{"id":1759,"date":"2026-10-06T11:57:13","date_gmt":"2026-10-06T09:57:13","guid":{"rendered":"https:\/\/latevaia.ai\/continguts-seo-amb-ia\/"},"modified":"2026-10-07T17:46:37","modified_gmt":"2026-10-07T15:46:37","slug":"continguts-seo-amb-ia","status":"publish","type":"post","link":"https:\/\/latevaia.ai\/ca\/blog\/continguts-seo-amb-ia\/","title":{"rendered":"Continguts SEO amb IA sense que es noti: proc\u00e9s, controls i revisi\u00f3 humana"},"content":{"rendered":"\n

Un esborrany llarg surt de Claude o de ChatGPT<\/a> en menys temps del que es triga a llegir-lo. Aix\u00f2 ha canviat el coll d’ampolla d’un blog d’empresa, que abans era escriure i ara \u00e9s decidir qu\u00e8 es publica<\/strong>. Moltes pimes ho han descobert al rev\u00e9s, publicant articles un darrere l’altre que sonen tots igual, amb un parell de dades que ning\u00fa sap d’on han sortit i cap detall que nom\u00e9s pogu\u00e9s escriure aquella empresa.<\/p>\n\n\n\n

Fer continguts SEO amb IA funciona, i Google no ho prohibeix<\/strong>. El que cal \u00e9s muntar la feina com un proc\u00e9s amb peces separades<\/strong>, en qu\u00e8 la m\u00e0quina fa el que fa b\u00e9, una altra m\u00e0quina comprova el que es pot comprovar sol i una persona revisa el que nom\u00e9s ella sap. Aquesta guia explica com es munta aquest repartiment, quins controls s’automatitzen i quant temps hum\u00e0 continua fent falta per article.<\/p>\n\n\n\n

Qu\u00e8 accelera la IA i qu\u00e8 hi ha de posar alg\u00fa que coneix el negoci<\/h2>\n\n\n\n

Pensa en un article sobre com triar un programari de facturaci\u00f3. Per escriure’l cal saber qu\u00e8 busca la gent, qu\u00e8 expliquen els articles que ja posicionen, ordenar les idees, redactar, revisar i publicar. Gaireb\u00e9 tot aix\u00f2 la IA ho accelera molt, sobretot la feina de volum<\/strong>: llegir els articles de la compet\u00e8ncia i treure’n els apartats, proposar una estructura, redactar un primer esborrany net, generar variants de t\u00edtol i de meta descripci\u00f3.<\/p>\n\n\n\n

Hi ha una altra part que no accelera gens, perqu\u00e8 no \u00e9s enlloc on el model la pugui llegir<\/strong>. Quin programari recomaneu de deb\u00f2 als vostres clients i per qu\u00e8, quant triga la implantaci\u00f3 segons la vostra experi\u00e8ncia, quins errors veieu cada setmana. Un model de llenguatge escriu amb soltesa sobre qualsevol tema, i justament per aix\u00f2 escriu el mateix que tots els altres si no li dones material propi. El text li surt correcte i gen\u00e8ric<\/strong>, i gen\u00e8ric \u00e9s el que Google i els lectors ja tenen de sobres.<\/p>\n\n\n\n

Entre els dos extrems hi ha tot un ventall. Hi ha qui ho genera tot de manera autom\u00e0tica i publica sense mirar, hi ha qui fa servir la IA com a assistent per a un text que escriu una persona, i hi ha un punt intermedi en qu\u00e8 la IA redacta i una persona revisa amb criteri<\/strong>. Per a una pime que vol captar clients amb el seu blog, nosaltres ens quedem amb l’intermedi, i \u00e9s el repartiment que muntem a La Teva IA quan automatitzem el contingut d’una empresa. La resta d’aquesta guia tracta de com muntar-lo sense que la revisi\u00f3 es mengi l’estalvi.<\/p>\n\n\n\n

Com es genera un article SEO amb IA, de la cerca a l’esborrany<\/h2>\n\n\n\n

Tot comen\u00e7a abans d’obrir el xat. Primer es tria la paraula clau amb una dada de demanda al darrere<\/strong>, mirant a Ahrefs, Semrush o al mateix Search Console quines cerques tenen volum i encaixen amb el que vens. Una paraula clau sense cerques dona un article que ning\u00fa no trobar\u00e0, per ben escrit que estigui.<\/p>\n\n\n\n

Despr\u00e9s toca mirar qu\u00e8 posiciona avui per a aquella cerca. Obres els primers resultats de Google, o demanes a un flux automatitzat que els descarregui, i apuntes quins apartats es repeteixen. Aquesta llista diu qu\u00e8 espera trobar qui busca, i tamb\u00e9 qu\u00e8 falta a tots<\/strong>, que sol ser el lloc on el teu article pot aportar alguna cosa.<\/p>\n\n\n\n

\"analitzar<\/figure>\n\n\n\n

Primer l’estructura de titulars, despr\u00e9s els par\u00e0grafs<\/h3>\n\n\n\n

Si demanes a un model \u00abescriu-me un article sobre X\u00bb, ell decideix l’estructura sobre la marxa, i la decideix amb la mitjana del que ha llegit. Et retorna la introducci\u00f3 de sempre, els apartats previsibles i una conclusi\u00f3 que resumeix el que s’ha dit.<\/p>\n\n\n\n

Funciona millor separar les dues coses<\/strong>. En una primera crida la IA proposa una llista \u00e0mplia de titulars a partir del que ha trobat a la compet\u00e8ncia, i una persona, o un criteri escrit per endavant, poda aquesta llista fins a deixar-hi els que de deb\u00f2 responen a la cerca i els que aporten un angle propi. Un l\u00edmit \u00fatil \u00e9s el de paraules per titular, perqu\u00e8 amb massa apartats per a la llargada de l’article cadascun es queda en un par\u00e0graf de farciment.<\/p>\n\n\n\n

L’estructura aprovada es desa com un document a part. Aix\u00ed el pas seg\u00fcent treballa amb una llista tancada, i si l’esborrany surt malament se sap si l’error era a l’estructura o a la redacci\u00f3.<\/p>\n\n\n\n

L’esborrany per seccions, no tot d’una vegada<\/h3>\n\n\n\n

Demanar l’article complet en una sola crida t\u00e9 un cost que no es veu fins al final, perqu\u00e8 el model reparteix l’atenci\u00f3 i les \u00faltimes seccions surten m\u00e9s pobres<\/strong> i m\u00e9s repetitives que les primeres. Redactar per blocs<\/strong>, o almenys passar-li l’estructura tancada i unes normes d’estil concretes, dona un resultat m\u00e9s uniforme.<\/p>\n\n\n\n

Aquestes normes valen m\u00e9s com m\u00e9s concretes s\u00f3n<\/strong>. \u00abEscriu amb naturalitat\u00bb no canvia res; en canvi, una llista d’expressions prohibides, un l\u00edmit d’adjectius per substantiu o l’ordre de no tancar amb un par\u00e0graf resum s\u00ed que canvien el text. Si teniu articles antics escrits per alg\u00fa de l’equip, passar-li’ls com a mostra de veu ajuda que el ritme s’assembli al vostre. Tamb\u00e9 conv\u00e9 que cada crida comenci neta<\/strong>, sense arrossegar la conversa anterior. Un model que ha vist com es va raonar l’estructura tendeix a justificar-la en el text en lloc d’escriure per al lector.<\/p>\n\n\n\n

El que comprova un script abans que ning\u00fa ho llegeixi: xifres, enlla\u00e7os i crosses<\/h2>\n\n\n\n

L’esborrany ja \u00e9s fet i encara no cal que el llegeixi una persona. Hi ha una llista de comprovacions que un script fa en segons, i passar-les abans estalvia que el revisor perdi el temps en errors mec\u00e0nics.<\/p>\n\n\n\n

Les xifres s\u00f3n el primer filtre. Un script pot marcar cada n\u00famero, cada percentatge i cada preu del text i comprovar si porta al costat un enlla\u00e7 o una font<\/strong>. No sap si la dada \u00e9s certa, aix\u00f2 li toca a la persona, per\u00f2 s\u00ed que deixa una llista del que cal comprovar, i aquesta llista \u00e9s la que evita que un percentatge inventat acabi publicat<\/strong>. Els models generen xifres amb molta seguretat, i les que m\u00e9s sonen a estudi sovint s\u00f3n les que no surten de cap.<\/p>\n\n\n\n

Els enlla\u00e7os s\u00f3n el segon. Una eina com Screaming Frog, o un flux a n8n que faci una petici\u00f3 a cada URL del text, detecta els enlla\u00e7os que retornen error<\/strong>. Amb IA aix\u00f2 importa m\u00e9s del normal, perqu\u00e8 un model pot escriure una adre\u00e7a amb aparen\u00e7a de real que no existeix.<\/p>\n\n\n\n

El tercer s\u00f3n les crosses. Hi ha expressions i construccions que delaten un text generat: les obertures grandiloq\u00fcents sobre el m\u00f3n actual, els imperatius de fullet, els tancaments que resumeixen el que ja s’ha dit, la frase de contrast que nega una cosa per afirmar-ne una altra, l’ab\u00fas de guions i de dos punts. Una llista d’aquestes expressions es busca de manera autom\u00e0tica<\/strong>, igual que es mesura si tots els apartats tenen la mateixa llargada, que \u00e9s un altre senyal clar de plantilla.<\/p>\n\n\n\n

Qu\u00e8 revisa una persona abans de publicar, i per qu\u00e8 no es pot saltar<\/h2>\n\n\n\n

Google ho diu a la seva documentaci\u00f3 per a editors de contingut amb IA generativa. Demana comprovar a m\u00e0 i revisar tot el contingut generat abans de publicar-lo<\/strong>, perqu\u00e8 els models poden cometre errors, i est\u00e9n aquesta revisi\u00f3 als t\u00edtols, les meta descripcions, les dades estructurades i els textos alternatius de les imatges. A la mateixa p\u00e0gina avisa que generar moltes p\u00e0gines sense aportar valor a l’usuari pot infringir la seva pol\u00edtica contra el contingut a escala<\/strong>.<\/p>\n\n\n\n

La ra\u00f3 pr\u00e0ctica va m\u00e9s enll\u00e0 de Google. Un article amb una dada falsa sobre el teu sector, o amb una promesa que la teva empresa no compleix, costa m\u00e9s que no haver-lo publicat<\/strong>.<\/p>\n\n\n\n

Cada xifra, data o afirmaci\u00f3 que canvi\u00ef la decisi\u00f3 del lector<\/h3>\n\n\n\n

Aqu\u00ed entra la llista que ha deixat el control autom\u00e0tic. Cada preu d’una eina es comprova al web de qui la ven, cada data i cada afirmaci\u00f3 sobre una llei o una norma es busca a la font original<\/strong>, no en un altre blog que la repeteix.<\/p>\n\n\n\n

No totes les dades pesen igual. Si l’article diu que una eina t\u00e9 pla gratu\u00eft i el lector decidir\u00e0 per aix\u00f2, cal comprovar-ho. Si la dada no es troba, la sortida honesta \u00e9s escriure la frase sense el n\u00famero, o treure-la<\/strong>.<\/p>\n\n\n\n

El que nom\u00e9s sap la teva empresa: terminis, casos i manera de treballar<\/h3>\n\n\n\n

Aquesta \u00e9s la part que fa que l’article deixi de semblar de qualsevol. El revisor busca els buits on l’esborrany parla en general i els omple amb el que sap l’empresa<\/strong>: en quin ordre feu les coses amb un client, quins terminis doneu, qu\u00e8 recomaneu evitar, quina pregunta us fan sempre a la primera reuni\u00f3.<\/p>\n\n\n\n

\"revisar<\/figure>\n\n\n\n

Tamb\u00e9 \u00e9s la part que la IA no pot inventar sense fer mal. Un model a qui demanes un exemple t’escriu un cas versemblant amb nom i resultats, i publicar-lo com a propi \u00e9s mentir<\/strong>. Si no teniu cap cas per explicar, un procediment descrit amb detall conven\u00e7 m\u00e9s<\/strong> que una hist\u00f2ria d’\u00e8xit fabricada.<\/p>\n\n\n\n

Qui fa aquesta revisi\u00f3 ha de con\u00e8ixer el negoci, encara que no s\u00e0piga res de SEO<\/strong>. Sovint \u00e9s l’amo, o qui at\u00e9n els clients, i a la pr\u00e0ctica \u00e9s una estona de llegir amb un bol\u00edgraf a la m\u00e0 marcant on el text diu alguna cosa que vosaltres no dir\u00edeu.<\/p>\n\n\n\n

El to de la marca i les frases que delaten la IA<\/h3>\n\n\n\n

L’\u00faltima lectura \u00e9s en veu alta, o gaireb\u00e9. Els filtres autom\u00e0tics cacen les expressions d’una llista, per\u00f2 no cacen un par\u00e0graf que sona a fullet, una successi\u00f3 de frases amb el mateix ritme o un tractament al lector que no \u00e9s el vostre.<\/p>\n\n\n\n

Ajuda tenir per escrit com parla la marca<\/strong>: si tracteu de tu o no, quines paraules eviteu, quant expliqueu abans d’entrar en mat\u00e8ria. Amb aquest full al davant el revisor corregeix amb criteri i no per gust, i el mateix full serveix despr\u00e9s com a instrucci\u00f3 per al model, de manera que cada ronda de revisi\u00f3 millora l’esborrany seg\u00fcent<\/strong>.<\/p>\n\n\n\n

Quant temps i quants diners costa cada article fet amb IA<\/h2>\n\n\n\n

La pregunta que es fa l’amo d’una pime \u00e9s si aix\u00f2 li surt m\u00e9s barat que encarregar els articles a fora. Dep\u00e8n de quina part del proc\u00e9s estigui muntada<\/strong>.<\/p>\n\n\n\n

Amb un xat i res m\u00e9s, sense estructura pr\u00e8via ni controls, l’estalvi \u00e9s menor del que sembla<\/strong>. La persona acaba reescrivint mig text, buscant d’on ha sortit cada xifra i corregint el to a m\u00e0, i aix\u00f2 s\u00f3n f\u00e0cilment unes quantes hores per article, tot i que \u00e9s un c\u00e0lcul a ull que canvia molt segons el tema. El proc\u00e9s muntat t\u00e9 tres peces: recerca i estructura en un flux, esborrany per seccions amb normes fixes i controls autom\u00e0tics abans de la revisi\u00f3. Amb aquestes peces en marxa, el temps hum\u00e0 es redueix a la revisi\u00f3 i a decidir quins temes s’escriuen, que en un article llarg queda en l’ordre d’una hora o dues<\/strong>.<\/p>\n\n\n\n

Els diners s\u00f3n la part petita. Una subscripci\u00f3 a Claude Pro costa 20 d\u00f2lars al mes<\/strong> amb pagament mensual, segons la p\u00e0gina de preus d’Anthropic, i si el flux crida el model per API el cost dep\u00e8n de quantes paraules processi, per\u00f2 per a un blog de pocs articles a la setmana sol quedar per sota del que costa l’eina SEO. A Ahrefs, per exemple, el pla Lite surt a 119 euros al mes segons la seva p\u00e0gina de preus, i hi ha un pla Starter m\u00e9s barat amb menys funcions. Muntar el flux a n8n s\u00ed que t\u00e9 un cost inicial, en hores d’alg\u00fa que en s\u00e0piga, i compensa quan el blog publicar\u00e0 de manera constant<\/strong> durant mesos.<\/p>\n\n\n\n

Quan analitzem amb una empresa si li compensa automatitzar el seu contingut, partim d’aquests camins:<\/p>\n\n\n\n