¿Qué es el marcado de schema y ayuda en la búsqueda con IA?
El marcado schema, o datos estructurados, es código en una página, normalmente JSON-LD con el vocabulario de schema.org, que declara datos sobre la página y su tema en un formato que las máquinas pueden leer. El marcado de schema expresa datos sobre una página, como que es una organización o que un producto cuesta tanto, en un formato que las máquinas leen sin adivinar. Ayuda a los buscadores a entender una página. No es un interruptor que te meta en las respuestas de IA.
¿Cómo funciona el marcado de schema?
Google define los datos estructurados como un formato estandarizado para dar información sobre una página y clasificar su contenido. Admite JSON-LD, Microdata y RDFa, recomienda JSON-LD cuando la configuración del sitio lo permite y señala que la mayoría de los datos estructurados de la Búsqueda usan el vocabulario de schema.org (Google Search Central, actualizado el 10 de diciembre de 2025).
Un bloque JSON-LD va en una etiqueta script de la página y dice, por ejemplo, que la página describe una Organization con nombre, logotipo, URL y enlaces sameAs a sus perfiles oficiales.
¿El marcado de schema ayuda a la visibilidad en IA?
No como palanca especial, según la propia Google. Su guía sobre las funciones de IA dice que no hace falta añadir ningún dato estructurado especial de schema.org para aparecer en AI Overviews o AI Mode, y aconseja asegurarse de que los datos estructurados coinciden con el texto visible de la página (Google Search Central, consultado el 15 oct 2026).
Su guía sobre las funciones de IA generativa lo repite: los datos estructurados no son obligatorios para la búsqueda con IA generativa (Google, actualizado el 10 de julio de 2026). No hemos podido relacionar con ninguna medición publicada las afirmaciones de mejoras porcentuales fijas en las respuestas de IA por añadir marcado (el artículo).
¿Cómo se ve esto en un ejemplo real?
En el ejemplo público de Tesla (4 de oct. de 2026), Google AI Overviews respondió a «¿Qué es Tesla?» empezando por la unidad magnética antes de llegar a la empresa. Ese tipo de ambigüedad es lo que el marcado Organization con enlaces sameAs ayuda a resolver, al vincular una web con una sola identidad.
Lo que no decide es cómo empieza una respuesta. Las respuestas de ese ejemplo citaron páginas de vídeo, foros y obras de referencia mucho más que tesla.com, así que el marcado en las páginas de la propia marca solo podía ser una parte pequeña del panorama.
¿Qué tipos de schema debería usar una marca?
Marca lo que la página muestra de verdad:
- Organization: nombre, URL, logotipo y enlaces sameAs a los perfiles oficiales, en la página de inicio o en Sobre nosotros.
- Product o SoftwareApplication con offers, cuando una página indica un precio.
- Article con autor y fechas, en artículos y guías.
- BreadcrumbList, para indicar el lugar de la página dentro del sitio.
- Nada que no se vea en la página: Google pide que el marcado coincida con el texto visible.
¿Cómo trata Proofsource el marcado de schema?
Como higiene, no como palanca de posicionamiento: el registro de brechas de Proofsource incluye comprobaciones de entidad y de acceso para máquinas junto a las brechas de citas y de reseñas, ordenadas por la mejora esperada frente al esfuerzo. Esta misma página del glosario lleva JSON-LD de DefinedTerm y FAQPage que coincide con su texto visible. Consulta Opportunities.
Preguntas frecuentes sobre Marcado schema (datos estructurados)
¿Necesito un schema especial para aparecer en AI Overviews?
No. Google dice que no hace falta ningún marcado especial de schema.org para AI Overviews ni para AI Mode. Lo que cuenta son páginas indexables, aptas para fragmentos, que respondan a la pregunta.
¿Qué formato debería usar?
JSON-LD, que es el que recomienda Google cuando tu configuración lo permite. Va en un único bloque script y no cambia la página visible.
¿Unos datos estructurados erróneos pueden perjudicar?
Un marcado que no coincide con la página visible puede hacer que no sea apta para resultados enriquecidos, y expresar datos erróneos en un formato legible por máquinas los propaga. Mantenlo exacto.
¿El marcado de FAQ ayuda en las respuestas de IA?
Expresa tus preguntas y respuestas en un formato estándar, pero ningún motor lo documenta como requisito para las respuestas de IA. Escribe primero la respuesta con claridad en la página.
Términos relacionados
- Entidad
En búsqueda e IA, una entidad es una cosa única e identificable, como una empresa, un producto, una persona o un lugar, que un sistema puede reconocer y distinguir de otras con nombres parecidos.
- Knowledge graph
Un knowledge graph es una base de datos de entidades y de los hechos que las conectan; el Knowledge Graph de Google es el más conocido, con millones de entradas sobre personas, lugares y cosas.
- llms.txt
llms.txt es un archivo markdown propuesto, en la raíz de una web, que explica a los modelos de lenguaje qué es la web y enumera las páginas que más merece la pena leer.
- E-E-A-T
E-E-A-T significa experiencia, pericia, autoridad y fiabilidad (experience, expertise, authoritativeness and trustworthiness), las cualidades que Google dice que sus sistemas buscan en el contenido útil y fiable.
Ejemplo práctico: Tesla, respuestas públicas de IA, 4 de oct. de 2026: el primer análisis de Tesla hecho por Proofsource, con 25 preguntas de compra y 5 preguntas de marca, una respuesta por pregunta en cada uno de cuatro motores. Una muestra pequeña de una sola marca, presentada como ejemplo, no como comparativa.
Ve dónde te deja fuera la IA y qué corregir.
Ve qué preguntas de compra mencionan tu marca, a quién mencionan en tu lugar y qué corregir. 200 respuestas. 25 Prompts/pregunta. Los principales motores de IA. 2 días. Gratis. Sin tarjeta.
Google AI OverviewsGoogle AI Mode
