«Auditoría SEO con inteligencia artificial» se ha convertido en una etiqueta que no significa nada. La he visto usada para describir cosas que van desde un flujo de trabajo serio hasta pegar una URL en un chatbot y reenviar lo que sale en un PDF con el logo encima.
Como la etiqueta no distingue, aquí cuento exactamente dónde uso IA cuando reviso una web y dónde no la toco. Si estás valorando contratar a alguien que dice usar IA, esto te sirve para preguntarle las cosas correctas.
Lo que un modelo de lenguaje no puede hacer
Esto es lo primero, porque casi todo el ruido viene de ignorarlo.
Un modelo de lenguaje no rastrea tu web. No sigue tus enlaces, no lee tus cabeceras HTTP, no ve tu robots.txt. No tiene acceso a tu Google Search Console, así que no sabe para qué queries apareces ni en qué posición. Y no mide tu LCP, porque medir el LCP requiere cargar la página en un navegador real con una red simulada.
Si le das tu URL y le pides una auditoría, va a producir una lista de problemas verosímiles para una web de tu sector. Puede acertar en varios, porque los errores habituales son habituales. Pero no te está diciendo qué le pasa a tu web: te está diciendo qué suele pasarle a webs como la tuya. Y lo dice con el mismo tono de seguridad en los dos casos, que es lo que lo hace peligroso.
Un ejemplo de lo que esto cuesta: un modelo te puede afirmar que tienes un problema de contenido duplicado sin haber visto una sola de tus URLs. Si te lo crees, te pasas dos semanas reescribiendo páginas mientras el problema real era un noindex heredado de la web anterior que nadie quitó.
Mi flujo real: primero los datos, después la IA
El orden no es un detalle, es lo que separa un diagnóstico de una conjetura.
Rastreo con Screaming Frog. Recorre la web como lo hace Google: siguiendo los enlaces, recogiendo el código de respuesta de cada URL, los títulos, las cabeceras, los canonical, las redirecciones. Esto produce datos, no opiniones. Si una página devuelve un 301 que apunta a otro 301 que acaba en un 404, aquí sale.
Cruce con Google Search Console. El rastreo te dice qué hay en la web. GSC te dice qué está funcionando. Y es en el cruce donde aparece lo que cambia las decisiones: la página con 1.165 impresiones y un CTR del 0,8% porque el title está truncado, la URL que Google rastrea a diario y no indexa, las dos páginas tuyas que compiten por la misma query.
Rendimiento con PageSpeed Insights y datos de campo. El laboratorio te da una medición controlada; CrUX te da lo que les pasa de verdad a tus visitantes. Cuando los dos no coinciden, el dato de campo gana.
Con eso ya hay un diagnóstico. La IA todavía no ha entrado.
Dónde sí uso la IA
Tres sitios concretos, todos sobre datos que ya tengo.
Procesar volumen. Un rastreo de 240 páginas cruzado con tres meses de exportaciones de GSC son miles de filas. Uso IA para escribir y ajustar el código que procesa esos CSV, agrupa y calcula. El código es verificable: si el resultado no cuadra, lo veo y lo corrijo. No le pido conclusiones, le pido la herramienta que me las deja ver.
Encontrar patrones que no estaba buscando. Cuando un patrón aparece repetido en decenas de URLs, sale antes pidiéndole a un modelo que revise la tabla que leyéndola a mano. Luego lo compruebo yo sobre las URLs concretas. El patrón es una pista, no una conclusión.
Redactar propuestas en volumen. Si hay treinta títulos que reescribir, generar los primeros borradores con IA y revisarlos uno a uno es más rápido que escribirlos desde cero. El criterio de qué title necesita cambio y por qué lo pongo yo, con los datos de CTR delante.
El denominador común: la IA opera sobre datos reales y su salida es comprobable. En ningún caso le pregunto qué le pasa a tu web.
Dónde no la uso
Para el diagnóstico. Qué está roto lo dicen los datos del rastreo, no un modelo.
Para priorizar. Priorizar es decidir qué arreglar primero sabiendo cuánto factura cada página, qué temporada viene y de cuánto presupuesto disponemos. Eso es contexto de tu negocio, y para tenerlo hay que hablar contigo.
Para escribir el informe. El informe lo escribo yo, porque es donde digo lo que no conviene oír: que un problema no tiene solución razonable, que arreglar algo costaría más de lo que va a rendir, o que la web no tiene arreglo y sale más a cuenta rehacerla. Un modelo no te va a decir eso: va a devolverte la lista larga, porque la lista larga es la respuesta estadísticamente esperable.
Para inventar números. Si no he medido algo, no está en el informe. Las estimaciones de impacto van etiquetadas como estimaciones.
Lo que esto cambia en el resultado
Menos tiempo en trabajo mecánico y más en análisis. Eso es todo, y ya es bastante: el tiempo que antes se iba en procesar exportaciones ahora se va en mirar por qué esas dos páginas se están pisando.
Lo que no cambia es de dónde sale el diagnóstico. Sale de los mismos sitios de los que salía antes de que existieran estas herramientas: del rastreo, de Search Console y de medir el rendimiento. La IA ha hecho el proceso más rápido. No lo ha hecho más listo.
Y una observación con la que tengo cuidado: he notado que las webs que construyo con marcado limpio y semántico se citan mejor en respuestas generadas por IA que las que arrastran quince capas de div. No tengo un estudio que lo demuestre y no te lo voy a vender como si lo tuviera. Lo apunto porque es lo que veo, no porque pueda probarlo.
Si quieres ver qué reviso exactamente antes de dar un precio, lo tienes en la página de auditoría web. Y si tu web va lenta y quieres el detalle técnico, tienes la guía de Core Web Vitals en WordPress con Elementor y el análisis de 160 webs de pymes donde salen los errores más repetidos.
Si prefieres contarme directamente qué está pasando con tu web, escríbeme y en 24 horas te digo si tiene solución y por dónde empezaría.

