Saltar al contenido

Cómo montar un blog con IA sin que Google te penalice

Lo que hemos aprendido montando este blog con ayuda de IA: qué funciona, qué no, y cómo evitar que Google lo detecte como spam.

Autor
Dani
Publicado
Lectura
8 min · 1535 palabras
iaseocontenidogoogleblog

Este artículo es diferente a los demás del blog. En vez de analizar una herramienta desde fuera, vamos a contar cómo hemos montado este mismo sitio con ayuda de inteligencia artificial, qué ha funcionado, qué hemos tenido que rehacer, y qué criterios seguimos para que Google no lo clasifique como contenido generado en masa.

No es un tutorial de “cómo ganar dinero con un blog de IA en 30 días”. Es un registro honesto de lo que cuesta hacer esto bien, con los errores incluidos.

Qué dice Google sobre el contenido generado con IA

La posición oficial de Google desde febrero de 2023 es clara: no penaliza el contenido por haber sido generado con IA. Lo que penaliza es el contenido de baja calidad creado en masa para manipular el ranking, independientemente de cómo se haya producido.

La actualización de marzo de 2024 (March 2024 Core Update) fue más específica: eliminó del índice sitios que publicaban contenido generado a escala sin supervisión editorial. Google no busca si un texto lo ha escrito un modelo de lenguaje. Busca señales de que nadie con conocimiento real ha revisado lo que se publica.

Esas señales incluyen:

  • Publicar decenas de artículos en pocos días sin historial previo.
  • Artículos que cubren temas muy dispares sin conexión temática.
  • Ausencia de datos propios, experiencia directa o fuentes verificables.
  • Textos que repiten lo que ya dicen los diez primeros resultados sin añadir nada.

La diferencia entre usar IA y depender de IA

Usamos IA como herramienta en el proceso de escritura de este blog. Concretamente:

  • Investigación de estructura: antes de escribir un artículo, pedimos a Claude que analice qué preguntas reales hace la gente sobre el tema y qué estructura tendría sentido para responderlas.
  • Borradores iniciales: algunos artículos parten de un borrador generado que luego reescribimos con datos propios.
  • Revisión técnica: usamos el modelo para verificar afirmaciones técnicas que podrían haberse quedado desactualizadas.
  • Código y componentes: los componentes Astro del sitio (diagramas SVG, calculadoras, tablas comparativas) los ha escrito en gran parte un LLM bajo nuestra dirección.

Lo que no hacemos:

  • Publicar un borrador generado sin reescribirlo.
  • Dejar que el modelo invente datos, precios o fechas.
  • Cubrir temas que no conocemos de primera mano.
  • Publicar en ráfagas de muchos artículos el mismo día.

La diferencia es que el modelo acelera partes del proceso, pero la autoridad del contenido viene de la experiencia real: hemos montado un VPS con n8n, hemos probado las APIs de Claude y ChatGPT en producción, hemos medido el consumo de RAM de cada servicio. Eso no lo genera un modelo.

Cinco reglas que seguimos para no caer en spam de IA

1. Cada artículo lleva datos que no puedes sacar de un prompt

Si un artículo se puede generar entero con “escríbeme un artículo sobre X”, no tiene razón de existir. Nuestro criterio es que cada artículo debe contener al menos un dato que solo puedes obtener haciendo algo: medir un consumo, probar una herramienta, leer un BOE, comparar precios reales con fecha.

El artículo sobre self-hosting en un VPS lleva cifras de consumo de RAM medidas con docker stats en nuestra propia máquina. El de RGPD e IA lleva las fechas exactas del calendario normativo europeo, verificadas contra el Diario Oficial. Esos datos no los genera un modelo: los hemos comprobado nosotros.

2. Cadencia realista, no ráfaga de lanzamiento

El patrón que Google detecta más fácilmente es un dominio nuevo que publica veinte artículos en un fin de semana. Nuestro plan de contenido tiene una cadencia de dos a tres artículos por semana, con fechas de publicación separadas.

No es solo por Google. Es que revisar un artículo bien —comprobar datos, verificar enlaces, probar que los componentes interactivos funcionan— lleva tiempo real. Publicar más rápido de lo que puedes revisar es la definición de contenido de baja calidad.

3. Fuentes verificables con fecha de consulta

Todos nuestros artículos llevan un bloque de fuentes al final con la URL, el título del documento, lo que sostiene cada fuente, y la fecha en que se consultó. No es decoración: es la diferencia entre “las empresas deben cumplir el RGPD” (que puede escribir cualquier modelo) y “según la guía de la AEPD de septiembre de 2026, el plazo para la evaluación de impacto en sistemas de IA de alto riesgo se aplaza a diciembre de 2027” (que requiere haber leído el documento).

Las fuentes también sirven para detectar cuándo un artículo necesita actualización. Si la fuente ha cambiado desde la fecha de consulta, el dato puede estar obsoleto.

4. Enlaces internos con contexto, no con keyword stuffing

Cada enlace interno lleva una explicación de por qué es relevante. No enlazamos “herramientas de IA” a otro artículo porque la keyword coincide. Enlazamos cuando el lector que está aquí probablemente necesite la información de allí.

El componente Relacionados al final de cada artículo incluye un campo porque que explica la conexión. Eso obliga a pensar si el enlace tiene sentido real o es solo una excusa para meter un link.

5. El test del “¿qué añado yo?”

Antes de publicar, leemos los cinco primeros resultados de Google para la misma consulta. Si nuestro artículo no añade nada que no esté ya en esos cinco —un dato propio, un ángulo diferente, una experiencia real, una herramienta probada—, no se publica. Va al borrador hasta que tengamos algo que aportar.

Esto ha significado descartar artículos que estaban escritos. El contenido que repite lo que ya existe no posiciona, no aporta valor y, a largo plazo, diluye la autoridad del dominio.

Lo que nos ha costado (en tiempo y en dinero)

Para que este artículo cumpla su propia regla de llevar datos propios:

ConceptoCoste
Dominio iacriterio.com (1 año)~12 €
Hosting en Cloudflare Pages0 € (plan gratuito)
VPS para herramientas (Hostinger)~6 €/mes
API de Claude (investigación + borradores)~15-25 €/mes
Tiempo de escritura y revisión~4-6 h por artículo
Tiempo de desarrollo del sitio~40 h total

El coste variable real es el tiempo. Un artículo que cumple los cinco criterios anteriores no se escribe en media hora con un prompt. Se escribe en cuatro a seis horas, de las cuales el modelo ahorra quizá una o dos.

Errores que hemos cometido

  • Publicar demasiados artículos el mismo día. Los primeros cinco artículos se publicaron el mismo día. Es exactamente el patrón que dijimos que hay que evitar. Lo corregimos espaciando las fechas de publicación.

  • Títulos genéricos en las primeras versiones. La página principal se llamaba “Herramientas de IA, medidas y fechadas”, que es un buen eslogan pero no lo que la gente busca. Lo cambiamos a “Análisis de herramientas de IA: comparativas, precios y guías”.

  • Confiar en el modelo para datos que cambian. Los precios de las APIs cambian cada pocas semanas. En un artículo temprano pusimos precios que el modelo recordaba de su entrenamiento, no los actuales. Ahora verificamos cada cifra contra la página oficial antes de publicar.

  • No tener sistema de vigilancia de cambios. Montamos un sistema en n8n que vigila las páginas de precios de las herramientas que cubrimos. Cuando detecta un cambio, avisa. Deberíamos haberlo tenido desde el primer artículo.

¿Merece la pena montar un blog con IA en 2026?

Depende de qué entiendas por “merece la pena”. Si esperas publicar cien artículos en un mes y vivir de AdSense, no. Eso ya no funciona y probablemente se penalice.

Si lo que quieres es usar IA como herramienta dentro de un proceso editorial serio, donde tú pones el conocimiento, la experiencia y la revisión, y el modelo te ahorra tiempo en las partes mecánicas, entonces sí. Pero el ahorro no es del 90 % que prometen los tutoriales. Es más bien del 20-30 %, y solo en las fases donde el modelo es realmente bueno: estructura, investigación inicial, revisión de estilo.

El resto —los datos, las pruebas, las fuentes, el criterio editorial— sigue siendo tuyo. Y es precisamente ese resto lo que hace que el contenido funcione.