AAO: qué es assistive agent optimization y cómo implementarlo

El SEO lleva décadas con la misma lógica central: hacer que Google encuentre tu contenido, lo entienda, y lo muestre cuando alguien busca algo relevante. Esa lógica funcionó bien porque el proceso siempre tuvo un humano en el centro. El buscador mostraba opciones. El usuario elegía.

Eso está cambiando. Y el cambio no es gradual.

Los sistemas de IA actuales, ChatGPT, Perplexity, Google AI Mode, Gemini, no solo muestran opciones. Evalúan, recomiendan y, en algunos casos, actúan directamente. Reservan, compran, seleccionan proveedores. El usuario recibe una respuesta, no una lista de links. Y en muchos casos, acepta esa respuesta sin revisar alternativas.

Ese es el contexto en el que nació un nuevo concepto: assistive agent optimization, o AAO.

Qué significa AAO y de dónde viene

AAO es un término propuesto por Jason Barnard, consultor especializado en cómo las marcas son representadas por sistemas de inteligencia artificial. La lógica detrás del nombre es más simple de lo que parece.

"Assistive" describe el propósito del sistema: asistir al usuario. "Agent" describe al actor que ejecuta esa asistencia, no un motor de búsqueda que muestra resultados, sino un agente que toma decisiones y actúa. "Optimization" es lo que hacemos, trabajar para que ese agente nos elija.

El argumento de Barnard es que los otros términos que circulan en la industria, GEO, AEO, AIEO, LLM optimization, AI SEO, describen partes del problema pero no el problema completo. 

GEO se enfoca en el componente generativo pero ignora los grafos de conocimiento. Entity SEO cubre los grafos de conocimiento pero requiere explicación para cualquiera fuera del mundo técnico. LLM optimization cubre un tercio del sistema y obvia el resto.

AAO intenta cubrir los tres componentes que están detrás de cualquier sistema de IA que hace recomendaciones: los modelos de lenguaje, los grafos de conocimiento, y la búsqueda tradicional. Barnard llama a esto la trinidad algorítmica, y argumenta que cualquier estrategia que optimice solo para uno de los tres componentes va a dejar huecos.

Por qué la distinción entre motor y agente importa en la práctica

La diferencia entre un motor de búsqueda y un agente no es solo semántica. Cambia fundamentalmente qué hace el sistema y qué significa aparecer en él.

Un motor de búsqueda presenta opciones. El usuario evalúa y decide. Tu trabajo como marca era aparecer en esa lista y hacer que el usuario eligiera clickearte a ti.

Un agente evalúa y decide por el usuario. El usuario recibe una respuesta. En el mejor caso, recibe una lista corta. Cada vez más frecuentemente, recibe una sola recomendación. Barnard describe esto como el "perfect click", el momento de suma cero en IA donde el sistema presenta una solución y la mayoría de los usuarios la acepta.

Eso significa que el embudo completo, awareness, consideración, decisión, ocurre dentro del agente antes de que el usuario vea nada. El agente se entera de que tu marca existe, te considera junto a alternativas, y decide, todo internamente. Si no estás presente y bien representado en ese proceso interno, no llegas al resultado.

Para equipos de marketing, eso cambia el objetivo. Durante décadas, la meta era atraer visitas al sitio y convertir ahí. Bajo la lógica de AAO, la meta es ser la respuesta que el agente entrega, antes de que el usuario llegue a tu sitio, o sin que llegue.

Los tres cambios estructurales que AAO implica

1. La identidad de marca se vuelve infraestructura

Cuando un agente recomienda un hotel, un proveedor de software, o un consultor, no analiza páginas individuales buscando title tags bien optimizados. Evalúa lo que sabe sobre la marca: qué hace, a quién sirve, por qué sería una solución confiable para este caso específico, y qué tan seguro está de esos datos.

Esa confianza se construye desde lo que Barnard llama el "entity home", la página que ancla todo lo que el sistema sabe sobre tu marca, y se expande a través de cada fuente externa que corrobora esa información. Medios que te mencionan, directorios que te listan, reviews que te describen, redes sociales que te identifican.

Si el agente tiene una imagen confusa o incompleta de tu marca, va a elegir una marca que entiende mejor. No porque esa marca sea mejor, sino porque la incertidumbre tiene un costo en los sistemas de IA y los agentes tienden a minimizarla.

2. El índice web ya no es el único canal de entrada

Durante dos décadas, la lógica era simple: si Google no lo indexó, no existe. Ese monopolio se está rompiendo en dos frentes.

Por un lado, los agentes consultan cada vez más fuentes que nunca pasan por un índice web tradicional: APIs, bases de datos internas, feeds estructurados, sistemas de reservas. Si tu información solo vive en páginas web convencionales, hay canales de distribución que no estás usando.

Por otro lado, están emergiendo mecanismos de push, como IndexNow, MCP y otros protocolos similares, que permiten enviar información estructurada directamente a los sistemas que actúan, en lugar de esperar a que vengan a buscarte. 

Barnard lo describe como volver a los años 90 en ciertos aspectos: enviar información activamente al ecosistema en lugar de publicar y esperar.

Hay un punto técnico que vale mencionar para equipos que trabajan con desarrolladores: la mayoría de los bots de agentes de IA no renderizan JavaScript. Si el contenido importante de tu sitio depende de JavaScript del lado del cliente para mostrarse, una parte creciente de los agentes simplemente no lo ve. Eso es un problema de visibilidad que no aparece en los reportes de SEO tradicionales.

3. Las habilidades de SEO siguen siendo válidas, pero el objetivo se mueve

AAO no reemplaza el SEO. Lo contiene. Las habilidades técnicas, la estructura de contenido, el trabajo de links, el schema markup, todo eso sigue siendo relevante. Lo que cambia es el objetivo final.

En SEO el objetivo era ser encontrado por el motor y elegido por el usuario. En AAO el objetivo es ser elegido por el agente cuando actúa, recomendado cuando el usuario investiga, y mencionado cuando el usuario pregunta. 

Son tres niveles de visibilidad con distintos grados de autonomía del sistema, y optimizar para los tres requiere pensar más allá de los rankings de búsqueda tradicionales.

Por qué la claridad conceptual importa ahora

Hay un argumento pragmático detrás de adoptar un marco conceptual claro para este trabajo, más allá de la discusión sobre qué acrónimo es más preciso.

Los datos que cita Barnard sobre concentración de visibilidad en sistemas de IA son ilustrativos. En diciembre de 2024, los sitios con mejor rendimiento en citabilidad dentro de sistemas de IA capturaban alrededor del 31% del total. En febrero de 2026, ese porcentaje había subido al 59.5%. En dos meses, la concentración casi se duplicó.

Eso sugiere que los sistemas de IA están consolidando su confianza alrededor de un grupo cada vez más selecto de fuentes, y que el costo de llegar tarde a este trabajo no es estático. Los que empiezan ahora no están empezando desde el mismo punto que los que empezaron hace seis meses.

La discusión sobre si llamarlo AAO, GEO, AIEO o cualquier otra cosa es secundaria. Lo que importa es entender que optimizar para sistemas que recomiendan y actúan es un trabajo distinto al de optimizar para sistemas que muestran listas, que ese trabajo tiene componentes técnicos y editoriales específicos, y que la ventana para construir ventaja antes de que la concentración se consolide todavía está abierta.

Qué significa esto para un equipo de marketing hoy

No todo tiene que cambiar al mismo tiempo. Pero hay tres preguntas que vale hacerse ahora.

La primera es si la información sobre tu marca es consistente y completa en las fuentes que los sistemas de IA consultan. No solo tu sitio web, sino medios, directorios, plataformas de reviews, redes sociales. Si hay inconsistencias o vacíos, los agentes trabajan con información parcial.

La segunda es si tu contenido más importante es accesible para bots que no renderizan JavaScript. Si no lo es, hay un problema de visibilidad que el SEO tradicional no está midiendo.

La tercera es si tienes visibilidad sobre cómo los sistemas de IA representan tu marca hoy. Qué dicen cuando alguien pregunta sobre tu categoría, quién aparece como alternativa, qué atributos asocian contigo. Sin esa información, es difícil saber qué hay que mejorar.

AAO como disciplina todavía está en construcción. Los marcos metodológicos completos, como el pipeline de diez etapas que Barnard describe en su trabajo, están siendo documentados ahora. Pero el problema que intenta resolver ya existe y ya está afectando qué marcas aparecen y cuáles no en los sistemas que cada vez más personas usan para tomar decisiones.