Aplicar IA al SEO no consisteix a generar més continguts en menys temps. Consisteix a integrar-la en un procés d’investigació, contrast i documentació en què l’estratègia continua depenent del criteri professional.
Quan es parla d’IA aplicada al SEO, gairebé sempre es comença per la part més visible: generar textos, proposar titulars, resumir competidors o repartir keywords per una pàgina.
És lògic.
Són tasques concretes, ràpides i fàcils d’ensenyar. Enganxes un contingut, escrius una instrucció i, uns segons després, tens una versió nova. La IA no protesta, no demana cafè i gairebé sempre lliura alguna cosa que sembla raonable.
El problema rau precisament en aquest «sembla».
Un text pot estar ben escrit i respondre a la intenció equivocada. Pot incloure les keywords correctes i competir amb una altra pàgina del mateix web. Pot desenvolupar arguments sòlids, però repetir el que ja explica un altre article. També pot millorar cada bloc per separat i empitjorar el conjunt.
Per això, integrar la intel·ligència artificial en un procés SEO no consisteix simplement a demanar-li que redacti millor.
El seu veritable valor apareix abans i després de l’escriptura: quan ajuda a reunir context, connectar dades, ordenar un problema complex, contrastar hipòtesis, detectar incoherències i documentar les decisions preses.
A Èmfasi tenim un costum saludable —o lleugerament temerari—: abans de convertir una idea en una recomanació per als nostres clients, la posem a prova en els nostres propis projectes. Ens agrada experimentar, però també assumir primer el risc, comprovar on falla el mètode i separar el que aporta valor del que només queda bé en una presentació.
Això és el que vam fer recentment a l’hora d’optimitzar el nostre servei de posicionament GEO.
Tot i que el projecte pertanyia al territori GEO, el repte que teníem al davant també era editorial i SEO: decidir quina intenció havia de resoldre la pàgina, com es relacionava amb la resta de continguts i quina funció havia de complir cada bloc.
Hauríem pogut demanar directament a ChatGPT que reescrivís la pàgina. Hauríem obtingut ràpidament una versió aparentment correcta, però hauríem començat pel final.
Abans de tocar el text havíem de resoldre qüestions més importants: quina intenció havia d’atendre la URL, com expressaven els usuaris aquesta necessitat, quin paper ocupava la pàgina dins de l’ecosistema de continguts d’Èmfasi, quina informació ja estava coberta i quina funció havia de complir cada bloc.
La IA va ser present durant tot el procés, però no per substituir aquestes decisions…
La vam utilitzar per ampliar l’anàlisi, ordenar les decisions i revisar millor el resultat.
Perquè treballar amb IA no consisteix només a saber què demanar-li. També consisteix a saber què fer amb el que respon.
Continguts
La IA no va començar escrivint
En el nostre cas —la revisió de la pàgina del servei de posicionament GEO—, el punt de partida ja explicava amb força profunditat el servei i la metodologia. El problema era un altre: partia del nom professional d’una disciplina emergent i donava per fet que l’usuari coneixia aquest llenguatge.
Abans de reescriure-la havíem de comprovar si les empreses buscaven realment aquest terme, si formulaven la necessitat d’una altra manera i quin tipus de pàgina esperaven trobar.
També havíem de protegir l’ecosistema editorial… Recentment ja havíem publicat un article sobre la nova visibilitat digital i el posicionament GEO, centrat en el canvi de buscar a preguntar i en les noves condicions de visibilitat davant dels motors d’IA.
La landing no s’havia de convertir en una segona versió d’aquest contingut ni intentar absorbir totes les preguntes relacionades amb GEO, ChatGPT o la relació entre SEO i intel·ligència artificial.
Per tant, la primera tasca no va ser redactar. Va ser assignar funcions.
La pàgina de servei havia de resoldre una intenció comercial. L’article existent havia de conservar el seu paper informatiu. Altres problemes més específics es podien reservar per a continguts futurs. Només després d’ordenar aquest mapa tenia sentit tocar una frase.
Abans de demanar res a la IA, vam reunir context i dades
La fase 0: preparar la informació abans del prompt
Un bon procés amb IA no comença necessàriament escrivint un prompt. Sovint comença reunint la informació que farà possible formular preguntes útils.
En alguns projectes d’Èmfasi anomenem fase 0 el treball previ de recopilació i validació d’actius. Revisem el web i els continguts existents, documents de marca, catàlegs, serveis, mercats prioritaris, públics, competidors, estudis anteriors, fonts de dades, materials interns, objectius, restriccions… i un llarg etcètera.
No tot aquest material s’aboca sense més ni més dins d’una conversa. Primer cal seleccionar-lo, ordenar-lo i comprovar quina part continua sent vàlida.
El context no és una introducció quilomètrica abans d’una instrucció. És informació estructurada i validada abans de començar.
Aquesta fase és especialment important en empreses amb múltiples productes, mercats o línies de negoci. Quan falten dades, un model generatiu tendeix a completar els buits amb formulacions plausibles.
El problema és que «plausible» i «cert» no són sinònims, encara que de vegades vesteixin igual.
Preparar bé el context redueix aquest risc i millora la qualitat de tot el que ve després. Permet utilitzar la IA per comparar materials, detectar contradiccions o identificar buits sobre una base real.
I, per descomptat, també ajuda l’equip.
Moltes vegades, la fase 0 revela que la informació no estava tan ordenada com ens pensàvem fins i tot abans de començar a treballar amb cap model.
Connectar dades no significa delegar les decisions
Durant la revisió vam utilitzar connectors i integracions amb eines externes, entre les quals Semrush, per incorporar dades reals a l’anàlisi. Això ens va permetre explorar patrons de cerca, dimensionar territoris semàntics i contrastar hipòtesis sense dependre d’estimacions generades per una IA.
L’estudi va mostrar una tensió interessant.
«SEO per a IA» tenia un volum de cerca rellevant i utilitzava un llenguatge comprensible per a qui ja coneix el SEO. «Agència GEO», en canvi, representava millor la intenció comercial que havia de resoldre la pàgina.
La decisió no va consistir a escollir automàticament la keyword amb més volum.
Vam definir «agència GEO» com a territori comercial principal i vam utilitzar «SEO per a IA» com a llenguatge pont per a usuaris que identifiquen la necessitat, però encara no coneixen el concepte GEO. Dues expressions properes podien exercir funcions diferents dins d’una mateixa pàgina.
Aquí és on la dada deixa de ser una xifra i entra en joc l’estratègia.
Connectar una IA amb Semrush no converteix els resultats en una recomanació automàtica. L’eina aporta informació; l’especialista interpreta la intenció, el context, el solapament entre cerques i el paper que ha d’ocupar cada URL.
Un full ple de keywords no és una arquitectura de continguts. De la mateixa manera, un connector no substitueix una hipòtesi: permet contrastar-la millor.
Un problema complex no es resol amb un únic gran prompt
Hauríem pogut demanar en una sola instrucció que la IA investigués la demanda, analitzés competidors, revisés els continguts existents, definís l’estratègia i redactés la landing completa.
Hauria estat ràpid, sí. També hauria resultat difícil saber per què havia pres cada direcció, quins supòsits arrossegava i en quin moment s’havia equivocat.
Vam preferir dividir el problema en decisions més petites.
Primer vam revisar el punt de partida. Després vam investigar com es podia expressar la necessitat. Vam contrastar keywords i patrons de cerca. Vam analitzar la intenció i la competència. Vam revisar l’ecosistema de continguts. Vam definir la funció de cada URL, vam establir criteris d’adaptació i vam fixar límits. Finalment, vam redactar per blocs i vam fer una revisió global de coherència i redundàncies.
No és una checklist universal per replicar en qualsevol projecte. És una manera de reduir la complexitat.
Cada fase produïa una conclusió revisable que alimentava la següent. Si una hipòtesi no se sostenia, podíem corregir-la sense refer tot el procés. I si algú de l’equip qüestionava una decisió, hi havia un raonament al qual tornar.
Dividir el procés ens va permetre revisar cada conclusió abans d’utilitzar-la com a punt de partida per a la següent.
Un model proposa; un altre ajuda a qüestionar-lo
En diversos moments vam contrastar propostes entre ChatGPT i Claude. No per organitzar un combat entre models ni declarar un guanyador, sinó per assignar-los papers diferents.
Un model elaborava o revisava una proposta. El segon rebia el resultat i actuava com a revisor crític. Li demanàvem que busqués redundàncies, contradiccions, afirmacions febles, problemes d’intenció o decisions insuficientment justificades.
Després retornàvem aquesta crítica al primer model perquè replantegés el contingut.
Un model ens pot ajudar a construir una proposta. Un segon model ens pot ajudar a desconfiar-ne.
Aquest desacord és útil perquè trenca la inèrcia d’una conversa. Quan portem diverses iteracions treballant sobre una mateixa solució, tant l’equip com el model poden començar a acceptar decisions anteriors simplement perquè ja hi són. Introduir una altra revisió obliga a tornar a justificar-les.
Però compte amb això; convé no romantitzar el mètode.
Dos models poden coincidir i estar equivocats. També poden discrepar per raons poc rellevants o proposar canvis que empitjorin el conjunt. La revisió creuada amplia l’anàlisi; no emet un veredicte.
La decisió final continuava sent nostra.
Acceptàvem una crítica quan estava ben argumentada i encaixava amb les dades, la intenció i les restriccions del projecte. Si no, la descartàvem.
La utilitat no consistia a obeir el segon model, sinó a obligar-nos a revisar millor el primer.
Documentar no és desar converses
Tot el procés es va recollir en un document de replantejament.
Incloïa troballes, dades, hipòtesis, decisions aprovades, alternatives descartades, la funció de cada contingut, criteris de redacció i límits que la IA havia de respectar.
Això és molt diferent de conservar un historial de xat.
Una conversa pot contenir idees valuoses, però també preguntes provisionals, camins abandonats, respostes contradictòries i molt material que només té sentit en el moment en què es va produir.
Trobar mesos després la decisió important entre desenes de missatges és una forma poc sofisticada d’arqueologia digital.
La documentació converteix l’intercanvi en memòria de projecte.
Permet mantenir la coherència entre iteracions, incorporar altres persones al procés, revisar per què es va triar una opció i traslladar el que s’ha après a noves tasques. També millora l’ús mateix de la IA: en lloc de reconstruir el context des de zero, podem proporcionar un marc depurat amb decisions ja validades.
Una conversa amb IA pot produir moltes idees. Un procés documentat en converteix algunes en criteri reutilitzable.
I aquesta documentació no és un subproducte administratiu. És un dels actius que permeten crear processos més sòlids, delegables i revisables.
L’estratègia també es demostra en el que descartes
Els models generatius tenen una inclinació natural a proposar, ampliar i completar. Si els demanem alternatives, poques vegades responen: «En realitat, aquí no cal crear res».
El criteri professional treballa moltes vegades en la direcció contrària.
En aquest projecte vam decidir no crear una landing diferent per a cada variant de keyword. No vam convertir la pàgina de servei en un article informatiu. No vam modificar el contingut ja publicat sobre visibilitat en IA. Tampoc vam alterar innecessàriament l’estructura comuna de les landings d’Èmfasi ni vam perseguir totes les cerques detectades.
Durant la redacció vam rebutjar versions que sonaven bé, però desplaçaven la intenció de la pàgina, repetien promeses o generaven blocs nous sense una funció clara.
Una proposta no esdevenia adequada pel fet d’estar ben escrita.
Limitar, jerarquitzar, separar i descartar són accions estratègiques.
La capacitat de produir vint enfocaments en segons no elimina la necessitat de triar. Només fa més visible la responsabilitat de fer-ho.
La redacció va arribar al final
Quan la intenció de la pàgina, el seu paper dins de l’ecosistema i els límits del contingut van estar definits, vam començar a redactar.
A la landing vam diferenciar tres blocs consecutius:
- per què una empresa pot necessitar treballar la seva visibilitat en IA;
- quins resultats pot perseguir;
- com funciona la metodologia d’Èmfasi.
La distinció sembla evident sobre el paper. A la pràctica, era fàcil que els tres apartats acabessin dient el mateix amb paraules diferents: «la teva marca no apareix», «et podem ajudar a aparèixer» i «el nostre mètode fa que apareguis».
Cada bloc podia estar correctament escrit per separat i, tot i així, resultar redundant en llegir la pàgina completa.
Per això, la revisió final no es va limitar a corregir l’estil o inserir termes. Vam comprovar quina pregunta responia cada secció, si anticipava continguts que corresponien al bloc següent, si una promesa apareixia massa vegades i si la seqüència construïa un argument comprensible.
Generar un bon paràgraf és relativament fàcil. Aconseguir que tots els blocs d’una pàgina compleixin funcions diferents i construeixin un únic argument és una tasca d’arquitectura editorial.
La IA va ser útil per comparar versions, localitzar repeticions i sotmetre el conjunt a noves revisions. Però necessitava un marc previ per saber què havia de conservar, què podia qüestionar i què no convenia tornar a obrir.
Ser AI First no significa deixar de decidir
Per a nosaltres, ser una agència AI First no consisteix a produir més contingut, utilitzar totes les eines disponibles o automatitzar qualsevol tasca que admeti una instrucció.
Tampoc significa substituir especialistes ni acceptar la primera resposta generada perquè arriba ràpid i està ben redactada.
Significa incorporar-la en aquells punts del procés en què permet investigar millor, contrastar més informació, documentar les decisions i revisar el resultat amb més rigor.
I fer-ho sense confondre capacitat de generació amb capacitat de decisió.
El criteri professional continua definint l’objectiu, interpretant les dades, establint prioritats i assumint la responsabilitat sobre el resultat.
(Aquest article s’ha construït amb la mateixa lògica.
No va començar pel primer paràgraf. Abans vam definir què havia d’aportar, quins continguts existents no podia repetir, quin cas real servia per explicar-ho, quina informació necessitava la IA i quina idea havia de quedar en acabar la lectura.
Després va arribar la redacció.)
No utilitzem la IA per evitar pensar. La utilitzem per pensar amb més informació, més ordre i més capacitat crítica.
Aquesta manera de treballar no es limita al SEO. També apliquem la IA dins de processos com el disseny UX/UI assistit per intel·ligència artificial, en què generar opcions tampoc substitueix la necessitat de comprendre l’usuari i decidir amb criteri.
