Monté un pipeline de siete agentes de IA para producir artículos de este blog, funciona, y decidí no abrirle el grifo. La razón no es prudencia editorial: son dos mediciones. Un competidor del mismo nicho publicó 274 artículos en ocho semanas y hoy su sitio entero produce menos visitas que una sola de sus páginas. Y en este sitio, seis piezas publicadas en julio seguían sin ser rastreadas por Google quince días después. La capacidad de producción dejó de ser el cuello de botella hace tiempo. Este artículo documenta la arquitectura y, sobre todo, el techo que se encontró.
Respuesta rápida
- Ideal para producción con estándar: el pipeline de siete agentes resuelve la consistencia, no el posicionamiento. Coste en API de céntimos por artículo.
- Ideal para entender el techo: el rastreo. En este sitio, 15 de 106 URLs publicadas estaban fuera del índice el 4 de agosto de 2026, algunas con 16 enlaces internos entrantes.
- El experimento ya corrido: 274 artículos en ocho semanas dieron 9 palabras clave orgánicas y cero en top 3, tres meses después.
- Lo que sí movió posiciones: nada de lo publicado. Este sitio pasó de posición media 8,7 en febrero a 24,2 en junio con un core update, con 166 piezas ya escritas.
- El límite honesto: automatizar la producción comprime el coste de escribir. No compra confianza de dominio, y la confianza es lo que decide cuánto se rastrea.
| Ritmo de publicación | Qué pasa con el rastreo | Resultado medido |
|---|---|---|
| 1-2 piezas por semana | Google rastrea más rápido de lo que publicas | Indexación en días, sin acumulación pendiente |
| 3 al día (este sitio) | Aparece desfase: entre el 10% y el 15% queda fuera del índice | 15 de 106 fuera del índice; 6 sin rastrear a los 15 días |
| 30 o más al día | El rastreo se convierte en el límite duro | 314 artículos produciendo 1 visita al mes entre todos |
| Cualquier ritmo, dominio sin autoridad | Se rastrea poco y se indexa con reticencia | El volumen no compensa la falta de confianza |
Contexto: qué tipo de problema es este
El modelo mental habitual dice que más artículos producen más tráfico, y que si la producción es el freno, automatizarla resuelve el problema. La primera parte es cierta solo mientras el resto de la cadena tenga holgura.
Publicar un artículo son cuatro pasos, no uno: se escribe, Google lo descubre, Google lo rastrea, Google decide si lo indexa. La IA colapsa el coste del primero y no toca los otros tres. Los tres restantes los gobierna una variable que no se compra con volumen, que es cuánta atención de rastreo concede Google a un dominio. Esa asignación depende de la confianza acumulada, y la confianza no escala con la cantidad de piezas publicadas.
Cuando la producción se acelera y el rastreo no, el resultado no es más tráfico con retraso. Es un inventario de artículos que existen, están enlazados, están en el sitemap, y que Google no ha mirado.
¿Sirve automatizar la producción de artículos con IA?
Sirve para producir el borrador, no para ganar posiciones. La producción automatizada baja el coste por artículo a céntimos, pero el cuello de botella está después: Google decide cuánto rastrea y cuánto indexa según la confianza del dominio. Publicar más rápido de lo que Google rastrea no añade tráfico.
Los tres escenarios se separan por ritmo. A una o dos piezas semanales el rastreo va por delante y la automatización solo ahorra horas. A tres al día, que es la cadencia de este sitio, aparece un desfase medible del 10% al 15% de URLs sin indexar. Por encima de treinta al día, el rastreo pasa a ser el factor limitante y la producción adicional no se traduce en nada.
La arquitectura, en corto
El pipeline reparte el trabajo en siete etapas encadenadas, cada una con su criterio y su salida verificable: investigación con fuentes, definición de ángulo, redacción contra un estándar escrito, verificación de datos por un agente que no redactó, edición, control de canibalización contra el mapa de contenidos, y una puntuación final sobre una rúbrica de 100 que devuelve la pieza a la etapa que falló.
Dos decisiones sostienen la calidad. La primera es que el verificador llega sin haber escrito el texto, porque un agente que se autoevalúa aprueba su propio trabajo. La segunda es que el estándar editorial vive como documento versionado que los agentes consultan, no como instrucción dentro de un prompt: así la calidad deja de depender de cómo salió esa llamada concreta.
Funciona. El coste en API por artículo se queda en céntimos, en buena parte porque el prompt caching abarata el contexto estable que se reenvía a cada etapa. Y ahí está justamente el problema del argumento: lo barato es lo que ya no era el freno.
El experimento ya lo corrió otro
274 artículos en ocho semanas
Un competidor en inglés del mismo nicho volcó 274 artículos entre abril y mayo de 2026. Tres meses más tarde su sitio tenía 315 páginas publicadas y producía unas 751 visitas mensuales. Las 751 llegaban a una sola página, la de acceso a la plataforma, que es una búsqueda navegacional de clientes existentes. Los otros 314 artículos sumaban una visita al mes entre todos. Ahrefs le atribuía 9 palabras clave orgánicas y ninguna en las tres primeras posiciones.
No es que el contenido fuera ilegible. Es que 314 piezas correctas y genéricas, publicadas por un dominio sin autoridad, no le dieron a Google ninguna razón para preferirlas. El experimento de volumen ya está corrido en este nicho y el resultado está medido.
El límite que casi nadie mide
La API de inspección de URLs de Search Console devuelve dos estados que no aparecen en los informes de rendimiento: rastreada sin indexar, y descubierta sin rastrear. El segundo es el interesante, porque significa que Google conoce la URL y no ha ido a verla.
En este sitio, el 4 de agosto de 2026, 15 de 106 URLs publicadas estaban fuera del índice. Seis se habían publicado entre el 20 y el 29 de julio y seguían sin rastrear. Una de ellas tenía 16 enlaces internos entrantes, mientras que ocho páginas sí indexadas no tenían ninguno. Esa asimetría descarta la explicación cómoda: no era falta de enlazado interno. Era que la demanda de rastreo del dominio no daba para el ritmo de publicación.
Lo que de verdad movió las posiciones
Entre febrero y junio de 2026 este sitio pasó de 6.136 impresiones mensuales en posición media 8,7 a 1.492 en posición 24,2. La inflexión coincide con el core update que Google desplegó del 21 de mayo al 2 de junio de 2026. Ninguna de las 166 piezas escritas impidió esa caída, y ninguna la ha revertido todavía.
La lección incómoda para un sistema de producción es que la variable que decidió el resultado del semestre no estaba en el lado de la producción. Estaba en cómo evaluó Google el dominio completo.
Cuándo NO automatizar el contenido
La automatización rinde cuando existe una estrategia clara y el freno real es la ejecución. Deja de rendir en tres situaciones concretas. Cuando el dominio es nuevo o ha perdido confianza, porque entonces el límite es de rastreo y de evaluación, y más piezas no lo levantan. Cuando la ventaja del contenido es experiencia vivida, porque un pipeline verifica y edita pero no vivió nada. Y cuando no hay mapa de qué búsqueda posee cada artículo, porque a volumen el blog empieza a competir contra sí mismo antes de competir contra nadie.
Tips de implementador
Medir el rastreo antes de subir la cadencia
El indicador que gobierna la decisión de publicar más no es el tráfico, es el porcentaje de URLs publicadas que Google no ha rastreado. Si crece, la cadencia ya va por delante del dominio y las piezas nuevas entran a una cola, no al índice.
El verificador no comparte contexto con el redactor
Un agente que revisa su propio texto arrastra el sesgo de haberlo escrito y aprueba lo que ya decidió. La separación es la que atrapa el dato inventado con confianza, que es el fallo más caro de un pipeline y el más difícil de ver desde dentro. El principio general, que quien evalúa no puede compartir contexto con quien produce, aplica igual a un equipo humano.
Las medias rodantes esconden las caídas
Dos auditorías de este sitio, en julio, lo declararon sano y en posiciones 5 a 10. Las dos leían una media de seis meses dominada por los meses buenos. La caída a posición 24 solo apareció al segmentar por mes y al medir una cohorte fija de consultas. Un pipeline que mide su propio rendimiento con medias se felicita mientras se hunde, que es la versión editorial del panel en verde que no vigila nadie.
La producción no es el activo, el mapa lo es
Lo que impide que la pieza 40 canibalice a la 12 no es el modelo de IA: es el documento que declara qué búsqueda posee cada artículo, con un criterio mecánico para decidir si dos piezas divergen lo suficiente. Ese mapa se puede mantener a mano y sigue funcionando sin pipeline. El pipeline sin mapa produce competencia interna a velocidad industrial.
Errores comunes al montar esto
- Tratar la producción como el cuello de botella: si el dominio no se rastrea al ritmo que publicas, cada pieza adicional entra a una cola. El síntoma es «descubierta sin rastrear» y no se arregla escribiendo más.
- El prompt monolítico: pedirle todo a un agente produce texto correcto y olvidable. La descomposición en etapas con verificación es el sistema, no un adorno.
- Dejar que el redactor se verifique: garantiza datos inventados publicados con seguridad. El verificador llega sin contexto previo por diseño.
- El estándar en el prompt y no en un documento: la calidad que depende de cómo salió una llamada concreta no se sostiene entre decenas de piezas.
- Publicar sin mapa de canibalización: a volumen y sin control, el blog se convierte en su propia competencia por las mismas búsquedas.
- Medir con medias rodantes: una media de seis meses puede mostrar posición 9 mientras el mes corriente está en 24. La serie mensual y la mediana son las que detectan la caída.
- Confundir coste bajo con retorno alto: céntimos por artículo multiplicados por mil artículos que nadie lee siguen siendo un gasto sin retorno.
Preguntas frecuentes
No por ser de IA. La política de Google apunta al contenido producido en masa cuyo propósito principal es manipular posiciones, con independencia de si lo escribió una persona o una máquina, y no exige declarar el uso de IA ni lo usa como señal de ranking. Lo que se evalúa es si la página merece estar ahí.
Depende del rastreo de tu dominio, no de una cifra general. El indicador es el porcentaje de URLs publicadas que Google no ha rastreado, consultable con la API de inspección de URLs de Search Console. Mientras se mantenga bajo, hay holgura. Cuando empieza a subir, la cadencia ya supera lo que el dominio absorbe.
Sirve para sostener un estándar entre decenas de piezas y para que el coste de escribir deje de decidir qué se escribe. Lo que no compra es autoridad de dominio. Es una herramienta de consistencia y de coste, no de posicionamiento.
En este sitio, entre febrero y junio de 2026, la variable que decidió el resultado fue un core update de Google que hizo caer la posición media de 8,7 a 24,2. La palanca está en profundidad, experiencia verificable y confianza del dominio, que es lo que esos algoritmos evalúan.
El patrón es replicable y no depende del modelo de IA: descomposición en agentes especializados, estándar editorial como documento versionado, verificación separada y mapa de canibalización. Es un proyecto de ingeniería con criterio editorial, y conviene montarlo cuando la ejecución sea el freno real y no antes.
Datos verificados a agosto de 2026: cifras de rastreo e indexación de la API de inspección de URLs de Search Console, series de posición de Search Console, y datos del competidor mediante Ahrefs. Si tu problema es de diagnóstico y no de producción, auditar por qué un sitio no rankea es exactamente lo que hago.
La idea que queda
Que este blog tenga una fábrica de contenido detrás y siga peleando por recuperar posiciones es el dato más útil del artículo. La producción automatizada resolvió el problema que sabía resolver, que era escribir con estándar sin que el coste decidiera el tema, y dejó a la vista el que no toca: Google no reparte tráfico según cuánto publicas, sino según cuánta confianza te tiene. Por eso el trabajo que queda no es acelerar la máquina. Es demostrar, pieza por pieza y con datos propios, que el sitio merece el rastreo que pide.
