Última actualización: julio de 2026
La afirmación se difunde rápido: “Añade FAQ schema y entrarás en el cuadro de respuesta de IA.” Suena limpio. Es el tipo de consejo que se propaga porque es accionable y fácil de medir. El problema es que los dos datos más fiables sobre esta cuestión llegan a conclusiones opuestas, y el que parece apoyar el schema en realidad argumenta en contra si se lee con atención.
Este artículo expone ambas posturas con claridad, te dice qué respalda realmente la evidencia y te señala la palanca real que debes accionar.
La evidencia a favor del schema: un incremento del 1.500% que nadie puede replicar
A finales de 2025, Otterly.AI desplegó cinco tipos de schema en su propio sitio web. Durante los tres meses siguientes, rastrearon las apariciones en Google AI Overviews en 319 consultas y siete plataformas de IA.
El número que reportaron fue llamativo: un incremento del +1.500% en apariciones en Google AI Overviews durante el periodo posterior al despliegue.
Eso suena como una prueba contundente. El schema sube, la visibilidad en IA sube 15 veces. Caso cerrado.
Excepto que los propios investigadores de Otterly.AI llegaron a la conclusión opuesta. Cuando analizaron qué ocurrió con los competidores que no realizaron ningún cambio de schema durante el mismo periodo, esos competidores mostraron movimientos equivalentes. Ya estaba en marcha un cambio algorítmico más amplio a nivel de plataforma. El schema no causó el incremento.
Dos detalles más son relevantes aquí:
- El 1.500% abarca específicamente las apariciones en Google AI Overviews. En ChatGPT, Gemini y Copilot, las citas cayeron durante el mismo periodo.
- El experimento se realizó en el propio sitio de Otterly.AI. Los autoexperimentos de proveedores tienen límites obvios: el punto de partida, la calidad del contenido y la autoridad de dominio son específicos de una sola marca SaaS.
Otterly.AI hizo lo correcto al publicar la advertencia. Esa advertencia es el hallazgo. El incremento fue real. La causa no fue el schema.
La evidencia en contra del schema: 1.885 páginas, sin movimiento
Ahrefs publicó un estudio controlado en mayo de 2026. Rastrearon 1.885 páginas que añadieron schema JSON-LD entre agosto de 2025 y marzo de 2026, comparadas con 4.000 páginas de control, y midieron las citas de IA en Google AI Overviews, Google AI Mode y ChatGPT.
Los resultados por plataforma:
| Plataforma | Cambio tras añadir schema | ¿Estadísticamente significativo? |
|---|---|---|
| Google AI Overviews | -4,6% | No (descenso leve) |
| Google AI Mode | +2,4% | No (nivel de ruido) |
| ChatGPT | +2,2% | No (nivel de ruido) |
Todos los números están dentro del margen de ruido. Añadir schema no produjo ningún aumento significativo en las citas de IA en ninguna de las tres plataformas estudiadas.
Una nota importante sobre el alcance: todas las páginas del conjunto de datos de Ahrefs ya tenían 100 o más citas en AI Overviews antes del tratamiento. No eran páginas invisibles recibiendo su primer schema. Eran páginas que ya rendían bien y que probaban si más schema las elevaría aún más. Esa elección de diseño hace que el hallazgo sea conservador en una dirección. Es más difícil elevar páginas que ya están siendo citadas que elevar páginas con visibilidad cero. Si el schema movería la aguja para páginas completamente sin citar sigue siendo una pregunta abierta.
Lo que el estudio establece con claridad: para páginas que ya reciben citas de IA, añadir schema no aumenta la frecuencia con que se les cita.
Qué impulsa realmente la selección de citas de IA
Si el schema por sí solo no mueve la aguja, ¿qué lo hace? La mejor evidencia disponible de fuentes independientes y parcialmente verificadas apunta a cuatro factores:
1. La posición orgánica en buscadores. El estudio SSRN de Fischman (“Does Schema Markup Predict AI Citation?”) encontró que la posición orgánica en Google era el predictor dominante de la probabilidad de cita de IA, no la presencia de schema. Las páginas con buen posicionamiento orgánico se seleccionan con más frecuencia como fuentes de IA. Este hallazgo es coherente con la investigación independiente de Ahrefs, que muestra que los AI Overviews se nutren principalmente de páginas que ya rinden en la búsqueda tradicional.
2. La ubicación del contenido en el primer tercio de la página. Según el análisis de Kevin Indig en 2026 sobre 1,2 millones de respuestas de ChatGPT, el 44,2% de las citas provienen del primer 30% del contenido de una página. Colocar la respuesta directa al principio importa más que cualquier capa de marcado.
3. Las menciones de terceros y las señales de autoridad. Los estudios encuentran de forma consistente que la gran mayoría de las citas de IA provienen de fuentes de terceros en lugar de sitios web de marcas propias. Conseguir menciones y enlaces de dominios de alta autoridad construye la señal de autoridad que los motores usan al seleccionar fuentes.
4. La estructura y la directitud del contenido. Según un estudio de AirOps sobre 12.000 URLs, el 68,7% de las páginas citadas por ChatGPT usaban una estructura de encabezados secuencial (H1 a H2 a H3), frente al 23,9% de las páginas mejor posicionadas en Google. Casi cuatro de cada cinco páginas citadas incluían al menos una lista estructurada. Son señales de formato que ayudan a los motores a extraer la respuesta y funcionan con independencia del schema JSON-LD en el código fuente de la página.
El schema sigue teniendo su lugar en tu stack. Ayuda a los motores a interpretar el contenido correctamente, apoya los rich results en las SERPs tradicionales y es un requisito previo para algunos flujos de trabajo de herramientas de AEO. El error es tratarlo como la palanca principal cuando el trabajo más pesado es la calidad del contenido, la autoridad y la estructura.
Cómo auditar tu posición sin adivinar
La pregunta práctica no es “¿debo añadir schema?” sino “¿cómo sé si algo de esto está funcionando?” Para eso hay que rastrear las tasas reales de citas de IA antes y después de cualquier cambio, en múltiples motores, para un conjunto estable de consultas.
Un puñado de herramientas permiten este tipo de medición controlada:
Otterly.AI (/tools/otterly-ai) merece mencionarse aquí específicamente porque su propio experimento de schema es el conjunto de datos que complica la afirmación de que “el schema funciona”. Su GEO Audit Engine puntúa las URLs en más de 20 factores de preparación para la cita y rastrea las tasas de citas por consulta en seis plataformas. A partir de 29 $/mes en el plan Lite, es la opción de monitorización de AEO dedicada más asequible con un historial público en la medición de schema.
Surfer integra la puntuación de contenido y el seguimiento de visibilidad de IA en un único editor. Su sistema Content Score incluye comprobaciones de datos estructurados junto con señales de contenido a nivel NLP, para que puedas ver el estado del schema en contexto en lugar de como una métrica aislada. Útil para equipos que quieren escribir y auditar en un solo lugar.
Writesonic (/tools/writesonic) incluye la generación de schema como parte de su flujo de creación de contenido, lo cual es útil para equipos que necesitan producir marcado FAQ a escala sin escribir JSON-LD manualmente. No ofrece monitorización profunda de citas, así que combínalo con una herramienta de seguimiento para la medición.
El AEO grader de HubSpot ofrece una auditoría rápida a nivel de página que señala las carencias de schema junto con otras señales de preparación para AEO. Es gratuito y útil como comprobación rápida antes de publicar una página.
Temso (/tools/temso) cubre el ciclo completo de AEO (monitorización de tasas de citas en ocho motores, generación de contenido FAQ/schema y seguimiento de cambios a lo largo del tiempo) a un precio plano de 89 $/mes. Para equipos que quieren generación de schema y medición de citas en una sola herramienta en lugar de combinar herramientas separadas, es una opción sólida en el extremo asequible de la categoría. No es un especialista en schema: es una plataforma de AEO de ciclo completo donde el schema es una parte del flujo de trabajo.
La lista completa de herramientas está en /rankings/aeo-tools.
Independientemente de la herramienta que uses, la disciplina de medición importa más que el schema en sí. Ejecuta las consultas objetivo antes de un cambio de schema, rastréalas durante 60 a 90 días después y compáralas con páginas en las que no hayas cambiado nada. Es la única forma de saber si el schema movió tus números concretos.
El veredicto sobre el schema y los cuadros de respuesta de IA
El marcado schema es necesario pero no suficiente para la inclusión en el cuadro de respuesta de IA. Esa frase hace un trabajo real aquí:
- Necesario: los motores necesitan interpretar el contenido para citarlo. El schema ayuda con eso. Una página sin ningún marcado estructurado es más difícil de clasificar para un motor, y algunos flujos de trabajo de AEO lo requieren.
- No suficiente: añadir schema a una página que carece de autoridad orgánica, respuestas directas y menciones de terceros no te meterá en AI Overviews ni en los resultados de ChatGPT. El estudio de Ahrefs sobre 1.885 páginas lo deja claro. El experimento de Otterly.AI lo confirma desde el otro ángulo.
El mito que vale la pena desmontar no es “el schema importa” sino “el schema por sí solo es la clave”. No lo es. Es un elemento en una lista de comprobación más larga, y la mayoría de los elementos que lo preceden en esa lista son más difíciles de conseguir: escribir mejores respuestas, conseguir más menciones de terceros, construir autoridad orgánica y colocar la respuesta directa en el primer párrafo.
Arregla eso primero. Luego añade el schema.
¿Quieres saber en qué cuadros de respuesta de IA estás perdiendo visibilidad? El ranking de herramientas AEO cubre las herramientas creadas para responder esa pregunta, con precios, cobertura de motores y qué hace cada una realmente.