Agentes de IA para SEO, visibilidad en IA y operaciones de contenido
Angel Baez construye agentes de IA que investigan, escriben, revisan y publican contenido para que las empresas ganen tráfico orgánico y sean citadas por asistentes de IA. En Prepa IN, una flota de agentes administrados de Claude ejecuta ese pipeline a diario y multiplicó por cerca de 20 la visibilidad en SEO e IA desde una base cercana a cero.
Qué cubre este nicho
El trabajo está en la intersección de tres funciones que antes vivían en equipos separados:
- SEO
- Bases técnicas y contenido que los motores de búsqueda pueden rastrear, entender y posicionar. Incluye URLs limpias, datos estructurados, sitemaps, rendimiento y artículos construidos alrededor de preguntas reales.
- Visibilidad en IA
- Ser citado dentro de respuestas de ChatGPT, Perplexity, Google AI Overviews y asistentes similares. Eso premia una respuesta directa al inicio, bloques de FAQ, hechos con fuente y superficies descubribles para máquinas como llms.txt.
- Operaciones de contenido
- Pipelines diarios que auditan el corpus, eligen el siguiente tema, redactan o actualizan un artículo, generan assets, aplican revisión con falla en cerrado y publican solo cuando un revisor separado aprueba. Las personas siguen en el ciclo mediante digests, no cuidando cada paso.
Cómo funcionan los sistemas de agentes
El patrón de producción que compone es un coordinador delgado más subagentes especializados, cada uno con un solo trabajo y contexto fresco. En la flota del blog de Prepa IN eso significa siete agentes del roster diario (auditor SEO, estratega de contenido, escritor, actualizador, generador de miniaturas, revisor y publicador) más un meta-auditor semanal del pipeline.
Scripts deterministas se encargan del scoring del corpus y del ranking de la cola. Los modelos orquestan y toman las decisiones que sí requieren juicio. La publicación está condicionada a revisión: un revisor con falla en cerrado debe dejar un informe aprobatorio en disco, y el publicador se niega a publicar sin él. Cada ciclo termina con un email digest, así que el silencio mismo es una señal.
La forma del contenido coincide con lo que citan los motores de respuesta: una respuesta directa al inicio, encabezados con forma de pregunta, secciones FAQ con schema FAQPage, enlaces internos verificados contra el corpus y afirmaciones con fuente. El descubrimiento a nivel de sitio incluye RSS y llms.txt.
Casos de estudio en este sitio
Estos artículos son la evidencia principal del nicho. Las cifras de abajo son solo las ya publicadas en angel-baez.com.
Agentes administrados de Claude en Prepa IN
Arquitectura de la flota autónoma que investiga, escribe, revisa y publica el blog de Prepa IN. Resultado reportado: cerca de 20x en visibilidad SEO y en IA desde un punto de partida cercano a cero.
Leer el caso (en inglés)Migración de WordPress a Astro
El sitio de marketing y el blog de Prepa IN pasaron a Astro en Cloudflare en dos días hábiles. Seis meses después, junio de 2026 fue el mejor mes orgánico registrado con 9,473 sesiones. Las impresiones de Google pasaron de unas 44,000 al mes antes de la migración a 194,000 el mes siguiente y 517,000 en marzo, con la posición media mejorando de 7.8 a 5.8. Sesiones interanuales: abril +74%, mayo +82%, junio +121%. El artículo atribuye el crecimiento compuesto después de abril al pipeline de contenido construido sobre el nuevo stack.
Leer el artículo de migración (en inglés)EmDash CMS en producción
El CMS open source y AI-first de Cloudflare (EmDash) entró en producción para el blog de Prepa IN al día siguiente del developer preview. El stack trata a los agentes como usuarios de primera clase mediante un servidor MCP integrado.
Leer el artículo de EmDash (en inglés)Aylin, un maestro con IA para Prepa IN
Aylin es el producto de IA de Prepa IN para aprendizaje personalizado, construido desde la pedagogía y la psicología, no como un chatbot genérico. Las pruebas internas comenzaron en octubre de 2026, con un lanzamiento previsto de la primera versión a finales de noviembre.
Leer el anuncio de AylinProductos de IA relacionados
El trabajo seleccionado en la página de inicio también cubre Vera (validación con IA de expedientes de aspirantes), Recupera (app de saldo a favor del SAT para empleados en México) y Jazmin (asistente ejecutiva con IA en WhatsApp).
Ver trabajo seleccionado en la página de inicio
Preguntas frecuentes
¿Qué son los agentes de IA para SEO y operaciones de contenido?
Son agentes especializados que poseen fases de un pipeline de contenido: auditar el corpus, elegir temas, redactar o actualizar artículos, generar assets, revisar contra una lista fija y publicar cuando la revisión aprueba. En Prepa IN, un coordinador delgado secuencia siete agentes diarios más un meta-auditor semanal.
¿En qué se diferencia la visibilidad en IA del SEO clásico?
El SEO clásico optimiza para una página de resultados. La visibilidad en IA optimiza para ser citado dentro de una respuesta. Ambos siguen necesitando páginas rastreables y buen contenido, pero los motores de respuesta también premian aperturas directas, estructura FAQ, afirmaciones con fuente y archivos de descubrimiento como llms.txt.
¿Los agentes publican sin una persona?
Sí, cuando la revisión aprueba. La publicación usa falla en cerrado: un agente revisor separado debe dejar un informe aprobatorio en disco, y el publicador no publica sin él. Las personas revisan después mediante un digest diario y pueden despublicar cualquier error.
¿Qué resultados ha producido este enfoque en Prepa IN?
El artículo de la flota de agentes administrados reporta cerca de 20x en visibilidad SEO y en IA desde una base cercana a cero. Por separado, tras la migración de WordPress a Astro, junio de 2026 alcanzó 9,473 sesiones orgánicas (récord del sitio), y las impresiones de Google subieron de unas 44,000 al mes antes de la migración a 517,000 en marzo, con la posición media mejorando de 7.8 a 5.8.
¿Qué stack usan estos sistemas?
El stack de contenido de Prepa IN descrito en este sitio incluye Astro en Cloudflare Workers, EmDash CMS con MCP para agentes, agentes administrados de Claude (roles Haiku y Sonnet), Cloudflare R2 para la caché de scores SEO, RSS y llms.txt. El trabajo de entrega más amplio de Angel usa TypeScript, Python y Node.
¿Para quién es este trabajo?
Equipos que necesitan crecimiento orgánico constante y citas en IA sin montar toda una máquina editorial. El ejemplo de producción documentado es una empresa educativa (Prepa IN) cuyo sitio de marketing es la cima del embudo de inscripción.
¿Cómo se mide la visibilidad en ChatGPT y asistentes similares?
El caso de Prepa IN rastrea con qué frecuencia aparece la marca cuando estudiantes y familias hacen preguntas relevantes en ChatGPT y otros asistentes de IA, junto con impresiones y clics de Google Search Console.
Iniciar un proyecto
¿Estás construyendo una flota de agentes para SEO, visibilidad en IA u operaciones de contenido? Angel acepta un número limitado de proyectos por trimestre. Contáctame