Antes de ser visible,
una máquina tiene que saber quién eres.
La web resolvió la identidad de las empresas para personas. Para una IA no basta. Antes del posicionamiento está la resolución de entidad.
Una persona tolera la ambigüedad. Una máquina no debería
Durante años la web resolvió la identidad de una empresa de una forma suficientemente buena para una persona: un nombre, un logotipo, una web, una dirección y algunas menciones externas. Una persona interpreta esas señales, deduce que dos nombres se refieren probablemente a la misma compañía y tolera contradicciones menores.
Un sistema de IA no debería depender de esa ambigüedad. Antes de decidir si una empresa es relevante, visible o recomendable tiene que resolver una pregunta más elemental: ¿qué entidad es exactamente esta y qué evidencia sostiene esa identidad?
Antes del posicionamiento está la resolución de entidad.
Una web no es una identidad de máquina
La web corporativa es una afirmación de la propia empresa. Importa, pero por sí sola no resuelve la identidad. El nombre comercial puede diferir de la razón social, una dirección puede haber cambiado, el identificador fiscal puede no aparecer, dos empresas pueden llamarse casi igual y un directorio puede conservar datos antiguos.
Para una máquina, la representación útil separa al menos cuatro cosas: la afirmación, la fuente, la fecha en que se obtuvo y el nivel de evidencia. Si esas capas se mezclan, el sistema recibe texto. Si se separan, recibe una entidad verificable.
La canonicidad reduce el espacio de interpretación
Una URL canónica no hace verdadera una afirmación. Lo que hace es dar un punto estable al que convergen distintas representaciones: HTML para personas y buscadores, JSON para software, Markdown para recuperación textual y APIs o MCP para agentes.
La identidad es más útil cuando todas esas superficies describen la misma entidad con los mismos identificadores. Es el principio de ENTIA: una entidad, varias representaciones, procedencia explícita y un identificador estable.
La visibilidad viene después
SEO, búsqueda generativa, citación o recomendación son problemas posteriores. Un sistema no puede razonar con fiabilidad sobre una empresa si antes no ha resuelto quién es. Cuanto mayor es la contradicción entre fuentes, más trabajo tiene que hacer antes de confiar en una representación.
Por eso me interesa menos la pregunta «¿cómo consigo que una IA mencione una empresa?» y mucho más «¿qué necesita encontrar una IA para identificarla correctamente?». La segunda es un problema de infraestructura. Si se resuelve bien, la primera deja de depender solo de contenido promocional.
La pregunta no es cómo hacer que una IA te mencione. Es qué necesita para identificarte.
La hipótesis es observable. Se publica una representación canónica, se mide qué agentes la recuperan, se observa qué formatos consumen y se comprueba después si los sistemas cometen menos errores de identidad o recuperan la fuente con más consistencia.
Ese circuito completo es el terreno en el que trabajo en ENTIA.