¿Qué es el LLMO (Large Language Model Optimization)?

El LLMO, la optimización para un LLM (modelo de lenguaje grande), suena a una disciplina nueva, pero describe casi el mismo trabajo que el GEO (Generative Engine Optimization). La pregunta útil, entonces, no es qué es el LLMO en abstracto, sino qué añade al GEO. La respuesta corta es una: un asistente puede hablar de tus productos sin haber visitado tu web ese día, con lo que aprendió al entrenarse, y esa parte es la que el nombre LLMO pone en primer plano.

Cómo llega una marca a una respuesta

Un modelo de lenguaje puede responder por dos vías, y a menudo usa las dos a la vez.

Lo que aprendió al entrenarse. Para reunir datos de entrenamiento, las empresas que hacen los modelos rastrean la web. OpenAI, por ejemplo, lo hace con GPTBot: rastrea contenido que puede usarse para entrenar sus modelos fundacionales, y bloquearlo en robots.txt indica que el contenido de tu sitio no debe usarse para ese entrenamiento.⁠^{[1]OpenAI. Overview of OpenAI Crawlers} En Google, el control equivalente es Google-Extended, que sirve para limitar el entrenamiento y el grounding en algunos de sus otros sistemas.⁠^{[2]Google Search Central. AI features and your website}

Lo que busca en el momento. ChatGPT puede buscar en la web de forma automática cuando la pregunta se beneficia de información actual, y entonces la respuesta puede llevar citas a sus fuentes. Para buscar, reescribe tu pregunta en una o varias consultas más concretas que envía a sus proveedores de búsqueda.⁠^{[3]OpenAI, centro de ayuda. Searching the web with ChatGPT} Las webs que muestra las rastrea otro agente, OAI-SearchBot: si lo bloqueas, tu sitio no aparece en las respuestas de búsqueda de ChatGPT, aunque todavía puede salir como enlace de navegación.⁠^{[1]OpenAI. Overview of OpenAI Crawlers}

Las dos vías se mezclan en las compras. Para decidir qué productos enseña, ChatGPT tiene en cuenta los metadatos estructurados de proveedores propios y de terceros, como el precio o la descripción, y también las respuestas que el propio modelo genera antes de mirar resultados de búsqueda nuevos.⁠^{[4]OpenAI, centro de ayuda. Shopping with ChatGPT Search} Dicho de otro modo: lo que el modelo ya «cree» de un producto entra en la respuesta antes de que busque nada.

Qué añade el LLMO al GEO

El GEO tiene un origen preciso: un artículo de investigación publicado en arXiv el 16 de noviembre de 2023 y aceptado en KDD 2024, que define los motores generativos como sistemas que responden sintetizando información de varias fuentes y resumiéndola con un LLM.⁠^{[5]arXiv (Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan y Deshpande; KDD 2024). GEO: Generative Engine Optimization} Es decir, el GEO nace pensando en la segunda vía, la de las fuentes que el motor recupera y cita.

El LLMO no tiene un documento equivalente. La guía de Google para optimizar en la búsqueda generativa nombra el AEO (Answer Engine Optimization) y el GEO como términos que se usan para el trabajo de mejorar la visibilidad en la búsqueda con IA, y responde que, para la Búsqueda de Google, eso sigue siendo SEO; el LLMO no aparece.⁠^{[6]Google Search Central. Optimizing your website for generative AI features on Google Search} Lo que el LLMO tiene propio es la primera vía, el entrenamiento, y ahí una tienda controla poco y tarde: puede decidir si deja rastrear a los agentes de entrenamiento, pero ninguna de las páginas de OpenAI citadas aquí dice cada cuánto se entrenan sus modelos ni cómo entra en ellos una página concreta.⁠^{[1]OpenAI. Overview of OpenAI Crawlers}

En una tienda

El ajuste más concreto que separa el LLMO del GEO está en el robots.txt. OpenAI pone este caso como ejemplo: permitir OAI-SearchBot para aparecer en la búsqueda de ChatGPT y bloquear GPTBot para que lo rastreado no se use en el entrenamiento, porque cada ajuste es independiente del otro.⁠^{[1]OpenAI. Overview of OpenAI Crawlers} En una tienda ejemplo ficticio, quedaría así:

User-agent: OAI-SearchBot
Allow: /

User-agent: GPTBot
Disallow: /

Con este archivo, la tienda puede salir citada cuando ChatGPT busca, pero pide que su contenido no entre en el entrenamiento. Es una decisión de LLMO en estado puro: no cambia nada de lo que ChatGPT encuentra hoy al buscar, y decide si tus fichas pueden formar parte de lo que sus modelos sepan mañana. Para una pregunta de compra pesa más el primer bloque: ChatGPT busca en la web cuando la pregunta se beneficia de información actual, y el precio y las existencias de hoy solo llegan por esa vía.⁠^{[3]OpenAI, centro de ayuda. Searching the web with ChatGPT}

Cómo comprobarlo

1. Abre tu robots.txt y mira qué haces con GPTBot y con OAI-SearchBot por separado. Un cambio puede tardar unas 24 horas en notarse en la búsqueda de ChatGPT.⁠^{[1]OpenAI. Overview of OpenAI Crawlers}
2. Pregunta a ChatGPT por tu producto en un chat nuevo y mira si la respuesta trae citas o fuentes. Las respuestas que usan la búsqueda pueden incluir citas; una respuesta sin ninguna probablemente salió de lo que el modelo ya sabía.⁠^{[3]OpenAI, centro de ayuda. Searching the web with ChatGPT}
3. Repite la pregunta eligiendo la herramienta de búsqueda y compara las dos respuestas con tu ficha de producto.⁠^{[3]OpenAI, centro de ayuda. Searching the web with ChatGPT}
4. Revisa que tus datos estructurados de producto estén completos: precio y descripción son parte de lo que ChatGPT tiene en cuenta para elegir productos.⁠^{[4]OpenAI, centro de ayuda. Shopping with ChatGPT Search}
5. Ante una propuesta de LLMO, pregunta qué vía trabaja y cómo la va a medir. Google avisa de que ninguna herramienta de terceros tiene acceso a sus sistemas internos de clasificación ni de IA.⁠^{[6]Google Search Central. Optimizing your website for generative AI features on Google Search}

Concepto cercano: GEO

El GEO tiene un artículo de origen y Google lo nombra en su guía;⁠^{[6]Google Search Central. Optimizing your website for generative AI features on Google Search} el LLMO es su variante centrada en el modelo. En la práctica comparten casi todo: que tu página se pueda rastrear, indexar y citar, y que diga algo propio. El GEO se mide en citas dentro de respuestas compuestas con fuentes recuperadas;⁠^{[5]arXiv (Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan y Deshpande; KDD 2024). GEO: Generative Engine Optimization} el LLMO añade la pregunta de qué sabe el modelo de ti sin buscar, y esa no la responde ningún informe de las plataformas citadas aquí: se responde preguntando, como en el paso 2. Si una propuesta usa los dos nombres, lo que importa es si incluye esa segunda pregunta y cómo piensa responderla.

Para seguir, la comparativa GEO, AEO y SEO: qué cambia para una tienda online pone los nombres uno al lado del otro, y la ruta de lectura de búsqueda con IA ordena el resto de términos.