Schema.org para IA: tipos, ejemplos y cómo implementarlo

¿Para qué sirve Schema.org en IA?

Schema.org sirve para describir entidades y relaciones de una página con una estructura legible por sistemas informáticos. Puede hacer más explícito que una página trata de una empresa, un producto o un artículo, pero no sustituye un contenido claro ni obliga a un sistema de IA a mostrarlo.

El marcado se añade al código de la página y expresa propiedades con vocabulario compartido. Por ejemplo, una página de empresa puede identificar su nombre y sitio web; una página editorial puede indicar título, autor y fecha de publicación si esa información aparece también para las personas.

Para aplicarlo con criterio:

• Empieza por las páginas que cumplen una función importante para el negocio.
• Escoge el tipo que represente lo que realmente contiene cada página.
• Incluye solo propiedades que puedas respaldar con información visible y actual.
• Comprueba tanto el código como la página publicada.

Si buscas una visión más amplia de la capa técnica, consulta schema, llms.txt y rastreadores. El principio práctico es sencillo: el marcado debe describir la página, no intentar convertirla en algo distinto.

Qué tipos de Schema.org elegir según la página

El tipo correcto depende de la entidad o el contenido principal de la página. No hay un tipo universal de Schema.org para IA: seleccionar una categoría específica solo tiene sentido cuando sus propiedades corresponden a información real del sitio.

En sitios B2B, una combinación razonable puede describir la organización y, por separado, sus artículos o servicios. Para un comercio, el tipo Product puede ayudar a describir una ficha, mientras Organization identifica la entidad responsable. En una web local, evalúa Schema.org para empresas locales y IA y compara el marcado con la información que el negocio presenta a sus clientes.

Evita añadir tipos por moda o repetir propiedades sin una función clara. Una estructura pequeña, precisa y mantenible suele ser más útil para el equipo que un bloque extenso que nadie revisa.

Cómo escribir un ejemplo de Schema.org con JSON-LD

JSON-LD permite incluir datos estructurados en un bloque de código separado del texto editorial. Para muchas webs es cómodo de mantener, siempre que el contenido marcado corresponda con lo que cualquier visitante puede encontrar en esa URL.

Este ejemplo muestra la forma básica para identificar una organización; los valores son ilustrativos y debes sustituirlos por datos reales: un objeto JSON-LD con @context igual a https://schema.org, @type igual a Organization, name igual a Nombre de la empresa y url igual a https://ejemplo.com.

Antes de llevar un bloque a producción, revisa esta lista:

• Confirma que el tipo elegido representa la página o entidad descrita.
• Comprueba que las propiedades no contradicen el contenido visible.
• Usa una URL canónica coherente con la página publicada.
• Evita dejar valores de plantilla o datos incompletos.
• Repite la validación después de cambios en el CMS o en la plantilla.

El vocabulario y las propiedades disponibles se documentan en Schema.org. La implementación debe tener una persona responsable: si varias plantillas generan el mismo marcado, define dónde se origina cada dato para reducir duplicados y divergencias.

Schema.org para B2B y ecommerce: qué cambia

En B2B, el marcado debe ayudar a distinguir la empresa, sus servicios y la información editorial que demuestra experiencia. En ecommerce, la prioridad es describir de forma fiel los productos y mantener la ficha estructurada en línea con la página visible.

Para una web B2B, revisa primero las páginas de empresa, soluciones, servicios y autores. Organization puede identificar a la entidad; Service puede describir un servicio cuando la página realmente lo presenta; Article puede representar contenido editorial. No marques cada página de marketing como si fuera una ficha de producto. La guía de Schema.org para B2B e IA ayuda a ordenar esas decisiones.

Para una tienda online:

• Asegúrate de que cada bloque Product corresponde a la ficha concreta.
• Mantén nombres y datos estructurados alineados con el contenido que ve el comprador.
• Revisa cómo el CMS actualiza variantes y páginas cuando cambia el catálogo.
• No incluyas propiedades que el sitio no puede sostener o actualizar.

El equipo puede empezar con una plantilla representativa, revisarla y después extender el patrón a páginas equivalentes. Así se detectan problemas de modelo antes de aplicarlo a todo el catálogo. Para profundizar en el caso comercial, consulta Schema.org para ecommerce y IA.

Cómo validar el marcado y mantenerlo coherente

Validar Schema.org significa revisar que el código tenga una estructura interpretable y que describa con exactitud la página publicada. Una prueba técnica es solo una parte de la revisión: también hay que verificar el significado de cada propiedad y quién actualiza esos datos.

Organiza el control en tres capas. Primero, comprueba que el bloque se genera en la URL correcta y que no contiene errores de sintaxis. Después, compara cada dato con el contenido visible y con la fuente interna que lo mantiene. Por último, revisa una muestra de páginas después de cambios en plantillas, catálogo o estructura editorial.

Una lista operativa útil incluye:

• Página y tipo de entidad cubiertos.
• Plantilla o sistema que genera el marcado.
• Responsable del contenido fuente.
• Propiedades que requieren actualización editorial o comercial.
• Fecha de la última revisión del código, registrada por tu equipo.

Si detectas un dato desactualizado, corrige primero la fuente y luego el marcado, en lugar de parchear una URL aislada sin entender de dónde sale el valor. Mantén un inventario breve de tipos y plantillas; facilita la revisión y evita que distintas áreas describan la misma entidad de formas incompatibles.

Qué puede y qué no puede hacer Schema.org en buscadores de IA

Schema.org puede aportar contexto explícito, pero no determina la selección de páginas ni la forma de una respuesta generada. Google indica que no hace falta un marcado especial para aparecer en sus funciones de IA; sus sistemas siguen utilizando fundamentos de búsqueda y el contenido accesible de la web.

Tampoco existe una regla idéntica para todas las plataformas. Google AI Mode, Perplexity y otros asistentes pueden recuperar, interpretar o citar fuentes de maneras distintas. En Google, la elegibilidad para una presentación enriquecida no garantiza que esa presentación se muestre; las políticas y los sistemas de Google controlan la apariencia final. En Perplexity, el marcado no obliga al sistema a citar una URL ni a mantener una mención en cada respuesta. La calidad y accesibilidad de las fuentes siguen siendo relevantes.

Por eso, no implementes FAQ u otros tipos con la expectativa de conseguir una función visual determinada. Elige el marcado por claridad semántica y mantenlo fiel a la página. Para ampliar el trabajo de visibilidad, puedes revisar Google AI Overviews, Google AI Mode y nuestra guía de visibilidad en buscadores de IA.

Schema.org y llms.txt cumplen funciones distintas

Schema.org describe entidades y propiedades dentro de páginas; llms.txt es un archivo de texto que propone orientar a sistemas de IA hacia recursos de un sitio. No son alternativas equivalentes y ninguno reemplaza páginas útiles, rastreables y bien organizadas.

Al decidir si implementar ambos, empieza por el problema que quieres resolver. Si una plantilla no identifica con claridad un producto o la autoría de un artículo, revisa el marcado y el contenido de esa página. Si necesitas presentar una selección organizada de documentos para lectura por sistemas de IA, investiga el propósito y las limitaciones de llms.txt. No añadas un archivo solo porque se menciona como requisito universal.

Una secuencia sencilla para el equipo:

• Ordena las páginas prioritarias y confirma que se pueden descubrir y leer.
• Corrige contenido contradictorio o incompleto.
• Añade Schema.org solo donde exprese información verdadera y útil.
• Evalúa llms.txt como una pieza complementaria, con una persona responsable de mantenerlo.

Puedes consultar la guía sobre qué es llms.txt y si lo necesitas y el recurso sobre cómo aparecer en ChatGPT. Define cada archivo por su finalidad concreta, no por la expectativa de que active una cita.

Precios

Precios iniciales en USD. Paquetes a medida y descuentos por volumen bajo solicitud. Pago en USDT, USDC, BTC, ETH, SOL, TON o con el token de tu proyecto.

Cómo trabajamos

1. Prioriza las páginasAgrupa páginas de empresa, productos, servicios y contenido editorial. Empieza por las que representan entidades importantes para tu negocio.
2. Asigna los tiposElige un tipo Schema.org por el contenido principal de cada página y documenta por qué encaja.
3. Define la fuente de los datosAverigua qué plantilla o sistema genera cada propiedad y quién mantiene los valores.
4. Implementa y validaAñade el marcado con datos reales, comprueba el código y contrástalo con la página visible.
5. Revisa después de cambiosVuelve a comprobar las plantillas afectadas cuando cambien el sitio, el catálogo o los procesos editoriales.