Contenidos SEO con IA sin que se note: proceso, controles y revisión humana

Un borrador largo sale de Claude o de ChatGPT en menos de lo que se tarda en leerlo. Eso cambió el cuello de botella de un blog de empresa, que antes era escribir y ahora es decidir qué se publica. Muchas pymes lo han descubierto al revés, publicando artículos seguidos que suenan todos igual, con un par de datos que nadie sabe de dónde salieron y ningún detalle que solo pudiera escribir esa empresa.

Hacer contenidos SEO con IA funciona, y Google no lo prohíbe. Lo que hace falta es montar el trabajo como un proceso con piezas separadas, donde la máquina hace lo que hace bien, otra máquina comprueba lo que se puede comprobar solo y una persona revisa lo que solo ella sabe. Esta guía explica cómo se monta ese reparto, qué controles se automatizan y cuánto tiempo humano sigue haciendo falta por artículo.

Qué acelera la IA y qué tiene que poner alguien que conoce el negocio

Piensa en un artículo sobre cómo elegir un software de facturación. Para escribirlo hay que saber qué busca la gente, qué cuentan los artículos que ya posicionan, ordenar las ideas, redactar, revisar y publicar. Casi todo eso la IA lo acelera mucho, sobre todo el trabajo de volumen: leer los artículos de la competencia y sacar sus apartados, proponer una estructura, redactar un primer borrador limpio, generar variantes de título y de meta descripción.

Hay otra parte que no acelera nada, porque no está en ningún sitio que el modelo pueda leer. Qué software recomendáis de verdad a vuestros clientes y por qué, cuánto tarda la implantación en vuestra experiencia, qué errores veis cada semana. Un modelo de lenguaje escribe con soltura sobre cualquier tema, y justo por eso escribe lo mismo que todos los demás si no le das material propio. El texto le sale correcto y genérico, y genérico es lo que Google y los lectores ya tienen de sobra.

Entre los dos extremos queda un abanico. Hay quien lo genera todo de forma automática y publica sin mirar, hay quien usa la IA como asistente para un texto que escribe una persona, y hay un punto intermedio donde la IA redacta y una persona revisa con criterio. Para una pyme que quiere captar clientes con su blog, nosotros nos quedamos con el intermedio, y es el reparto que montamos en La Teva IA cuando automatizamos el contenido de una empresa. El resto de esta guía va de cómo montarlo sin que la revisión se coma el ahorro.

Cómo se genera un artículo SEO con IA, de la búsqueda al borrador

Todo empieza antes de abrir el chat. Primero se elige la palabra clave con un dato de demanda detrás, mirando en Ahrefs, Semrush o en el propio Search Console qué búsquedas tienen volumen y encajan con lo que vendes. Una palabra clave sin búsquedas da un artículo que nadie va a encontrar, por bien escrito que esté.

Después toca mirar qué posiciona hoy para esa búsqueda. Abres los primeros resultados de Google, o le pides a un flujo automatizado que los descargue, y apuntas qué apartados repiten. Esa lista dice qué espera encontrar quien busca, y también qué falta en todos, que suele ser el sitio donde tu artículo puede aportar algo.

Primero la estructura de titulares, después los párrafos

Si le pides a un modelo «escríbeme un artículo sobre X», él decide la estructura sobre la marcha, y la decide con el promedio de lo que ha leído. Te devuelve la introducción de siempre, los apartados previsibles y una conclusión que resume lo anterior.

Funciona mejor separar las dos cosas. En una primera llamada la IA propone una lista amplia de titulares a partir de lo que encontró en la competencia, y una persona, o un criterio escrito de antemano, poda esa lista hasta dejar los que de verdad responden a la búsqueda y los que aportan un ángulo propio. Un límite útil es el de palabras por titular, porque con demasiados apartados para la longitud del artículo cada uno se queda en un párrafo de relleno.

La estructura aprobada se guarda como un documento aparte. Así el siguiente paso trabaja con una lista cerrada, y si el borrador sale mal se sabe si el fallo estaba en la estructura o en la redacción.

El borrador por secciones, no de una sola vez

Pedir el artículo completo en una sola llamada tiene un coste que no se ve hasta el final, porque el modelo reparte la atención y las últimas secciones salen más pobres y más repetitivas que las primeras. Redactar por bloques, o al menos pasarle la estructura cerrada y unas normas de estilo concretas, da un resultado más parejo.

Esas normas valen más cuanto más concretas son. «Escribe con naturalidad» no cambia nada, en cambio una lista de expresiones prohibidas, un tope de adjetivos por sustantivo o la orden de no cerrar con un párrafo resumen sí cambian el texto. Si tenéis artículos antiguos escritos por alguien del equipo, pasárselos como muestra de voz ayuda a que el ritmo se parezca al vuestro. Conviene también que cada llamada empiece limpia, sin arrastrar la conversación anterior. Un modelo que ha visto cómo se razonó la estructura tiende a justificarla en el texto en vez de escribir para el lector.

Lo que comprueba un script antes de que lo lea nadie: cifras, enlaces y muletillas

El borrador ya está y todavía no hace falta que lo lea una persona. Hay una lista de comprobaciones que un script hace en segundos, y pasarlas antes ahorra que el revisor gaste su tiempo en errores mecánicos.

Las cifras son el primer filtro. Un script puede marcar cada número, cada porcentaje y cada precio del texto y comprobar si lleva al lado un enlace o una fuente. No sabe si el dato es cierto, eso le toca a la persona, pero sí deja una lista de qué hay que comprobar, y esa lista es la que evita que un porcentaje inventado llegue publicado. Los modelos generan cifras con mucha seguridad, y las que más suenan a estudio son a menudo las que no salen de ninguno.

Los enlaces son el segundo. Una herramienta como Screaming Frog, o un flujo en n8n que haga una petición a cada URL del texto, detecta los enlaces que devuelven error. Con IA esto importa más de lo normal, porque un modelo puede escribir una dirección con forma de real que no existe.

El tercero son las muletillas. Hay expresiones y construcciones que delatan un texto generado: las aperturas grandilocuentes sobre el mundo actual, los imperativos de folleto, los cierres que resumen lo ya dicho, la frase de contraste que niega una cosa para afirmar otra, el abuso de rayas y de dos puntos. Una lista de esas expresiones se busca de forma automática, igual que se mide si todos los apartados tienen la misma longitud, que es otra señal clara de plantilla.

Qué revisa una persona antes de publicar, y por qué no se salta

Google lo dice en su documentación para editores de contenido con IA generativa. Pide comprobar a mano y revisar todo el contenido generado antes de publicarlo, porque los modelos pueden cometer errores, y extiende esa revisión a los títulos, las meta descripciones, los datos estructurados y los textos alternativos de las imágenes. En la misma página avisa de que generar muchas páginas sin aportar valor al usuario puede infringir su política contra el contenido a escala.

La razón práctica va más allá de Google. Un artículo con un dato falso sobre tu sector, o con una promesa que tu empresa no cumple, cuesta más que no haberlo publicado.

Cada cifra, fecha o afirmación que cambie la decisión del lector

Aquí entra la lista que dejó el control automático. Cada precio de una herramienta se comprueba en la web de quien la vende, cada fecha y cada afirmación sobre una ley o una norma se busca en la fuente original, no en otro blog que la repite.

No todos los datos pesan igual. Si el artículo dice que una herramienta tiene plan gratuito y el lector va a decidir por eso, hay que comprobarlo. Si el dato no se encuentra, la salida honesta es escribir la frase sin el número, o quitarla.

Lo que solo sabe tu empresa: plazos, casos y forma de trabajar

Esta es la parte que hace que el artículo deje de parecer de cualquiera. El revisor busca los huecos donde el borrador habla en general y los rellena con lo que sabe la empresa: en qué orden hacéis las cosas con un cliente, qué plazos dais, qué recomendáis evitar, qué pregunta os hacen siempre en la primera reunión.

Es también la parte que la IA no puede inventar sin hacer daño. Un modelo al que le pides un ejemplo te escribe un caso plausible con nombre y resultados, y publicarlo como propio es mentir. Si no tenéis un caso que contar, un procedimiento descrito con detalle convence más que una historia de éxito fabricada.

Quien hace esta revisión tiene que conocer el negocio, aunque no sepa nada de SEO. A menudo es el dueño, o quien atiende a los clientes, y en la práctica es un rato de leer con un bolígrafo en la mano marcando dónde el texto dice algo que vosotros no diríais.

El tono de la marca y las frases que delatan a la IA

La última lectura es en voz alta, o casi. Los filtros automáticos cazan las expresiones de una lista, pero no cazan un párrafo que suena a folleto, una sucesión de frases con el mismo ritmo, o un tratamiento al lector que no es el vuestro.

Ayuda tener por escrito cómo habla la marca: si tuteáis o no, qué palabras evitáis, cuánto explicáis antes de entrar en materia. Con esa hoja delante el revisor corrige con criterio y no por gusto, y la misma hoja sirve después como instrucción para el modelo, con lo que cada ronda de revisión mejora el siguiente borrador.

Cuánto tiempo y cuánto dinero cuesta cada artículo hecho con IA

La pregunta que se hace un dueño de pyme es si esto le sale más barato que encargar los artículos fuera. Depende de cuánto del proceso esté montado.

Con un chat y nada más, sin estructura previa ni controles, el ahorro es menor de lo que parece. La persona acaba reescribiendo medio texto, buscando de dónde salió cada cifra y corrigiendo el tono a mano, y eso son fácilmente unas cuantas horas por artículo, aunque es un cálculo a ojo que cambia mucho según el tema. El proceso montado tiene tres piezas: investigación y estructura en un flujo, borrador por secciones con normas fijas y controles automáticos antes de la revisión. Con esas piezas en marcha, el tiempo humano baja a la revisión y a decidir qué temas se escriben, que en un artículo largo se queda en el orden de una hora o dos.

El dinero es la parte pequeña. Una suscripción a Claude Pro cuesta 20 dólares al mes con pago mensual, según la página de precios de Anthropic, y si el flujo llama al modelo por API el coste depende de cuántas palabras procese, pero para un blog de pocos artículos a la semana suele quedar por debajo de lo que cuesta la herramienta SEO. En Ahrefs, por ejemplo, el plan Lite sale a 119 euros al mes según su página de precios, y hay un plan Starter más barato con menos funciones. Montar el flujo en n8n sí tiene un coste inicial, en horas de alguien que sepa hacerlo, y compensa cuando el blog va a publicar de forma constante durante meses.

Cuando analizamos con una empresa si le compensa automatizar su contenido, partimos de estos caminos:

• Hacerlo dentro con un chat y una buena hoja de normas, que vale para un blog que publica poco.
• Encargarlo fuera, que tiene sentido si nadie en la empresa puede dedicar ni esa hora de revisión.
• Montar un flujo automatizado con revisión humana, que compensa cuando el contenido es un canal de captación de verdad y el volumen justifica la inversión del principio. Es el que montamos con n8n en La Teva IA.

Si quieres ver qué parte de tu producción de contenido se puede automatizar y cuál conviene que siga en manos de tu equipo, cuéntanos cómo lo hacéis ahora.