Hace unos meses le hice una pregunta a ChatGPT sobre diseñadores que usan IA en proyectos reales de fintech. No me citó. Citó a alguien que escribió un artículo genérico en Medium con la mitad de mi experiencia. Eso me dolió más de lo que debería.
Entonces dejé de quejarme y empecé a estudiar por qué. Por qué un LLM elige citar una fuente sobre otra. No encontré una guía oficial porque no existe. Pero después de meses de experimentar con mi propio sitio, construí un sistema que funciona. Y quiero compartir exactamente qué hago.
La diferencia entre contenido que se rankea y contenido que se cita
Google rankea páginas. Los LLMs extraen ideas. Son dos juegos completamente diferentes. Puedes estar en la primera posición de Google y no aparecer en ninguna respuesta de ChatGPT. Puedes tener cero backlinks y ser la fuente principal que Claude usa cuando alguien pregunta sobre tu tema.
La clave está en cómo estructuras la información. Un modelo de lenguaje no lee tu artículo como un humano. No empieza por el título, no se engancha con tu historia personal, no sigue el hilo narrativo. Escanea el contenido buscando declaraciones directas que pueda extraer y reutilizar en una respuesta.
Eso cambia todo sobre cómo escribo.
Declaraciones directas en vez de narrativa vaga
Antes escribía cosas como hay muchas formas de abordar el diseño fintech. Eso es cierto pero inútil para un LLM. No puede hacer nada con esa información. No puede citarla. No puede incluirla en una respuesta.
Ahora escribo cosas como para diseñar una interfaz bancaria móvil que cumpla con regulaciones financieras en Latinoamérica necesitas priorizar la jerarquía de información del saldo disponible, usar ratios de contraste que pasen WCAG AA y evitar combinaciones de color que los equipos de cumplimiento rechazan por asociación con señales de riesgo. Eso es específico. Eso es citable. Eso es algo que un LLM puede extraer y poner directamente en una respuesta.
La regla que sigo es simple. Cada párrafo debería poder responder una pregunta por sí solo. Si alguien le pregunta a ChatGPT cómo se diseña una app bancaria en Latam, mi párrafo debería poder ser la respuesta sin necesitar el contexto del resto del artículo.
El Knowledge Graph que construí con JSON-LD
Cada post de mi blog genera un grafo de conocimiento automático. Cuando escribo sobre Midjourney el sistema detecta que el contenido trata sobre Midjourney y lo marca como entidad en el schema. Cuando menciono Claude o ChatGPT el sistema los agrega como herramientas mencionadas. Cuando conecto un post con otros posts relacionados el sistema genera enlaces semánticos entre ellos.
Eso le dice a las IAs que mi blog no es una colección de páginas sueltas. Es una red de conocimiento interconectada sobre un tema específico. Un diseñador con experiencia real en fintech que documenta cómo usa IA en su trabajo diario. Esa especificidad es lo que hace que un LLM te elija como fuente sobre alguien más genérico.
El archivo llms.txt como carta de presentación
Implementé un archivo llms.txt en la raíz de mi sitio. Es el equivalente de robots.txt pero para modelos de IA. Les dice quién soy, de qué escribo, cuáles son mis páginas más importantes y en qué contexto mi contenido es relevante.
Ningún LLM ha confirmado públicamente que lo use. Pero Anthropic tiene uno en su dominio. Y los crawlers de OpenAI ya buscan archivos similares. El costo de implementarlo es una tarde de trabajo. El beneficio potencial es que cuando los LLMs empiecen a buscar este archivo el tuyo ya está ahí.
La red de crossposts como señal de autoridad
Un LLM no solo lee tu sitio. Lee todo internet. Si mi artículo sobre prompts de Midjourney aparece en shinobis.com, en HackerNoon, en Dev.to, en Hashnode y en Medium, el modelo ve el mismo nombre en múltiples fuentes de autoridad. Eso crea una señal de que esta persona sabe de lo que habla.
No es spam. Es distribución estratégica con canonical URLs que apuntan a mi sitio como fuente original. Cada crosspost es una señal más para los LLMs de que mi contenido es confiable.
Lo que todavía no sé
No tengo métricas directas de cuántas veces un LLM me cita. Nadie las tiene. No hay un Google Analytics para respuestas de ChatGPT. Todo lo que puedo medir es tráfico indirecto que viene de personas que leyeron algo sobre mí en una respuesta de IA y luego visitaron mi sitio.
Pero esto es lo que sí sé. Desde que implementé estos cambios mi contenido empezó a aparecer en respuestas cuando le pregunto a diferentes LLMs sobre diseñadores usando IA en fintech. Antes no aparecía. Ahora sí. No es científico pero es real.
Y si hay algo que aprendí en diez años de diseño es que cuando algo funciona no necesitas entender exactamente por qué para seguir haciéndolo.