta gente competente se siente perdida aplicando bien las tácticas de siempre.

Lo que se deriva de ahí es sorprendentemente clásico. Si tu contenido no aporta nada que no esté ya en internet, no hay razón funcional para citarte. Si tu marca no es reconocible como entidad, no hay razón para confiar en ti. Si tus respuestas están enterradas en el párrafo sexto, no hay forma de extraerlas. Ninguna de esas tres cosas se arregla con una herramienta, un plugin o un archivo en la raíz del dominio. Se arreglan con criterio editorial, datos propios y paciencia — que es exactamente lo que llevaba funcionando desde antes de que existieran los AI Overviews, solo que ahora sin red.

La marca que sale ganando de esta transición no es la que más publica ni la que antes adoptó la herramienta de moda. Es la que tiene algo que decir que nadie más puede decir, y lo dice de forma que se pueda citar. Si dedicas los próximos noventa días a averiguar qué sabes tú que nadie más sabe, y a escribirlo en párrafos autocontenidos con cifras verificables, habrás hecho más por tu visibilidad en Google AI Overviews 2026 que con cualquier checklist técnico. Lo demás es mantenimiento.

Preguntas frecuentes sobre Google AI Overviews 2026

¿Puedo bloquear que Google use mi contenido en los AI Overviews?

Sí, pero el precio es alto y en la práctica casi nunca compensa. Google permite limitar lo que se muestra de tus páginas mediante nosnippet, data-nosnippet, max-snippet y noindex. El problema es que estos controles no son selectivos: si bloqueas el snippet para las funciones de IA, lo bloqueas también para los resultados clásicos y los featured snippets, lo que suele reducir el CTR mucho más de lo que “protege”.

La excepción razonable es el contenido premium o de pago, donde puedes usar data-nosnippet de forma quirúrgica sobre los bloques que no quieres exponer, dejando indexable el resto. Para la inmensa mayoría de pymes y ecommerces, la estrategia correcta no es bloquear los AI Overviews sino asegurarse de que, cuando te citen, el usuario tenga un motivo para hacer clic: profundidad adicional, herramientas, calculadoras, datos completos o la posibilidad de contactar contigo.

¿Aparecer en un AI Overview me trae tráfico o solo visibilidad?

Trae ambas cosas, en proporciones distintas a las que estábamos acostumbrados. El clic directo desde la cita es minoritario comparado con el clic desde una posición orgánica tradicional, pero existe y, según los datos disponibles y lo que medimos en cuentas propias, ese usuario llega mucho más cualificado: pasa más tiempo, ve más páginas y convierte a tasas varias veces superiores al visitante orgánico medio.

El efecto más grande, sin embargo, es indirecto y tarda semanas en manifestarse: el crecimiento de búsquedas de marca y de tráfico directo. Un usuario que ve tu nombre citado dos o tres veces resolviendo dudas distintas te incorpora a su conjunto de marcas consideradas, y aparece más tarde por otra puerta. Por eso medir solo el clic desde el AI Overview infravalora sistemáticamente su aportación real.

¿Cuánto tarda un contenido nuevo en aparecer citado en un AI Overview?

En contenido publicado en un dominio con autoridad temática consolidada, hemos visto citas en dos o tres semanas desde la indexación, especialmente en consultas con componente de frescura o en subpreguntas poco cubiertas. En dominios sin historial temático, el plazo realista se va a tres o seis meses, y depende menos del artículo concreto que del trabajo acumulado de entidad y de la consolidación temática del sitio.

La variable que más acelera el proceso, con diferencia, es que el contenido aporte información que no exista en otras fuentes. Un artículo con datos originales entra antes en los AI Overviews que uno que reformula lo que ya está publicado, aunque este último esté mejor escrito. Si tienes prisa, no escribas más rápido: escribe algo que solo tú puedas escribir.

¿Sirve de algo el archivo llms.txt para los AI Overviews?

A día de hoy, no hay evidencia de que Google lo utilice ni confirmación oficial de soporte por parte de los principales buscadores. Es una propuesta de estándar interesante, similar en espíritu a robots.txt, pero su adopción real sigue siendo marginal y ninguna de las mejoras de visibilidad que hemos medido en clientes es atribuible a su implementación.

Nuestra postura práctica: implementarlo cuesta poco y no hace daño, así que si tu equipo técnico tiene un hueco, adelante. Lo que no debe ocurrir es que ocupe el lugar de trabajo que sí tiene retorno demostrable, como reestructurar contenido para extractabilidad, consolidar Organization schema o publicar datos propios. Priorizar llms.txt sobre eso es optimizar el decorado.

¿Cómo sé si mi sector está muy afectado por los AI Overviews?

La forma rápida y gratuita: coge tus 30 consultas de mayor volumen o mayor valor comercial, búscalas manualmente en modo incógnito con geolocalización en España y anota en cuántas aparece un AI Overview y si tu dominio figura citado. Con 30 consultas ya tienes una estimación decente de tu exposición y, sobre todo, sabes si el problema es de cobertura (aparecen AI Overviews y no estás) o de irrelevancia (apenas aparecen AI Overviews en tu perfil de consultas).

Como regla orientativa por lo que observamos: sectores con alta activación de AI Overviews son salud, finanzas personales, tecnología, formación, legal, B2B técnico y software; sectores con activación baja son ecommerce transaccional puro, servicios locales con intención inmediata, hostelería y compra impulsiva. Si estás en el primer grupo, la visibilidad en Google AI Overviews 2026 es prioridad estratégica; si estás en el segundo, es un frente a vigilar sin desmontar lo que ya funciona.

¿Qué longitud debe tener un artículo para posicionar bien en búsqueda generativa?

No hay una longitud óptima; hay una densidad de respuesta óptima. Un artículo de 1.500 palabras que responde ocho preguntas concretas con pasajes autocontenidos rinde mejor en AI Overviews que uno de 6.000 palabras de prosa continua sin estructura. Dicho eso, los contenidos largos tienen ventaja cuando esa longitud sirve para cubrir más subpreguntas, porque multiplican las oportunidades de ser el pasaje seleccionado en distintas descomposiciones de consulta.

La forma correcta de pensarlo es por cobertura de intención, no por recuento de palabras: enumera todas las preguntas razonables que alguien se hace alrededor del tema, responde cada una en su propio encabezado y deja que la longitud sea la consecuencia. Si al terminar tienes 2.000 palabras porque el tema no da para más, no lo infles. El relleno diluye la densidad de los pasajes y perjudica la extractabilidad.

¿Debo dejar de invertir en SEO tradicional y centrarme solo en GEO?

No, y el planteamiento de “SEO tradicional frente a GEO” es en gran medida falso. La propia documentación de Google insiste en que las buenas prácticas de SEO siguen siendo la base de la visibilidad en funciones de IA, y la evidencia técnica lo respalda: sin indexación, sin rendimiento aceptable, sin arquitectura clara y sin autoridad, no hay citación posible. El GEO no sustituye al SEO; es una capa de optimización adicional sobre él.

Lo que sí debe cambiar es la distribución del esfuerzo dentro del presupuesto de SEO. Menos horas en producción de volumen y en persecución de keywords head saturadas; más horas en estructura, entidad, datos propios y medición. En los proyectos que llevamos, esa reasignación no ha implicado aumentar presupuesto, sino gastarlo en cosas distintas. Y en la mayoría de casos ha producido mejores resultados de negocio que el mismo dinero invertido en publicar más.

¿Los AI Overviews afectan igual en móvil que en escritorio?

No. La presencia de AI Overviews tiende a comerse una proporción mucho mayor de la pantalla en móvil, donde el bloque generativo puede ocupar prácticamente toda la primera vista y empujar el primer resultado orgánico muy por debajo del pliegue. En escritorio, el usuario percibe antes la existencia de resultados adicionales y la caída de CTR suele ser algo menos pronunciada.

La implicación práctica es que, si tu tráfico es mayoritariamente móvil —lo habitual en B2C y cada vez más frecuente en B2B—, tu exposición a la pérdida de clic es mayor de lo que sugieren los promedios de los estudios. Merece la pena segmentar por dispositivo cualquier análisis de impacto y, sobre todo, revisar en móvil las consultas críticas antes de sacar conclusiones a partir de capturas hechas en escritorio.