La demanda estaba.
La confianza no.
Cómo una academia de peluquería se convirtió en el laboratorio que dio origen a ENTIA: infraestructura de identidad verificable para máquinas.
El primer experimento fue un negocio real
Antes de ENTIA construí Master Hair Academy, una academia de formación para profesionales de peluquería con cursos de balayage, barbería y peinados. Venía del marketing digital y quería una operación escalable y autoatendida: contenido en vídeo, mentoras reconocibles, soporte y un funnel de compra completo.
Mi hipótesis era que la búsqueda generativa abría una ventana distinta del SEO tradicional. Una marca nueva podía ganar presencia en una superficie donde todavía no pesaban igual la antigüedad del dominio, la inversión en anuncios ni los años de autoridad acumulada. Construí landings, clusters temáticos y representaciones estructuradas, y empecé a observar qué devolvían distintos modelos.
La citación era una mala capa para experimentar
Muy pronto vi que una cita concreta no era reproducible. Cambiaban el modelo, la formulación de la pregunta, el contexto y otros parámetros. Podía observar una aparición, pero no tratarla como una variable estable.
Así que empecé a modificar JSON-LD, estructuras de página y URLs, y a repetir consultas. El método era deliberadamente empírico: cambiar una variable, medir, romper, volver a medir. No me importaba que una respuesta aislada mejorara, sino descubrir qué señales sobrevivían de forma consistente entre sistemas diferentes.
Si no podía estabilizar la cita, tenía que trabajar una capa antes: la recuperación y la indexación de la entidad.
El fracaso comercial reveló la capa que faltaba
Master Hair Academy llegó a generar descubrimiento, tráfico e intención de compra. El problema apareció al final del funnel: las clientas querían comprobar que la profesional a la que admiraban estaba realmente vinculada al curso. Buscaban una corroboración externa en los canales oficiales de las mentoras y no la encontraban.
El producto se descubría, pero faltaba una capa de identidad y confianza que conectara de forma verificable a la persona, el curso y la organización. Fue mi primera demostración práctica de que visibilidad no es identidad, e identidad no es confianza.
De la inferencia a capas de verdad
Después del fracaso seguí con el problema técnico. Estudié qué ocurría cuando los modelos tenían que completar información a partir de señales incompletas, y formulé lo que después llamé Resistencia Cognitiva: cuanto más estable, verificable y coherente es una representación, menos espacio deja para que un sistema tenga que inferir quién es la entidad.
Convertí entia.systems en mi propio laboratorio. La representación de ENTIA aparecía y desaparecía mientras cambiaba los JSON-LD y las relaciones entre campos. No bastaba con añadir datos: importaban la estructura, la coherencia y la autoridad de las fuentes.
La fuente de verdad se convirtió en arquitectura
En las primeras landings ya había comprobado que enlazar una afirmación con fuentes reconocibles ayudaba a contextualizarla. En ENTIA lo llevé mucho más lejos: cada dato relevante debía apoyarse en una fuente determinista y trazable. BORME, BOE, VIES y otros registros oficiales dejaron de ser enlaces decorativos y pasaron a formar parte del modelo de identidad.
Y no todos los campos valen lo mismo. Una dirección, un identificador fiscal, un acto registral o una mención externa no deben pesar igual. Ese trabajo de ponderación terminó siendo el Risk Score y las reglas que deciden qué entra, y con qué fuerza, en una Entia Home.
La URL dejó de ser una landing y pasó a ser una entidad
Durante cerca de ocho meses iteré sobre estructuras que funcionaban de forma desigual entre modelos y buscadores. Buscaba una representación canónica lo bastante estable para que sistemas distintos llegaran al mismo punto, con independencia del país o del formato de consumo.
Cuando esa estructura se estabilizó, la URL se convirtió en la dirección de una entidad: una Entia Home. A partir de ahí la misma identidad pudo servirse en HTML, JSON, Markdown, API y, después, MCP.
El método no ha cambiado desde el primer laboratorio
A masterhair.academy siguen llegando consultas hoy, sin que invierta en ella. No me equivoqué en el planteamiento: la demanda existía y sigue existiendo. Lo que no existía era una forma de que una máquina, y después una persona, pudiera comprobar quién había detrás.
Esa pieza que faltaba es lo que construyo en ENTIA. Primero con Codex y Claude sobre una web; hoy sobre una plataforma entera diseñada por mí y ejecutada por agentes de código.