En temas YMYL como las finanzas y la atención médica, los motores de IA aplican un criterio distinto al de otros ámbitos: prefieren citar menos antes que recurrir a una fuente ambigua. Un mismo párrafo que Perplexity podría tomar de un blog de viajes quedaría descartado ante una pregunta como «¿es segura una bajada de glucosa?». La diferencia no reside en la calidad de la redacción, sino en que la máquina pueda reconocer la fuente como una persona o institución cualificada para responder. Ese es el verdadero terreno de competencia en la era de la IA.
¿Por qué cuesta tanto que los motores de IA confíen en contenidos financieros y médicos?
YMYL engloba temas en los que una respuesta equivocada puede perjudicar el patrimonio o la salud del lector: inversiones, impuestos, préstamos, interacciones entre medicamentos, interpretación de enfermedades y cuidados crónicos. Google lleva años aplicando controles de calidad más estrictos a este tipo de consultas, y los motores generativos han llevado esa lógica aún más lejos. Como la IA responde directamente al usuario, ya no hay una página intermedia donde comparar resultados; la responsabilidad percibida recae sobre el motor que formula la respuesta. Por eso, ante consultas YMYL, el modelo prioriza la experiencia de primera mano, el respaldo profesional y la trazabilidad de las fuentes.
Esto plantea una realidad poco favorable para las marcas. Si el motor no puede determinar quién creó el contenido, de dónde procede la información ni qué institución la respalda, recurrirá al Ministerio de Salud, al organismo regulador competente, a un gran centro médico o a un medio financiero reconocido. Muchas marcas SaaS y de servicios de Taiwán aparecen en respuestas de IA sobre temas generales, pero desaparecen en cuanto la consulta cruza el umbral YMYL. A menudo no les falta contenido, sino una estructura de confianza que las máquinas puedan interpretar.
Las cuatro dimensiones del E-E-A-T y cómo las interpreta la IA
E-E-A-T significa Experience (experiencia), Expertise (conocimiento especializado), Authoritativeness (autoridad) y Trustworthiness (fiabilidad). Una persona evalúa estas dimensiones en conjunto; un motor de IA las aproxima mediante señales observables. Conviene separarlas para detectar qué pieza falta:
- Experiencia (Experience): ¿hay indicios de primera mano? Los casos reales, las capturas de procesos y las situaciones concretas de una clínica o una inversión demuestran mejor que una afirmación genérica que el autor ha trabajado directamente en el tema.
- Conocimiento especializado (Expertise): ¿las credenciales del autor corresponden al tema? Quien escribe sobre seguridad farmacológica debería contar con formación en química o medicina; quien aborda asuntos fiscales, con experiencia contable. Esta información debe figurar claramente en la página, no quedar escondida en «Quiénes somos».
- Autoridad (Authoritativeness): ¿quién cita o reconoce a esa persona o marca? Las referencias externas, las colaboraciones y los enlaces procedentes de instituciones profesionales aportan pruebas independientes de autoridad.
- Fiabilidad (Trustworthiness): ¿la propia página ofrece garantías suficientes? De las cuatro dimensiones, esta es una de las que la IA puede cuantificar con mayor facilidad y una de las que menos conviene descuidar.
La autoridad de un autor no se reduce a su nombre: debe convertirse en una identidad que la máquina pueda reconocer
Muchas marcas creen que basta con añadir al final del artículo una línea como «Escrito por un equipo profesional». Para la IA, eso equivale prácticamente a no tener autor. El motor busca una entidad que pueda contrastar: una persona identificada por su nombre, con una página de autor propia, una trayectoria clara y un campo de especialización definido, además de datos estructurados que describan tanto al autor como a la organización. Cuando ese nombre también aparece en historiales médicos, publicaciones académicas, programas de conferencias o perfiles profesionales de LinkedIn, el modelo puede conectar señales dispersas y reconocer a una «persona fiable».
Citas y fuentes: cómo conseguir que la IA utilice su contenido como referencia
Los motores generativos prefieren contenidos que, a su vez, se apoyan en fuentes autorizadas. Si cada afirmación clave de un artículo sobre efectos secundarios de medicamentos remite a un estudio, una guía clínica o un boletín de una autoridad sanitaria, la página transmite que el autor conoce el origen de la información y utiliza referencias fiables. En cambio, una página sin fuentes puede clasificarse como más arriesgada aunque lo que diga sea correcto. Hay un detalle fácil de pasar por alto: la fuente debe aparecer junto a la afirmación correspondiente, no concentrada al final del texto. La IA extrae información por párrafos y necesita encontrar el fundamento en el mismo contexto.
En el ámbito YMYL, un motor de IA no busca la respuesta más elegante, sino la fuente con menor probabilidad de error y una responsabilidad más claramente atribuible.
Tres carencias críticas frecuentes entre las marcas YMYL de Taiwán
En nuestras auditorías GEO para clientes de los sectores financiero y médico, encontramos una y otra vez los mismos problemas. Por separado pueden parecer menores; juntos bastan para que una marca desaparezca de las respuestas de IA:
- Contenido anónimo: casi ninguna página identifica al autor, su experiencia profesional no puede verificarse y el motor no logra establecer las señales de experiencia y autoridad.
- Validación externa insuficiente: todas las referencias apuntan a páginas propias y faltan enlaces autorizados hacia organismos competentes, instituciones académicas o investigaciones de primera mano.
- Ausencia de señales de actualización y cumplimiento normativo: la página no muestra una fecha de actualización clara, avisos de exención de responsabilidad médica o financiera ni información legal o de cumplimiento identificable, lo que reduce su credibilidad.
Corregir estas tres carencias no exige reescribirlo todo. Empiece por las 10 a 20 páginas YMYL con mayor peso en tráfico y negocio: asigne a cada una un autor identificado y verificable, vincule las afirmaciones clave con fuentes autorizadas e incorpore fechas de actualización y las secciones necesarias sobre exención de responsabilidad y cumplimiento normativo. Tras ajustar una misma página, la mejora suele aparecer primero en la frecuencia con la que Perplexity y las AI Overviews de Google la reconocen como fuente.
Diagnosticar primero para cerrar la brecha de confianza
El E-E-A-T aplicado a YMYL no es un elemento que se añade una sola vez, sino una base de confianza que debe mantenerse: el autor tiene que ser real, contar con reconocimiento fuera del sitio y recibir el respaldo de una organización. Si no sabe qué les falta a sus contenidos financieros o médicos desde la perspectiva de un motor de IA, la vía más rápida consiste en preguntar a ChatGPT, Perplexity y Google qué fuentes citan y comprobar si la suya aparece. Si necesita una lista concreta de carencias página por página, solicite un diagnóstico GEO de 30 minutos: analizaremos sus consultas reales e indicaremos qué señales de confianza conviene incorporar.
