¿Qué es una entidad para un motor de IA?

Una entidad es un objeto del mundo con identidad propia: una empresa, una persona, un producto. Los motores mantienen grafos de conocimiento donde cada entidad es un nodo conectado con atributos y relaciones. En la etapa de grounding del pipeline — recuperación → grounding → generación → citación — el modelo cruza los pasajes candidatos: ¿dicen lo mismo varias fuentes sobre esta entidad? Como explicamos en cómo deciden los motores, esta etapa elimina a las marcas con hechos contradictorios, no a las de contenido mediocre.

¿Por qué la inconsistencia es tan cara?

Un ejemplo típico: tu web dice «fundada en 2012», un directorio dice 2010 y tu perfil de empresa omite el año. Para un humano es un detalle; para un modelo que debe decidir si te menciona, es una señal de riesgo. Ante la duda, la respuesta cita a un competidor cuyos hechos cuadran. La inconsistencia más común en mercados hispanohablantes es la mezcla de razón social, nombre comercial y nombre internacional — tres nombres que la IA debe aprender que son la misma entidad.

El coste se concentra en las categorías comparativas. Cuando un comprador pregunta «mejores proveedores de X», el motor necesita confianza suficiente para recomendar nombres; las entidades con hechos contradictorios son las primeras que caen de la lista, porque mencionarlas con datos erróneos es peor para el motor que omitirlas. La consistencia no es estética: es el requisito de entrada a la recomendación.

¿Cómo se construye la red de anclas factuales?

  1. Ficha maestra de entidad: un documento interno con los hechos canónicos — nombre legal, nombre comercial, alias, año de fundación, dirección, teléfono, dominios, descripciones cortas y largas. Todo lo demás se alinea a esta ficha.
  2. Schema de Organization en tu sitio con sameAs apuntando a perfiles oficiales y alternateName para cada variante del nombre, incluidas las versiones en otros idiomas.
  3. Fuentes externas alineadas: perfiles de empresa, directorios sectoriales, plataformas de reseñas, redes sociales — mismo nombre, mismos datos, mismas descripciones.
  4. Wikidata y Wikipedia cuando la entidad es relevante: son fuentes de entrenamiento y de grounding de peso altísimo.
  5. hreflang entre versiones idiomáticas para que el motor conecte tu entidad española con la internacional (ver GEO multilingüe).

¿Cómo se mide la salud de la entidad?

Con la cuarta dimensión del estándar abierto: Percepción de Marca. Cada mes se pregunta a los motores clave por tu empresa y se registra si la descripción es exacta (año, actividad, certificaciones), si el sentimiento es favorable y si es consistente entre motores. Los errores de alucinación se documentan con capturas y se corrigen desde la fuente primaria. El procedimiento completo está en el SOP de medición.

Errores frecuentes

  • Corregir solo tu web: si el dato erróneo vive en diez directorios, la IA seguirá viendo contradicción. Se corrige en todas las fuentes.
  • Rebranding sin migración de entidad: cambiar de nombre sin actualizar la red completa crea dos entidades fantasma que compiten.
  • sameAs roto o incompleto: enlazar perfiles abandonados o no verificados debilita la fijación bidireccional.
  • Traducir la ficha sin control: cada idioma debe declarar el mismo conjunto de hechos, conectados con alternateName.

Preguntas frecuentes

¿Qué diferencia hay entre entidad y marca?
La marca es tu identidad comercial; la entidad es cómo la representan los grafos de conocimiento de los motores: un nodo con atributos y relaciones. El GEO trabaja la entidad para que la IA describa la marca con exactitud y confianza.
¿Cuánto tarda una corrección de entidad en reflejarse?
En la capa de recuperación web (motores que rastrean en vivo) puede verse en semanas; en el conocimiento de base de los modelos, suele requerir un ciclo de entrenamiento. Por eso las correcciones se hacen en todas las fuentes a la vez y se verifican con medición mensual.
¿Necesito una página en Wikipedia?
No es obligatoria ni está al alcance de todas las empresas (Wikipedia exige relevancia demostrable). Wikidata es más accesible y también alimenta los grafos de conocimiento. Lo imprescindible es la consistencia en las fuentes que sí controlas o puedes actualizar.