El pasado 26 de enero de 2026 Google publicó un paper académico sobre el diseño de un sistema de entrenamiento para agentes de IA, un documento que ha dado mucho de qué hablar en el sector del marketing y el SEO por una de las instrucciones que en él se manifiestan: en la elaboración de la metodología se configura el sistema para que cuando realicen una búsqueda en Google solo obtengan información de los 3 primeros resultados de las SERPs, no de los 10 primeros o de la primera página, sino únicamente del top 3.
De esto muchas personas extraen que poco importa un buen posicionamiento si solo se tienen en cuenta los 3 primeros resultados de búsqueda, ignorando todo lo demás, pero esto no es del todo así. Y es que la mayor interpretación que se ha hecho sobre este documento es enfocada al SEO, como si Google ignorara todas las SERPs y solo se centrara en los 3 primeros puestos, cuando realmente es una metodología orientada a la ingeniería de sistemas.
En otras palabras: SAGE no está pensado para un usuario final, sino que es un marco de entrenamiento para agentes de IA como Gemini, de forma que puedan hacer investigaciones más profundas, en lugar de quedarse con información más superficial.
Es importante estar al día sobre los cambios en los distintos motores generativos y cómo se entrenan los modelos de IA para no quedarse atrás en las menciones de los chats y navegadores con inteligencia artificial, algo con lo que podemos ayudarte desde nuestra agencia GEO.
Qué revela el estudio SAGE de Google
SAGE son las siglas de «Steerable Agentic Data Generation for Deep Search with Execution Feedback», lo que significa la generación de datos agénticos para búsquedas profundas con retroalimentación (feedback) en la ejecución.
El estudio SAGE de Google se centra en la elaboración de un sistema de doble agente, es decir, un primer agente que formule preguntas difíciles y un segundo que intente resolverlas haciendo búsquedas.
¿Por qué un doble agente? Porque los sistemas de búsqueda que utilizan inteligencia artificial son más simples de lo que deberían. Por ejemplo, hay modelos como Natural Questions que utiliza unas 1,3 búsquedas por pregunta de media, otros como HotpotQA que usa 2,1 búsquedas, y otros como Musique que utiliza unas 2,7 búsquedas por pregunta. Ninguno de estos modelos llega a los 4 pasos para su razonamiento.
Esto hace que la respuestas de los agentes de búsqueda de IA no sean suficientes, ya que se distancian un poco de la realidad, en la que según la intención de búsqueda navegaríamos por más resultados, sobre todo en consultas más complejas.
Y es precisamente este tipo de consultas las que quieren mejorarse, ya que requieren de cadenas de razonamiento más largas, múltiples búsquedas y una mayor capacidad de síntesis.
¿Qué hace el sistema doble agente de IA de Google?
La solución que pone Google es que cuando el segundo agente, encargado de hacer la búsqueda, nos dé respuestas muy rápidas a preguntas más difíciles, el primer agente haga un feedback con consultas más complicadas para que el sistema mejore estas respuestas. El primer agente interpreta que la respuesta ha sido muy rápida, y entonces ajusta preguntas más difíciles para mejorar su razonamiento.
Esta es una imagen del estudio SAGE de Google para explicar el proceso de forma visual:
La IA es vaga y sigue 4 atajos
Resumiendo lo que revela el estudio, digamos que los investigadores se dieron cuenta de que la IA tiende a ser vaga, reduciendo si es posible el tiempo y los pasos que tiene que dar para darnos una respuesta.
En lugar de seguir una cadena de razonamiento, en el estudio SAGE se mencionan cuatro situaciones en las que la IA resuelve una consulta en un único paso, sin razonar más de lo necesario:
Information co-location
Un concepto que aparece en el estudio es el de «information co-location» (co-ubicación de información), es decir, que la IA resuelve las consultas más rápido si encuentra toda la información que necesita en una misma fuente, utilizando una especie de atajo para ganar rapidez y completar la tarea en menos pasos. Es la situación más común, que ha detectado que ocurre en un 35 % de los casos.
Por ejemplo, si preguntamos sobre la fecha de nacimiento de un autor, su libro más famoso y los premios que tiene, la IA se decantará antes por una página de Wikipedia en la que está toda esa información, sin necesidad de consultar 3 búsquedas distintas.
En el estudio es una falta de entrenamiento del modelo, pero en SEO nos da una idea de que son mejores los contenidos más amplios para que la IA nos tenga en cuenta.
Overly specific question
La segunda situación más común en el estudio, con un 31 % de los casos en los que se requieren respuestas más complejas. Se da cuando los usuarios hacen una pregunta con detalles específicos, dándole datos a la IA. Lo que hace la IA en este caso es tomar esos datos para encontrar la respuesta de una forma más rápida, de nuevo sin razonar.
Por ejemplo, si en la consulta damos datos de nombres, fechas o lugares, la IA tendrá toda esa información para buscar y darnos su respuesta desde la fuente que tenga toda esa información a la vez.
En SEO esto da buenas opciones al trabajar keywords de long tail, creando contenido sobre aspectos muy específicos o respondiendo dudas concretas, de manera que cuando una IA busque exactamente eso, obtenga el contenido como única fuente.
Multi-query collapse
Esto ocurre en un 21 % de los casos. Cuando se producen varias consultas simples, la IA hace una búsqueda general y obtiene los resultados de la primera página si tienen las respuestas necesarias en los fragmentos destacados. Lo que debería hacer en un paso para cada pregunta, lo resume en una sola consulta obteniendo información de snippets, por ejemplo.
Por eso es tan importante tener bien trabajados los datos estructurados o la inserción de tablas.
Superficial complexity
La complejidad superficial se da en el 13 % de los casos. Se trata de preguntas que aparentemente nos suenan difíciles a los humanos, pero que para un motor de búsqueda son fáciles de resolver. En estos casos los agentes de IA encuentran la respuesta en los buscadores de forma inmediata, dejando a un lado el propio razonamiento.
La IA agéntica obtiene directamente la respuesta de contenidos que responden de forma clara y directa a ciertas preguntas, aunque puedan parecer muy complejas.
Eliminar los atajos de la inteligencia artificial
Derivado de estos 4 atajos que han detectado, realmente el objetivo del estudio es entrenar a la IA para que no escoja la solución más rápida, pues muchos modelos de entrenamiento anteriores respondían a preguntas más complejas con una sola búsqueda, sin desarrollar realmente la capacidad de investigación de la inteligencia artificial.
Lo que hace SAGE es que los nuevos agentes de IA integrados en Google Search o Gemini estén diseñados para rechazar respuestas más superficiales, de forma que busquen más fuentes y datos para dar respuestas con una mayor investigación detrás.
Top 3 de Google y cómo afecta al SEO
El quid de la cuestión y lo más comentado del estudio SAGE de Google es su consideración de que con los 3 primeros resultados de Google el razonamiento sería suficiente para dar una buena respuesta a los usuarios, lo que ha dado que pensar sobre lo que el gigante de Silicon Valley tiene en cuenta de cara al SEO.
El tema es que el documento refleja un experimento con estos agentes de IA cambiando el número de búsquedas que consulta y analizando específicamente las 3 primeras de cada búsqueda.
Esto no quiere decir que sea algo que Google tenga en cuenta como regla necesaria siempre y que nunca se modifique, sino que con este estudio vieron que con los resultados del top 3 solía ser suficiente para resolver tareas más complejas que dieran información fiable.
¿Cómo podemos trasladar esto al SEO? Como estábamos viendo con el auge de navegadores y chats de IA, ya no somos solo los humanos los que valoramos los primeros resultados, sino también estos agentes de inteligencia artificial, que además prefieren fuentes que demuestren tener conocimiento de un tema ampliamente, no solo de una parte.
A nivel de SEO técnico es muy importante tener un código limpio y fácil de entender para la IA, de forma que cuando navegue por nuestra web necesite poco tiempo y pasos para resolver sus tareas.
Si necesitas un consultor SEO que te asesore sobre todos estos aspectos para mejorar la visibilidad de tu web, en Agencia de SEO estamos al día de todos los cambios que ocurren semana a semana (y día tras día), como reflejamos en nuestra sección de estudios SEO. No te quedes atrás y mejora el posicionamiento de tu negocio en Google o en los chats de IA.
Periodista especializada y apasionada por el SEO desde que lo descubrió hace unos años. Amante de la música, del cine (tiene una web propia) y de los libros.