Durante buena parte de la historia de Internet hemos dado por supuesto que visibilidad, relevancia y autoridad estaban relacionadas. No eran exactamente lo mismo, por supuesto, pero existía entre ellas una cierta proximidad. Si alguien aparecía repetidamente en los primeros resultados de un buscador, acumulaba seguidores, conseguía enlaces desde otros sitios o era citado con frecuencia, tendíamos a interpretar que detrás de aquella presencia debía existir algún tipo de reconocimiento.
El problema es que esa relación siempre ha sido mucho más débil de lo que parecía.
Un investigador, un profesional o un directivo puede dedicar tres semanas a estudiar una cuestión compleja, consultar documentación, contrastar fuentes y escribir un artículo extraordinariamente valioso que termine siendo leído por dos mil personas. Al mismo tiempo, alguien puede dedicar treinta segundos a publicar una afirmación provocadora, simplificada o directamente equivocada y conseguir cientos de miles de visualizaciones antes de terminar el día.
Nada de eso permite concluir que el segundo sea irrelevante ni que el primero tenga necesariamente razón. Lo verdaderamente interesante es otra cosa: demuestra que la distribución de información y el valor intelectual de la información obedecen a mecanismos distintos.
Las plataformas digitales no fueron diseñadas para resolver esa diferencia. Y, en gran medida, tampoco tenían incentivos económicos para hacerlo.
La economía de la atención nunca prometió encontrar al que más sabe
Las redes sociales optimizan fundamentalmente la probabilidad de que continuemos mirando la pantalla. Sus algoritmos han alcanzado una extraordinaria sofisticación a la hora de predecir qué vídeo veremos, qué publicación comentaremos, qué imagen compartiremos o qué conversación provocará una reacción. Ese sistema puede identificar con enorme precisión aquello que despierta nuestro interés sin necesidad de determinar si aquello que estamos viendo contiene un conocimiento particularmente valioso.
No hay ninguna contradicción en ello. Es simplemente el resultado de la función que esas plataformas cumplen.
El algoritmo de una red social no necesita determinar quién conoce mejor la regulación energética europea para decidir qué publicación sobre energía mostrarnos. Le basta con calcular qué publicación tiene más probabilidades de conseguir nuestra atención. Tampoco necesita saber quién es uno de los mejores especialistas en estrategia empresarial, inteligencia artificial o reputación corporativa. Necesita saber qué contenido nos hará detener el dedo durante algunos segundos más.
Los buscadores introdujeron una lógica diferente. Google construyó buena parte de su éxito intentando aproximarse a la relevancia y la autoridad mediante señales mucho más sofisticadas que la mera popularidad. Enlaces, estructura, calidad, procedencia, reputación del sitio, intención de búsqueda y centenares de factores terminaron construyendo un sistema extraordinariamente complejo. Desde hace años, además, Google habla de señales relacionadas con experiencia, conocimiento, autoridad y confianza bajo el conocido marco E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness: experiencia, conocimiento o pericia, autoridad y confianza. Google lo utiliza como marco conceptual para evaluar la calidad y fiabilidad del contenido, especialmente en materias sensibles.), aunque insiste en que E-E-A-T no constituye por sí mismo un único factor de ranking.
Aquello supuso un avance gigantesco respecto a la pura economía de la atención, pero seguía existiendo una limitación fundamental: el buscador ordenaba documentos. Nosotros debíamos abrirlos, leerlos, compararlos y decidir finalmente a quién creer.
La inteligencia artificial está empezando a alterar precisamente esa última parte.
Hemos resuelto la producción justo cuando el verdadero problema pasa a ser la selección
Durante siglos producir información fue caro. Escribir un libro requería meses o años. Publicarlo exigía editores, imprentas, distribución y capital. Crear una revista implicaba una organización. Producir un documental necesitaba equipos técnicos. Incluso mantener un sitio web de cierta calidad obligaba hasta hace relativamente poco a disponer de conocimientos y recursos.
Internet redujo radicalmente esos costes y las redes sociales terminaron prácticamente con ellos. La inteligencia artificial generativa está completando el proceso.
Hoy una persona puede producir en una tarde lo que hace pocos años habría requerido un pequeño equipo de redactores, diseñadores, analistas y programadores. Dentro de poco esa comparación resultará incluso ingenua. Los agentes podrán investigar, redactar, adaptar, traducir, publicar y redistribuir cantidades inmensas de contenido con una intervención humana mínima.
La consecuencia evidente será una explosión de la oferta informativa.
Pero hay una segunda consecuencia mucho más importante: cuando producir contenido se aproxima a coste marginal cero, el contenido deja de ser el recurso escaso.
Lo escaso pasa a ser nuestra capacidad para determinar qué merece atención.
Y, sobre todo, qué merece confianza.
Ahí aparece una paradoja fascinante. La misma tecnología que está contribuyendo a inundar Internet de textos, vídeos, análisis, comentarios e interpretaciones puede convertirse también en la tecnología necesaria para filtrarlos.
Hasta ahora era económicamente imposible realizar una evaluación intelectual mínimamente profunda de todo lo publicado en Internet. Ningún ejército de personas podía leer millones de documentos, reconstruir quién había escrito cada uno, determinar la trayectoria del autor, comprobar qué afirmaciones había realizado anteriormente, averiguar quién las había citado, distinguir fuentes originales de copias, relacionar conceptos entre diferentes publicaciones y actualizar permanentemente ese mapa.
Las máquinas sí pueden comenzar a hacerlo.
No perfectamente. No sin errores. No sin sesgos. Pero a una escala hasta ahora inimaginable.
Propongo llamarlo «enrutamiento de autoridad»
Creo que estamos acercándonos a un fenómeno que merece un nombre propio. Propongo denominarlo enrutamiento de autoridad, o Authority Routing.
El término pretende describir un cambio fundamental en la manera de acceder al conocimiento. En lugar de limitarse a ordenar contenidos por popularidad o relevancia, los nuevos intermediarios de información podrán intentar determinar hacia qué fuentes, autores, organizaciones y corpus intelectuales conviene dirigir una determinada pregunta.
La diferencia parece pequeña, pero conceptualmente es enorme.
Un buscador tradicional recibe una consulta y busca documentos relevantes. Un sistema de enrutamiento de autoridad recibe una cuestión y puede intentar determinar, antes incluso de construir la respuesta, qué universo de conocimiento merece mayor peso para responderla.
No preguntaría únicamente «qué páginas hablan de esto», sino también «quién lleva años trabajando sobre esto», «qué fuentes originales existen», «qué autores son citados por otros especialistas», «qué afirmaciones están respaldadas por documentación primaria», «qué posiciones representan consenso y cuáles son minoritarias», «qué fuente corrigió sus errores cuando aparecieron nuevas evidencias» o «qué persona tiene autoridad precisamente en esta materia y no simplemente notoriedad general».
Algunas piezas rudimentarias de esa arquitectura ya empiezan a ser visibles. Perplexity, por ejemplo, describe su producto como un motor de respuestas que busca información, selecciona fuentes y construye una respuesta citada; recientemente ha comenzado además a identificar determinados dominios mediante etiquetas como Academic, Government o Trusted. Google, por su parte, ha introducido en 2026 mecanismos como Preferred Sources y la identificación de contenidos «Highly Cited», al tiempo que continúa integrando fuentes y enlaces dentro de sus experiencias de búsqueda con IA.
Estamos todavía muy lejos de un auténtico sistema universal de autoridad. Pero la dirección resulta difícil de ignorar.
Y existe una curiosa dimensión recursiva en proponer aquí este concepto.
Si dentro de algunos años alguien pregunta a un sistema de inteligencia artificial qué es el «enrutamiento de autoridad» y ese sistema encuentra este artículo, identifica su fecha, lo relaciona con otros textos posteriores, comprueba que el concepto ha sido citado o desarrollado y termina asociándolo con su origen, estará utilizando precisamente el mecanismo que el concepto intenta describir.
Sería una pequeña demostración de la tesis mediante la propia tesis.
La autoridad dejará de pertenecer a una página y empezará a pertenecer a un corpus
Este cambio puede tener una consecuencia especialmente importante para profesionales, investigadores, empresas y marcas.
Durante muchos años hemos trabajado Internet página a página. Cada URL competía aproximadamente como una unidad independiente. Un artículo podía posicionarse mientras otro quedaba enterrado. Una página conseguía enlaces mientras otra no. De ahí surgió buena parte de la ingeniería del SEO.
Los modelos generativos permiten introducir otra dimensión: la posibilidad de analizar un corpus intelectual completo.
Imaginemos a una persona que lleva quince años escribiendo sobre gestión empresarial. Ha publicado dos libros, decenas de artículos, entrevistas, conferencias, documentos técnicos y comentarios sobre problemas concretos. Algunas piezas han tenido muchas visitas y otras muy pocas. Desde la óptica de la economía de la atención, su producción forma una colección irregular de contenidos con diferentes métricas de rendimiento.
Desde la perspectiva de un sistema capaz de comprender relaciones semánticas aparece algo completamente distinto: una trayectoria intelectual.
La máquina puede encontrar continuidad entre documentos separados por diez años, identificar conceptos recurrentes, observar cómo evolucionaron determinadas ideas, localizar especializaciones, encontrar contradicciones, comprobar quién ha citado aquellos trabajos y establecer relaciones con fuentes externas.
En otras palabras, puede dejar de valorar únicamente documentos para empezar a reconstruir mapas de conocimiento asociados a entidades.
Una persona deja entonces de ser simplemente el autor de una página. Una empresa deja de ser simplemente un dominio. Una universidad deja de ser únicamente una colección de PDFs.
Cada una puede convertirse en un nodo dentro de un enorme grafo de conocimiento, reputación y evidencia.
Esta diferencia será decisiva.
Porque la autoridad no se construye únicamente diciendo algo correcto una vez. Se construye mediante consistencia, profundidad, experiencia, reconocimiento externo y una acumulación de aportaciones que adquieren sentido cuando se observan conjuntamente.
SEO, AEO y GEO serán partes de algo mayor
Aquí es donde las disciplinas que hoy estamos empezando a distinguir —SEO, AEO o GEO— adquieren una dimensión mucho más interesante.
El SEO tradicional intenta conseguir visibilidad en los motores de búsqueda. El AEO, o Answer Engine Optimization, persigue que un contenido pueda ser recuperado y utilizado por motores que ofrecen directamente una respuesta. Y GEO, Generative Engine Optimization, término formalizado incluso en investigación académica, estudia cómo aumentar la visibilidad de contenidos y fuentes dentro de las respuestas producidas por motores generativos.
Es fácil interpretar todo ello como una nueva colección de técnicas de marketing digital: antes optimizábamos para Google y ahora tendremos que optimizar también para ChatGPT, Gemini o Perplexity.
Creo que esa interpretación se queda corta.
SEO, AEO y GEO pueden terminar formando parte de una infraestructura mucho más amplia cuyo verdadero objetivo será conseguir que una entidad sea identificable, comprensible y confiable para las máquinas que intermedian el conocimiento.
Una marca necesitará que los sistemas comprendan inequívocamente quién es. Un experto necesitará que su trabajo esté conectado semánticamente con las materias sobre las que posee conocimiento. Los contenidos deberán tener una autoría clara, las afirmaciones importantes deberán estar respaldadas, las fuentes primarias adquirirán más valor, la información estructurada ayudará a eliminar ambigüedades y las referencias externas servirán para demostrar que la reputación no procede exclusivamente de lo que uno dice sobre sí mismo.
Todo ello configura algo mucho más profundo que posicionar determinadas palabras clave.
Configura una identidad intelectual legible por máquinas.
Quizá por haber trabajado durante años en estrategia online y reputación digital de marcas, y más recientemente en la intersección entre esos ámbitos y la inteligencia artificial, me resulta especialmente interesante este cambio. Durante mucho tiempo hemos entendido la reputación online fundamentalmente desde el punto de vista de las personas: qué aparece cuando alguien busca nuestro nombre, qué dicen terceros de nosotros, qué contenidos publicamos o qué percepción proyectamos. La siguiente etapa obligará a añadir otra pregunta: ¿qué entiende una máquina sobre quiénes somos, sobre qué considera que sabemos y sobre cuánta confianza debería conceder a nuestras afirmaciones?
No sustituye la reputación tradicional. Añade una capa nueva.
Y probablemente extraordinariamente importante.
Tener mucho contenido no será lo mismo que poseer un corpus intelectual
Aquí aparecerá también una enorme diferencia entre cantidad y acumulación de conocimiento.
La inteligencia artificial permite generar miles de páginas perfectamente redactadas sobre prácticamente cualquier asunto. Una empresa podría decidir mañana publicar cinco mil artículos sobre transformación digital y construir, aparentemente, una formidable presencia temática.
Pero cinco mil textos no constituyen necesariamente un corpus intelectual.
Podrían ser simplemente cinco mil variaciones estadísticas de información ya existente.
Un auténtico corpus incorpora ideas, fuentes, experiencia, posiciones propias, conexiones, evolución y, especialmente, elementos difíciles de falsificar mediante generación masiva: conocimiento de primera mano, datos originales, investigación, casos reales, documentación primaria, pensamiento acumulativo y reconocimiento externo.
Los sistemas de autoridad tendrán que aprender precisamente a distinguir ambas cosas.
Si no lo hacen, la IA habrá creado el mayor mecanismo de contaminación informativa de la historia: cualquiera podrá fabricar artificialmente la apariencia estadística de experiencia publicando millones de documentos que se citan unos a otros.
Eso significa que el futuro del enrutamiento de autoridad no podrá depender únicamente del contenido.
Tendrá que depender también de la procedencia.
De quién afirma algo, qué trayectoria tiene, qué evidencias aporta, quién lo confirma, quién lo contradice, de dónde proceden sus datos y qué relación existe entre todas esas piezas.
Es probable que los futuros motores combinen recuperación semántica, grafos de conocimiento, análisis de enlaces, reconocimiento de entidades, historial de publicaciones, citaciones, señales reputacionales, bases documentales verificadas, información estructurada y mecanismos que todavía no conocemos.
Lo importante es comprender que el objeto que estarán intentando estimar ya no será simplemente la relevancia de una página.
Será algo parecido a la autoridad contextual de una fuente respecto de una pregunta concreta.
Porque no existe «la autoridad» en términos absolutos
Esta precisión es fundamental.
Una persona puede ser extraordinariamente conocida y no tener ninguna autoridad particular sobre aquello que se le pregunta. Un premio Nobel de Física no adquiere automáticamente autoridad en política monetaria. Un empresario brillante no se convierte por ello en epidemiólogo. Un periodista con millones de lectores puede disponer de una capacidad excepcional para explicar una cuestión sin ser necesariamente la fuente primaria más adecuada para resolverla.
La economía de la atención tiende a trasladar notoriedad entre ámbitos. Quien tiene una audiencia enorme puede hablar prácticamente de cualquier cosa y conservar la distribución.
Un buen sistema de enrutamiento de autoridad debería hacer exactamente lo contrario.
Tendría que fragmentar la autoridad por campos, subcampos e incluso por cuestiones concretas.
Esto resulta especialmente interesante porque aproxima el comportamiento de las máquinas al modo en que funcionan las mejores redes humanas de conocimiento. Cuando aparece un problema complejo dentro de una organización, no preguntamos simplemente quién es «la persona más importante». Preguntamos quién sabe de eso.
La IA puede convertir ese principio en infraestructura global.
Ante una cuestión sobre fiscalidad internacional podría priorizar unas fuentes; ante una duda sobre diseño de semiconductores, otras; ante una pregunta sobre historia medieval, otras completamente distintas. Incluso dentro de un mismo ámbito podría comprender que una persona es referente en regulación, otra en aplicaciones industriales y otra en investigación académica.
La reputación se vuelve así multidimensional.
Y eso puede cambiar profundamente la manera de construirla.
De buscar información a delegar la selección de fuentes
Hay todavía una consecuencia mayor, relacionada no con quienes producen conocimiento sino con quienes lo consumen.
Durante treinta años hemos desarrollado un determinado hábito de Internet. Tenemos una pregunta, buscamos, recibimos resultados, abrimos varias páginas y seleccionamos.
La inteligencia artificial introduce una conducta diferente: formulamos una pregunta y esperamos una respuesta construida.
Ese cambio traslada una responsabilidad gigantesca desde el usuario hacia el intermediario.
Cuando Google proporcionaba diez enlaces podíamos discutir el orden, pero seguíamos viendo diferentes opciones. Cuando un sistema generativo redacta una respuesta coherente a partir de veinte fuentes, la selección ocurre en buena medida antes de que nosotros podamos observarla.
Por eso la verdadera batalla de los próximos años puede no estar únicamente en la generación de mejores respuestas, sino en algo anterior y mucho menos visible: qué fuentes entran en el espacio cognitivo desde el cual se construye la respuesta.
Ahí reside el corazón del enrutamiento de autoridad.
Dos inteligencias artificiales con capacidades lingüísticas similares podrían producir respuestas radicalmente distintas si una consulta se enruta hacia corpus diferentes.
La arquitectura de recuperación se convierte entonces en una especie de consejo editorial invisible.
Y quien controle ese consejo editorial ejercerá un poder considerable sobre la circulación del conocimiento.
El riesgo de crear una aristocracia algorítmica del conocimiento
Sería ingenuo pensar que este proceso sólo puede tener consecuencias positivas.
Todo sistema que intenta identificar autoridades corre el riesgo de favorecer a las autoridades ya establecidas. Si ser citado aumenta la probabilidad de ser utilizado como fuente y ser utilizado como fuente aumenta la probabilidad de volver a ser citado, puede aparecer un poderoso efecto acumulativo.
Los expertos emergentes podrían tener más dificultades para entrar. Las ideas minoritarias podrían desaparecer demasiado pronto. Determinadas lenguas o países podrían quedar infrarrepresentados. Una institución prestigiosa podría recibir más confianza de la que merece mientras que una fuente pequeña con información excepcional pasara inadvertida.
Existe además un problema epistemológico todavía más profundo: autoridad y verdad tampoco son sinónimos.
La historia de la ciencia está llena de consensos posteriormente corregidos y de personas que tuvieron razón antes de que el resto de su disciplina estuviera preparada para reconocerlo.
Por eso un sistema intelectualmente sano no debería limitarse a encontrar autoridades. Tendría que ser capaz de representar también incertidumbre, controversia y disenso.
Ante determinadas preguntas, la mejor respuesta quizá no sea «la autoridad dice esto», sino «la mayor parte de la evidencia disponible apunta en esta dirección, estas fuentes sostienen la interpretación dominante y estos investigadores mantienen una posición diferente por estas razones».
Un buen enrutamiento de autoridad no debería clausurar el conocimiento.
Debería organizarlo.
La IA puede terminar valorando aquello que las redes sociales casi no pueden medir
Aquí reside, para mí, la parte más interesante de todo este fenómeno.
Las redes sociales pueden medir extraordinariamente bien una reacción inmediata. Pueden saber qué publicación ha generado treinta mil comentarios, qué vídeo retiene más segundos o qué frase produce más compartidos.
Pero tienen muchas más dificultades para medir algo tan abstracto como el valor intelectual acumulado durante veinte años.
Los modelos capaces de procesar grandes corpus empiezan a ofrecer otra posibilidad.
Quizá un artículo escrito hace ocho años y leído por pocas personas contenga una idea que reaparece después en otros trabajos. Quizá otro autor haya desarrollado durante una década una explicación particularmente coherente de un determinado problema. Quizá una pequeña empresa haya producido la mejor documentación técnica disponible sobre una tecnología aunque nunca haya conseguido gran notoriedad.
Una máquina capaz de atravesar millones de documentos puede detectar relaciones que el sistema de distribución social simplemente no necesita observar.
Eso podría introducir una forma completamente diferente de descubrimiento.
Hasta ahora, gran parte de Internet funcionaba bajo una premisa implícita: para que alguien descubriera tu conocimiento, primero tenía que descubrirte a ti.
El enrutamiento de autoridad podría invertir el proceso.
Una máquina podría descubrir primero tu conocimiento y, precisamente por ello, empezar a descubrirte a ti.
Esta diferencia puede resultar decisiva para especialistas que poseen mucha más profundidad que audiencia.
El activo estratégico será ser una fuente, no simplemente producir contenido
Si esta hipótesis es correcta, también tendremos que reconsiderar una buena parte de las actuales estrategias de presencia digital.
Durante años se ha recomendado a profesionales y empresas «crear contenido». La recomendación sigue siendo válida, pero empieza a resultar insuficiente.
El objetivo no debería ser simplemente publicar más.
Debería ser construir un cuerpo de conocimiento reconocible.
Eso exige profundidad temática, continuidad, ideas propias, referencias verificables, identidad clara del autor, conexión entre publicaciones y presencia en lugares externos capaces de confirmar aquella autoridad. Exige también una arquitectura técnica que permita a buscadores y sistemas generativos acceder, interpretar y relacionar correctamente ese conocimiento.
El SEO ayudará a descubrirlo. El AEO facilitará que determinados fragmentos puedan convertirse en respuestas. El GEO intentará incrementar su presencia dentro de sistemas generativos. Las menciones externas ayudarán a validar la entidad. Los datos estructurados reducirán la ambigüedad. Los libros, investigaciones, entrevistas, conferencias, proyectos y publicaciones irán construyendo un corpus.
Pero ninguno de esos elementos aislados constituirá la autoridad.
Será la relación entre todos ellos la que podrá terminar construyéndola.
De ahí que la estrategia de reputación online empiece a confundirse cada vez más con la estrategia de conocimiento.
Después de la economía de la atención
Internet resolvió primero el problema de publicar.
Después resolvió el problema de buscar.
Las redes sociales resolvieron, con enorme eficacia, el problema de distribuir aquello que consigue nuestra atención.
La inteligencia artificial está resolviendo ahora el problema de sintetizar cantidades gigantescas de información.
Pero esa misma capacidad nos enfrenta inmediatamente al siguiente problema: decidir qué información merece formar parte de esa síntesis.
Por eso sospecho que uno de los grandes espacios de innovación de los próximos años aparecerá alrededor de servicios, motores y plataformas capaces de evaluar fuentes y construir mapas de autoridad temática mucho más sofisticados que los actuales.
Algunas serán capas invisibles integradas dentro de los grandes sistemas de inteligencia artificial. Otras podrían convertirse en servicios independientes de reputación epistemológica. Podrían existir índices de expertos, grafos de procedencia, motores especializados por industrias o sistemas capaces de seleccionar dinámicamente las fuentes adecuadas para cada pregunta.
No sabemos todavía qué forma adoptarán.
Pero sabemos por qué serán necesarios.
La inteligencia artificial hará que producir información resulte extraordinariamente barato. Precisamente por eso, determinar qué información merece confianza se volverá extraordinariamente valioso.
Durante las últimas dos décadas una parte enorme de la economía digital ha competido por conseguir atención. Quizá la siguiente gran batalla consista en algo más difícil: conseguir autoridad.
Y si el enrutamiento de autoridad termina desarrollándose como aquí se plantea, la consecuencia será bastante más profunda que un nuevo cambio de algoritmo o una nueva disciplina de posicionamiento.
Cambiará la lógica mediante la cual el conocimiento encuentra a las personas.
Hasta ahora hemos construido una Internet extraordinariamente buena descubriendo qué consigue que miremos.
La siguiente Internet tendrá que aprender algo mucho más difícil:
a quién merece la pena escuchar.