---
title: "¿Los datos estructurados ayudan a que la IA te cite? La evidencia"
description: "Según Ahrefs, las páginas citadas por IA llevan JSON-LD casi 3x más, pero su test controlado no vio mejora causal. Qué hacen de verdad los datos estructurados."
lang: es
canonical: https://upgradepro.eu/es/blog/structured-data-ai
published: 2026-07-16
tags: ["GEO", "SEO", "técnico"]
---

# ¿Los datos estructurados ayudan a que la IA te cite? La evidencia

> Según Ahrefs, las páginas citadas por IA llevan JSON-LD casi 3x más, pero su test controlado no vio mejora causal. Qué hacen de verdad los datos estructurados.

Los datos estructurados son marcado legible por máquinas —vocabulario de schema.org, escrito casi siempre como JSON-LD— que describe qué contiene una página. La evidencia de que impulsan la visibilidad en IA es contradictoria: Microsoft confirma que sus LLMs usan schema, Google afirma que no hace falta ningún marcado especial para sus funciones de IA, y Ahrefs encontró que las páginas citadas por IA llevan JSON-LD casi 3 veces más a menudo, pero su experimento controlado no halló ninguna mejora causal. El schema ayuda a los sistemas de IA a entender tu sitio; por sí solo, no consigue que te citen.

## ¿Qué son los datos estructurados y cuánta web los usa ya?

Los datos estructurados son código que etiqueta el significado del contenido de una página con el vocabulario compartido de schema.org, casi siempre incrustado como un bloque JSON-LD. Le dicen a las máquinas que esto es un producto, esto su precio, esta la organización que hay detrás del sitio, sin obligarlas a interpretar la prosa.

Ya no es una práctica de nicho. Según [Web Data Commons](https://www.uni-mannheim.de/dws/news/wdc-json-ld-microdata-rdfa-data-corpus-2024-published/), de la Universidad de Mannheim (diciembre de 2024), el 51,25% de los 2.400 millones de páginas HTML del Common Crawl de octubre de 2024 contiene datos estructurados, frente al 5,7% de 2010. Unos 11,5 millones de sitios usan JSON-LD —el 70% de todos los que anotan— y los sitios con marcado Product pasaron de 581.000 a 3,3 millones.

El [Web Almanac 2024](https://almanac.httparchive.org/en/2024/structured-data) de HTTP Archive (noviembre de 2024) midió JSON-LD en el 41% de las páginas móviles, frente al 34% de 2022. Los tipos JSON-LD más comunes son WebSite (12,73%), Organization (7,16%), BreadcrumbList (5,66%) y LocalBusiness (3,97%). Media web habla ya este idioma. La pregunta de verdad es si los motores de IA escuchan.

## ¿Qué empresas de IA confirman de verdad que usan schema markup?

Solo Microsoft ha confirmado que el schema markup alimenta los LLMs que hay detrás de su asistente. Las confirmaciones públicas de Google se refieren a Search en general: para AI Overviews y AI Mode, su documentación afirma que no hace falta ningún schema especial. OpenAI, Perplexity y Anthropic no han confirmado nada. En SMX Múnich, en marzo de 2025, Fabrice Canel, Principal Product Manager de Microsoft Bing, confirmó que el schema markup ayuda a los LLMs de Microsoft —los modelos que hay detrás de Copilot— a entender el contenido web, y recomendó empujar el contenido fresco vía IndexNow, según recoge [Search Engine Land](https://searchengineland.com/microsoft-bing-copilot-use-schema-for-its-llms-453455) (marzo de 2025):

> "Gen AIs value fresh content in particular, partly as a reference check of their LLM training data."
> — Fabrice Canel, Microsoft Bing, en SMX Múnich, marzo de 2025

Google es más cauto. Su documentación sobre [funciones de IA](https://developers.google.com/search/docs/appearance/ai-features) (consultada en julio de 2026) afirma que no hay ningún dato estructurado de schema.org especial que debas añadir para aparecer en AI Overviews o AI Mode, ni tampoco archivos legibles por máquina adicionales. La [guía de optimización para IA](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide) que la acompaña (actualizada el 10 de julio de 2026) repite que los datos estructurados no son requisito para la búsqueda con IA generativa, a la vez que recomienda mantenerlos por los rich results, como parte de tu estrategia SEO general.

A John Mueller, de Google, le preguntaron si un schema extensivo ayuda a los LLMs y respondió "yes, no, and it depends", según recoge [Search Engine Roundtable](https://www.seroundtable.com/mueller-schema-helps-llms-google-40693.html) (enero de 2026). Algunas funciones dependen mucho de los datos estructurados —Shopping necesita precio, envío y disponibilidad—, mientras que en otras solo enriquecen el resultado. Él mismo aclaró que no era guía oficial.

¿Y los demás? A fecha de marzo de 2026, OpenAI, Perplexity y Anthropic no han publicado ninguna confirmación oficial de que usen schema markup on-page en sus respuestas, según [Search Engine Land](https://searchengineland.com/schema-markup-ai-search-no-hype-472339) (marzo de 2026).

## ¿Añadir datos estructurados aumenta las citas en IA?

La respuesta honesta: la correlación es fuerte, pero la causalidad no está demostrada. Tres conjuntos de datos cuentan la historia.

[Ahrefs](https://ahrefs.com/blog/schema-ai-citations/) (mayo de 2026) analizó 6 millones de URLs y encontró que las páginas citadas por IA tenían casi tres veces más probabilidad de llevar JSON-LD que las no citadas. El mismo equipo montó después un experimento controlado: 1.885 páginas que añadieron JSON-LD entre agosto de 2025 y marzo de 2026, frente a un grupo de control de 4.000 páginas. Añadir schema no produjo ninguna mejora relevante de las citas en ninguna plataforma: AI Overviews -4,6%, AI Mode +2,4% (no significativo), ChatGPT +2,2% (no significativo).

Un estudio de AirOps recopilado por [Analyzify](https://analyzify.com/hub/schema-markup-ai-citations-research) (16.851 consultas a ChatGPT, 353.799 páginas) apunta en la dirección contraria: las páginas con JSON-LD tuvieron un 38,5% de tasa de citación frente al 32,0% sin él, una brecha de 6,5 puntos. Los tipos con mayor tasa de citación fueron BreadcrumbList (46,2%), FAQPage (45,6%) y Organization (44,3%). Pero el mismo repaso incluye resultados contradictorios: OtterlyAI no encontró ningún impacto en Perplexity.

| Estudio | Muestra | Hallazgo | Limitación |
|---|---|---|---|
| Correlación de Ahrefs (mayo de 2026) | 6 millones de URLs | Las páginas citadas por IA tienen casi 3 veces más probabilidad de llevar JSON-LD | Solo correlación, sin causalidad |
| Experimento controlado de Ahrefs (ago. 2025 – mar. 2026) | 1.885 páginas de prueba vs 4.000 de control | Ninguna mejora significativa de citas en ninguna plataforma | Un solo experimento, una sola ventana temporal |
| AirOps vía Analyzify | 16.851 consultas a ChatGPT, 353.799 páginas | 38,5% de tasa de citación con JSON-LD vs 32,0% sin él | Correlacional; contradicho por OtterlyAI en Perplexity |

En el sistema de etiquetas de UpgradePro: la brecha de 3x es MEDIDO, pero que el schema cause las citas sigue siendo SUPUESTO, y el único test controlado disponible no lo confirmó.

## ¿Cómo llega tu markup a una respuesta de IA: fetch en vivo o índice de búsqueda?

Hay dos caminos separados, y el schema solo recorre uno. Cuando un chatbot visita tu página en vivo para componer una respuesta, lee el HTML visible. Cuando se apoya en un índice de búsqueda —el de Google o el de Bing—, tu markup ya ha moldeado cómo entiende ese índice la página.

[searchVIU](https://www.searchviu.com/en/schema-markup-and-ai-in-2025-what-chatgpt-claude-perplexity-gemini-really-see/) (diciembre de 2025) hizo 8 tests en octubre de 2025 con una página cuyos precios ficticios estaban repartidos entre HTML visible, JavaScript y JSON-LD. Ninguno de los cinco sistemas probados —ChatGPT, Claude, Perplexity, Gemini y Google AI Mode— leyó el precio que solo existía en el JSON-LD durante la recuperación en vivo. Solo Gemini renderizó JavaScript.

> "JSON-LD Schema is NOT read by AI chatbots during direct fetch"
> — searchVIU, diciembre de 2025

La implicación práctica: el schema influye en las respuestas de IA de forma indirecta, a través de los índices de búsqueda que consultan los asistentes, no a través del rastreo bajo demanda. Este es el matiz que se salta casi todo el contenido de los vendors. Cómo seleccionan y ordenan sus fuentes los asistentes es un tema en sí mismo, y lo desglosamos en [cómo eligen los motores de IA a quién citar](/es/blog/how-ai-engines-cite).

## ¿Qué tipos de schema debe priorizar una pyme en 2026?

Prioriza Organization, Product si vendes, y Article con BreadcrumbList en contenido, y deja de esperar nada de FAQPage en Google.

| Tipo de schema | Mejor para | Evidencia | No recomendado para |
|---|---|---|---|
| Organization | Consolidar tu entidad: name, url, logo, sameAs | 44,3% de tasa de citación en ChatGPT (AirOps); segundo tipo JSON-LD más común, con un 7,16% (Web Almanac 2024) | Esperar rich results visibles solo por él |
| Product | E-commerce; precio y disponibilidad estructurados | Las funciones de Shopping dependen mucho de los datos estructurados (Mueller, según lo recogido); el shopping de ChatGPT exige feeds de producto | Sitios sin páginas transaccionales |
| Article + BreadcrumbList | Blogs y sitios de contenido | BreadcrumbList tuvo la mayor tasa de citación en ChatGPT del estudio de AirOps (46,2%) | — |
| FAQPage | Contenido de preguntas y respuestas, a bajo coste | 45,6% de tasa de citación en ChatGPT (AirOps) | Rich results de Google: desaparecidos por completo desde el 7 de mayo de 2026 |

Product es donde la estructura muerde de verdad. La [especificación de product feed](https://developers.openai.com/commerce/product-feeds/spec) de OpenAI para el shopping de ChatGPT (Agentic Commerce) exige un feed estructurado con campos obligatorios —item_id, title, description, brand, price en ISO 4217, url, image_url, availability— que controla si un producto aparece en las búsquedas de ChatGPT y si se puede comprar con checkout directo. Es la prueba directa de que el comercio en IA corre sobre datos estructurados, aunque sea vía feed y no vía JSON-LD on-page.

FAQPage es la advertencia con moraleja. Google restringió los FAQ rich results a sitios gubernamentales y sanitarios autorizados en agosto de 2023 y, desde el 7 de mayo de 2026, dejaron de aparecer por completo, con la retirada de los informes y la API entre junio y agosto de 2026, según [Search Engine Journal](https://www.searchenginejournal.com/google-drops-faq-rich-results-from-search/574429/) (mayo de 2026). Mantén el markup si ya lo tienes; no construyas una estrategia sobre él.

Todo esto solo rinde sobre una base sana: markup válido, servido en el HTML, en páginas rastreables. Esa base es lo que cubrimos en [los fundamentos del SEO técnico](/es/blog/technical-seo-foundations), y es lo primero que debería comprobar una [auditoría de SEO técnico](/es/services/seo).

## ¿Qué papel juegan el entity SEO y los knowledge graphs?

El entity SEO desplaza la unidad de optimización de las páginas a las entidades: las empresas, los productos y las personas de las que habla tu contenido. Un marcado Organization consistente —un @id estable, más enlaces sameAs a tus perfiles reales— le da a los knowledge graphs una identidad inequívoca a la que anclarse, para que los sistemas puedan resolver quién eres a lo largo de la web.

La señal más clara de que schema.org se está convirtiendo en infraestructura de IA es NLWeb. [Microsoft lo anunció](https://news.microsoft.com/source/features/company-news/introducing-nlweb-bringing-conversational-interfaces-directly-to-the-web/) el 19 de mayo de 2025: un proyecto open source que convierte sitios web en interfaces conversacionales de IA, construido sobre los datos de schema.org y RSS que los sitios ya publican. Su creador es R.V. Guha —que creó también schema.org, RDF y RSS— y cada instancia de NLWeb funciona además como servidor MCP, lista para hablar con agentes de IA.

Un sitio con markup limpio tiene medio camino hecho para ser legible por agentes. Otras propuestas legibles por máquina, como llms.txt, apuntan al mismo objetivo desde otro ángulo: comparamos adopción y evidencia en [nuestra guía de llms.txt](/es/blog/llms-txt-guide).

## ¿Qué NO debes esperar de los datos estructurados?

No esperes que el schema, por sí solo, te gane citas. A fecha de marzo de 2026 no existe ningún estudio revisado por pares sobre schema markup y visibilidad en IA, según [Search Engine Land](https://searchengineland.com/schema-markup-ai-search-no-hype-472339) (marzo de 2026): la evidencia disponible viene de investigaciones de vendors y del sector SEO, con las contradicciones que hemos visto.

Ojo con una atribución errónea muy extendida. El paper académico que acuñó el término GEO, [Aggarwal et al.](https://arxiv.org/abs/2311.09735) (KDD 2024), midió que tácticas como añadir citas de fuentes, estadísticas y quotations elevan la visibilidad hasta un 40% en respuestas de motores generativos, con la visibilidad medida como Position-Adjusted Word Count, no como tráfico. El paper no probó schema.org como método. Los blogs le cuelgan ese 40% al markup una y otra vez; el paper no respalda eso.

Y recuerda la propia posición de Google: los datos estructurados no son requisito para la búsqueda con IA generativa. El schema es infraestructura de comprensión, no una palanca de citas.

## ¿Qué hacer esta semana?

Una checklist realista para una pyme, en orden:

1. **Inventaría y valida el markup que ya tienes.** Un JSON-LD roto o contradictorio no ayuda a nadie; arregla lo que hay antes de añadir más.
2. **Sirve el JSON-LD en el HTML inicial, no inyectado por JavaScript.** En los tests de searchVIU, solo Gemini renderizó JavaScript; lo que dependa de JS es invisible para el resto durante la recuperación en vivo.
3. **Añade o completa el marcado Organization en tu home** —name, url, logo, un @id estable y enlaces sameAs a tus perfiles reales— para que los knowledge graphs puedan resolver tu entidad.
4. **Si vendes online, prepara datos de producto estructurados.** El shopping de ChatGPT exige un feed conforme a la spec, y las funciones de Shopping dependen mucho del precio, el envío y la disponibilidad estructurados, según John Mueller (Search Engine Roundtable, enero de 2026; no es guía oficial).
5. **Deja de esperar rich results de FAQPage.** Desaparecieron de Google el 7 de mayo de 2026. Mantén en su lugar contenido con forma de respuesta, visible en la página.
6. **No bloquees a los crawlers que alimentan los índices.** El schema llega a las respuestas de IA a través de los índices de Google y Bing; si no pueden rastrearte, el markup da igual.
7. **Mide antes y después.** Toma una línea base de tus menciones en IA antes de tocar el markup: si no, no podrás distinguir la señal del ruido.

Ese último paso es la secuencia que seguimos en nuestro [servicio de visibilidad en IA](/es/services/ai-visibility): primero auditoría baseline, después implementación, y tercero medición contra la línea base. El schema markup se gana su sitio en ese plan, como infraestructura, no como palanca mágica.

## Preguntas frecuentes

### ¿Los motores de IA leen el JSON-LD de mi web?

Depende del camino. En pruebas realizadas en octubre de 2025 y publicadas en diciembre de 2025, searchVIU comprobó que ChatGPT, Claude, Perplexity, Gemini y Google AI Mode ignoraron el JSON-LD durante la recuperación en vivo de la página y solo leyeron el HTML visible. Por la vía del índice de búsqueda la historia cambia: Microsoft ha confirmado que el schema markup ayuda a los LLMs que hay detrás de Copilot a entender el contenido web. La posición pública de Google es más estrecha: su documentación afirma que no hace falta ningún dato estructurado de schema.org especial para AI Overviews ni AI Mode, y su beneficio confirmado públicamente se refiere a Search en general.

### ¿Google exige algún schema especial para salir en AI Overviews o AI Mode?

No. La documentación oficial de Google dice que no hay ningún dato estructurado de schema.org especial que añadir, ni archivos legibles por máquina ni requisitos adicionales más allá de las prácticas SEO habituales. Aun así, Google recomienda mantener los datos estructurados dentro de tu estrategia SEO general porque siguen dando acceso a los rich results.

### ¿Está demostrado que añadir schema aumenta las citas en IA?

La correlación es fuerte; la causalidad no está demostrada. Ahrefs encontró que las páginas citadas por IA tienen casi tres veces más probabilidad de llevar JSON-LD, y AirOps midió un 38,5 por ciento de tasa de citación con JSON-LD frente a un 32,0 por ciento sin él, sobre 16.851 consultas a ChatGPT. Pero el experimento controlado de Ahrefs sobre 1.885 páginas no halló ninguna mejora significativa tras añadir schema. La lectura honesta: el schema acompaña a los sitios bien mantenidos y, por sí solo, no es una palanca mágica.

### ¿Qué tipos de schema debe priorizar una pyme?

Organization con enlaces sameAs para consolidar tu identidad en los knowledge graphs, datos de Product si vendes online, porque el shopping de ChatGPT funciona con feeds de producto estructurados obligatorios, y Article más BreadcrumbList en las páginas de contenido. BreadcrumbList, FAQPage y Organization fueron los tipos con mayor tasa de citación en el estudio de AirOps.

### ¿Sigue mereciendo la pena añadir FAQPage schema?

Google ya no muestra nada por él. Los FAQ rich results quedaron restringidos a sitios gubernamentales y sanitarios autorizados en agosto de 2023 y dejaron de aparecer del todo en Google Search el 7 de mayo de 2026. El markup no estorba, y AirOps lo correlaciona con citas en ChatGPT, pero no esperes rich results de Google por él.

### ¿Qué tienen que ver los datos estructurados con la web agéntica?

Mucho. NLWeb, el proyecto open source de Microsoft creado por R.V. Guha, el creador de schema.org, convierte los sitios web en interfaces conversacionales usando los datos de schema.org y RSS que el sitio ya publica, y cada instancia de NLWeb funciona además como servidor MCP para agentes de IA. Quien ya marca bien sus datos tiene medio camino hecho.

## Fuentes

Cada afirmación de este artículo enlaza a la fuente de la que procede, con su fecha de publicación.

- [Search Engine Land — Microsoft Bing: Copilot uses schema for its LLMs](https://searchengineland.com/microsoft-bing-copilot-use-schema-for-its-llms-453455) — 2025-03-20
- [Google Search Central — AI features and your website](https://developers.google.com/search/docs/appearance/ai-features) — 2026-07 (living doc, consulted 2026-07-16)
- [Google Search Central — AI optimization guide](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide) — 2026-07-10
- [Microsoft Source — Introducing NLWeb](https://news.microsoft.com/source/features/company-news/introducing-nlweb-bringing-conversational-interfaces-directly-to-the-web/) — 2025-05-19
- [Aggarwal et al., GEO: Generative Engine Optimization (arXiv 2311.09735, KDD 2024)](https://arxiv.org/abs/2311.09735) — 2023-11-16
- [Web Data Commons / Universität Mannheim — JSON-LD, Microdata, RDFa corpus 2024](https://www.uni-mannheim.de/dws/news/wdc-json-ld-microdata-rdfa-data-corpus-2024-published/) — 2024-12
- [HTTP Archive — Web Almanac 2024, Structured Data chapter](https://almanac.httparchive.org/en/2024/structured-data) — 2024-11
- [Ahrefs — Schema and AI citations (correlation study and controlled experiment)](https://ahrefs.com/blog/schema-ai-citations/) — 2026-05-11
- [searchVIU — Schema markup and AI in 2025: what ChatGPT, Claude, Perplexity, Gemini really see](https://www.searchviu.com/en/schema-markup-and-ai-in-2025-what-chatgpt-claude-perplexity-gemini-really-see/) — 2025-12-02
- [Search Engine Roundtable — Mueller on whether schema helps LLMs](https://www.seroundtable.com/mueller-schema-helps-llms-google-40693.html) — 2026-01
- [Search Engine Journal — Google drops FAQ rich results from Search](https://www.searchenginejournal.com/google-drops-faq-rich-results-from-search/574429/) — 2026-05-10
- [Analyzify — Schema markup and AI citations research (AirOps study)](https://analyzify.com/hub/schema-markup-ai-citations-research) — 2026
- [OpenAI Developers — Product Feed Spec (Agentic Commerce)](https://developers.openai.com/commerce/product-feeds/spec) — 2025-Q4 approx. (living doc, consulted 2026-07-16)
- [Search Engine Land — Schema markup and AI search: no hype](https://searchengineland.com/schema-markup-ai-search-no-hype-472339) — 2026-03-25