GEO y decaimiento temporal: por qué las IA despriorizan tu contenido después de 3-6 meses (y cómo mantenerte visible)

Por qué tu contenido SEO desaparece de las respuestas de IA después de unos meses

Los motores de respuesta de IA aplican un mecanismo de decaimiento temporal muy diferente al SEO clásico: incluso un artículo bien posicionado en Google y totalmente relevante puede desaparecer progresivamente de las respuestas de ChatGPT, Perplexity o Claude después de 3 a 6 meses desde su publicación. Este fenómeno se explica por un "decay factor" invertido, donde las IA otorgan un peso decreciente a los contenidos a lo largo del tiempo, independientemente de su calidad o relevancia factual. Un artículo evergreen que tendría un flujo de tráfico constante en Google desde hace 2 años puede dejar de ser citado por los motores de IA porque estos sistemas interpretan la ausencia de actualización reciente como una señal de obsolescencia o de falta de relevancia contemporánea.

Entender el modelo de frescura de los motores de IA

Cómo evalúan Perplexity, ChatGPT y Claude la "frescura" del contenido

Los motores de IA modernos no juzgan la frescura únicamente por la fecha de publicación inicial. Examinan varias señales: la fecha de la última actualización identificable (una modificación de contenido, una corrección, una adición), la presencia de referencias o citas fechadas en el texto, los metadatos de publicación y la frecuencia con la que otras fuentes citan o refieren tu artículo. A diferencia de Google, que valora los contenidos establecidos y reconoce que una guía de 2020 sobre un tema evergreen sigue siendo válida, las IA tratan la ausencia de señal de actualización como un marcador de obsolescencia potencial. Para Perplexity en particular, que muestra explícitamente sus fuentes y las fechas de consulta, un contenido no actualizado desde hace 6 meses empieza a perder peso, incluso si responde correctamente a la consulta.

La paradoja del contenido evergreen y las actualizaciones minimalistas

El contenido evergreen plantea un desafío específico en GEO. Por definición, un artículo evergreen no necesita una modificación mayor: una guía sobre "cómo depurar JavaScript" de 2020 sigue siendo en gran parte válida en 2025. Sin embargo, para las IA, esta ausencia de evolución se interpreta como un abandono o un estancamiento. Un competidor que reescribió su artículo similar en enero de 2025, incluso sin cambios sustanciales, ganará visibilidad en IA. Las IA no disponen de un contexto humano: no saben que ciertos temas no necesitan actualización anual. Aplican una regla simple: "el contenido reciente probablemente es más fiable".

Las señales de frescura que las IA utilizan realmente

La fecha de última modificación (y por qué cuenta más de lo que crees)

La etiqueta <meta name="last-modified"> o el equivalente HTTP Last-Modified es una de las señales más directas para indicar una actualización. Las IA rastrean activamente estos metadatos. Cuando una página cambia su fecha de modificación sin razón (pura manipulación), las IA pueden detectarlo mediante comparaciones históricas, pero cuando actualizas realmente tu contenido, aunque sea ligeramente, esta etiqueta se convierte en una señal fuerte. Algunos sistemas de IA, como Perplexity durante la construcción de sus índices, priorizan explícitamente los contenidos con una fecha de modificación reciente en los últimos 6 meses.

Las citas fechadas y las referencias temporales internas

Cuando tu contenido contiene expresiones como "en 2024", "los datos recientes muestran", "según el estudio de 2023", las IA las analizan como anclas temporales. Un artículo que hace referencia a "las tendencias actuales de 2025" se considerará más fresco que un artículo idéntico que menciona "las tendencias emergentes de 2023". Inversamente, si tu contenido decía "en 2024" y ahora estamos en 2025, la ausencia de actualización de esa frase se convierte en una señal de obsolescencia. Las IA recorren el contenido en busca de estas referencias temporales y las utilizan como prueba de actualización.

La estructura de los enlaces internos y el enlace hacia contenido reciente

Un artículo que enlaza únicamente hacia contenidos externos de 2023 se verá como parte de un "ecosistema antiguo". Las IA también evalúan la riqueza de los enlaces internos hacia tu contenido más reciente. Si publicaste un nuevo artículo relevante en enero de 2025, un enlace interno desde tu pilar de contenido antiguo (con una pequeña nota de contexto: "Ver nuestra actualización reciente sobre [tema]...") envía a las IA una señal de que mantienes activamente tu ecosistema de contenido.

Por qué las IA aplican un decay factor tan agresivo

La desconfianza hacia el contenido no actualizado

Los motores de IA se entrenaron con enormes corpus textuales. Han observado que el contenido que queda obsoleto rápidamente (noticias tecnológicas, precios, métodos) suele estar obsoleto después de 6 a 12 meses. Aunque las IA disponen de cierta capacidad para "saber" que un tema es evergreen, aplican un filtro de seguridad: "En caso de duda, prioriza la fuente más reciente". Esto protege a los usuarios contra respuestas basadas en métodos o hechos obsoletos, pero también penaliza los contenidos evergreen bien mantenidos.

La diferenciación frente a la saturación del contenido

Con miles de millones de páginas web, las IA no pueden evaluarlas todas con la misma profundidad. Utilizan la recencia como heurística de filtrado: si 20 artículos responden a la misma pregunta, empezar por los más recientes es una estrategia pragmática. Esto crea una carrera por la frescura donde la fecha se convierte en un discriminante poderoso, a menudo más poderoso que la calidad o la autoridad.

La probabilidad de exactitud incrementada con las actualizaciones

Estadísticamente, un contenido actualizado recientemente tiene más probabilidades de contener información exacta y actual. Las IA probablemente observaron esta correlación en sus datos de entrenamiento y la integraron como señal. Aunque es lógicamente inválido aplicar esta regla de forma uniforme (una fecha de modificación no implica una mejora del contenido), las IA lo hacen de todos modos.

Cómo distinguen las IA "actualizado" de "antiguo" sin leer el contenido

Análisis de frecuencia de modificación y detección de patrones

Los sistemas de IA como Perplexity mantienen snapshots históricos de las páginas web. Pueden comparar las versiones de un artículo a lo largo de varios meses y determinar un "patrón de actualización": ¿se actualiza regularmente? ¿Rara vez? ¿Nunca? Un contenido con un patrón de actualización mensual tendrá una puntuación de frescura superior a un contenido nunca modificado, independientemente del contenido en sí. Las IA también pueden utilizar señales de "crawl freshness": ¿cuándo encontraron contenido nuevo o modificaciones?

Comparación con otras fuentes sobre el mismo tema

Cuando una IA recibe una pregunta, evalúa el conjunto de fuentes disponibles y su frescura relativa. Si tu artículo de 2023 se enfrenta a un artículo competidor actualizado en noviembre de 2024, la IA calcula la diferencia temporal y pondera las fuentes en consecuencia. Este proceso no exige "leer" el contenido en el sentido humano: es una simple heurística temporal aplicada a un conjunto de resultados.

Análisis del contexto publicitario y de los banners de actualización

Si tu artículo contiene un banner explícito ("Última actualización: enero de 2025"), algunos sistemas de IA extraen esta señal y la integran. Inversamente, un artículo sin ninguna indicación temporal se tratará como un contenido "date unknown" (de edad indeterminada), lo que aumenta la incertidumbre y generalmente reduce su prioridad en las respuestas de IA.

Tácticas concretas para señalar la frescura sin reescribir

1. Añadir un banner de actualización minimalista (con una actualización real)

El truco clásico es añadir un bloque en la parte superior de tu artículo: "Última actualización: [fecha de hoy]". Pero este enfoque solo funciona si modificas realmente el contenido. Cambiar una fecha sin modificar ni una coma del texto es detectable por las IA y puede ser penalizado como manipulación. La táctica correcta: aporta una modificación real (corrección menor, adición de una frase, ajuste de un ejemplo, enlace actualizado) Y actualiza la fecha.

2. Añadir una sección "Actualizaciones recientes" o "Novedades sobre este tema"

En lugar de reescribir el núcleo de tu artículo, añade una pequeña sección al final: "Desarrollos en 2025: [nuevos datos/contexto]" o "Actualización enero 2025: qué ha cambiado desde la publicación inicial". Esto señala a las IA que mantienes activamente el contenido sin requerir una refundición completa. Esta sección puede ser muy corta (3-5 frases) y basta para desencadenar una actualización de la fecha de modificación.

3. Actualizar las referencias fechadas y los datos temporales

Revisa tu contenido y cambia "según un estudio de 2022" por "según los datos más recientes" o actualiza la fecha de referencia. Sustituye "las tendencias emergentes" por "las tendencias confirmadas de 2024" si aplica. Estas modificaciones minimalistas cambian la fecha de última modificación a la vez que aportan una mejora real.

4. Añadir enlaces contextuales hacia tu contenido más reciente

Si tienes un nuevo artículo complementario publicado recientemente, enlázalo desde tu pilar antiguo con un contexto: "Para un análisis más profundo de los desarrollos recientes sobre [tema], ver nuestra guía de 2025: [enlace]". Esto crea una señal de frescura indirecta: tu ecosistema de contenido está activo e interconectado.

5. Utilizar los metadatos de forma estratégica

Verifica que tus metadatos incluyan:

• Una etiqueta <meta name="last-modified" content="YYYY-MM-DD"> con la fecha real
• Una etiqueta <time datetime="YYYY-MM-DD"> en el contenido HTML
• Un esquema structured data dateModified en JSON-LD

Estas señales son analizadas directamente por muchos sistemas de IA.

6. La reescritura progresiva (sin reescritura completa)

En lugar de publicar una nueva versión completa (que crearía un nuevo artículo y diluiría la autoridad del contenido original), modifica progresivamente tu artículo con el tiempo. Reescribe un párrafo cada semana durante un mes, añade una nueva sección, actualiza las estadísticas. Este enfoque mantiene la URL estable, acumula la autoridad histórica, Y señala a las IA un mantenimiento activo.

El verdadero coste de la inacción: la espiral de desclasificación

Un artículo no actualizado desde hace 6 meses que era citado en las respuestas de IA en enero de 2025 verá progresivamente disminuir su tasa de citación a medida que las IA despriorizan sus versiones "stale". Paralelamente, tus competidores que mantienen regularmente su contenido verán aumentar sus citaciones. Después de 12 meses sin actualización, tu pilar de contenido puede desaparecer por completo de las respuestas de IA, incluso si sigue bien posicionado en Google. Es una desclasificación invisible: tu posicionamiento SEO no cambia (Google no penaliza tan duramente), pero tu visibilidad en IA se derrumba.

Esta espiral se acelera porque una bajada de citaciones en IA reduce las posibilidades de que otros sitios te citen, lo que también reduce tu credibilidad percibida para los sistemas de IA. El contenido "abandonado" se vuelve progresivamente invisible en un ecosistema donde la frescura es un discriminante mayor.

Implementar un calendario de mantenimiento de contenido para las IA

Auditar tu contenido según la ventana de frescura de IA

Para cada artículo fundamental (pilares, guías largas), documenta:

• Fecha de publicación inicial
• Fecha de última modificación
• Último día en que se añadió una señal temporal (referencia fechada, banner de actualización)
• Próxima fecha de revisión planificada

Clasifica tu contenido en tres categorías:

• Crítico (actualización cada 1-2 meses): tecnologías, precios, regulaciones, tendencias
• Importante (actualización cada 3-4 meses): guías técnicas, métodos, buenas prácticas
• Estable (actualización cada 6 meses como mínimo): conceptos fundamentales, teoría, historia

Definir una frecuencia de actualización realista

No necesitas reescribir cada artículo cada mes. Necesitas que tus IA detecten una señal de mantenimiento regular. Para un artículo evergreen:

• Cada 3 meses: reverifica los datos, añade una referencia nueva si es pertinente, modifica la fecha
• Cada 6 meses: refundición ligera de una sección + actualización de la fecha
• Cada 12 meses: revisión completa o decisión explícita de mantenimiento ("Este artículo sigue siendo pertinente")

Integrar un sistema de alertas de frescura

Configurar un simple sistema de seguimiento (hoja de cálculo, herramienta de gestión de contenido) que te alerte cuando un artículo alcance "6 meses sin modificación". Esto te permite ser proactivo en lugar de reactivo.

Los límites de este enfoque y las evoluciones futuras

Los motores de IA evolucionan rápidamente. A medida que maduren, algunos podrían volverse más sofisticados en su comprensión de lo que constituye realmente "contenido evergreen". Los sistemas podrían aprender a distinguir entre "ausencia de modificación" (para un tema que no ha cambiado) y "abandono" (para un tema donde se esperarían actualizaciones).

Actualmente, es probable que una IA futura lea el contexto metodológico de tu artículo, determine si una actualización era realmente necesaria y ajuste la penalización de frescura en consecuencia. Pero en 2025, las heurísticas temporales siguen siendo la señal dominante e inevitable.

La mejor postura es, por tanto, tratar la frescura como una señal de seriedad y de mantenimiento, no solo como una manipulación de fecha.