Una empresa de servicios profesionales en Guadalajara tiene una página de servicios con doce preguntas frecuentes bien redactadas. Ninguna aparece en Google AI Overviews. Ninguna es citada por Perplexity cuando alguien pregunta por ese servicio. El problema no es el contenido — es que el contenido no está marcado.

FAQPage schema es el puente entre lo que escribiste y lo que los motores de IA pueden extraer con confianza. Sin él, tus respuestas son texto plano compitiendo contra páginas que sí tienen estructura semántica declarada.

Qué hace exactamente el marcado FAQPage

Cuando agregas FAQPage schema a una página, insertas un bloque JSON-LD en el <head> o al final del <body> que declara formalmente: “aquí hay una lista de preguntas, cada una tiene una respuesta definida, y esta es la estructura”. No es un truco — es una convención que Google, Bing y los crawlers de modelos de lenguaje entienden como señal de autoridad semántica.

El efecto más visible en búsqueda tradicional es el rich result: Google puede mostrar las preguntas desplegables directamente en el SERP, debajo de tu resultado orgánico. Eso amplía el espacio que ocupa tu resultado sin subir de posición. En promedio, los sitios que implementan FAQPage schema correctamente ven un incremento de 20–30% en el CTR de esas páginas, según datos de Search Engine Land basados en múltiples casos documentados.

El efecto menos visible, pero más importante para 2025–2026, es la citabilidad en IA generativa. Los modelos que alimentan ChatGPT con búsqueda, Perplexity y Google AI Overviews prefieren fragmentos autocontenidos. Una respuesta de FAQ bien marcada cumple exactamente ese criterio: tiene pregunta, tiene respuesta, tiene contexto suficiente. Un párrafo en el cuerpo de un artículo, no.

Por qué el B2B ignora esto (y a qué costo)

La mayoría de las páginas de servicios B2B en LatAm tienen una sección de preguntas frecuentes. Casi ninguna está marcada con schema. El patrón es siempre el mismo: el diseñador construyó el acordeón de FAQ con HTML y CSS, nadie le dijo al desarrollador que agregara JSON-LD, y el CMS no lo hace automáticamente.

Lo vemos seguido en Eurema cuando hacemos auditorías de AI SEO para empresas de manufactura o servicios profesionales: la sección de FAQ existe, está bien redactada, y es completamente invisible para los motores de IA. El contenido hizo el trabajo duro; el marcado no.

El costo concreto: si un comprador B2B le pregunta a Perplexity “¿cuánto tiempo tarda implementar un ERP en una manufactura mediana?” y tu página tiene esa respuesta pero sin schema, la probabilidad de que seas citado cae drásticamente frente a un competidor con marcado correcto. No es que tu respuesta sea peor — es que la del competidor es más fácil de extraer con confianza.

Cómo implementar FAQPage schema correctamente

La implementación estándar usa JSON-LD dentro de una etiqueta <script type="application/ld+json">. Un ejemplo mínimo funcional:

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "¿Cuánto tarda implementar un agente de IA en una operación de manufactura?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Depende de la complejidad del proceso. Un agente para clasificación de órdenes de compra puede estar operando en 4–6 semanas. Un agente que integra ERP, WMS y aprobaciones de calidad puede tomar 3–4 meses. El factor crítico es la calidad de los datos de entrada, no la IA en sí."
      }
    }
  ]
}

Tres reglas operativas que marcan la diferencia:

  1. Cada respuesta debe ser autocontenida. Si la respuesta dice “como mencionamos arriba”, falla. El modelo de IA extrae el item individual, sin contexto de página.
  2. El texto del campo text debe coincidir con lo visible en la página. Google penaliza el schema que describe contenido diferente al que el usuario ve. No es un campo oculto para meter keywords.
  3. Una FAQ por página, no por sección. Si tienes dos secciones de preguntas en la misma URL, agrupa todo en un solo bloque FAQPage. Múltiples instancias del mismo tipo en una página generan errores en el Rich Results Test.

Para validar, usa el Rich Results Test de Google. Si el marcado es correcto, verás una previsualización exacta del rich result antes de que aparezca en producción.

Qué preguntas vale la pena marcar (y cuáles no)

No todas las preguntas tienen el mismo valor semántico para IA. El criterio que usamos en Eurema para decidir qué incluir en el schema es: ¿alguien buscaría esta pregunta exacta, o algo muy cercano, en Google o en un chat de IA? Si la respuesta es sí, marca. Si es una pregunta interna de proceso (“¿cómo hago para agendar?”), probablemente no vale el espacio.

Las preguntas con mayor probabilidad de generar citaciones en IA generativa comparten tres características: son comparativas (“¿cuál es la diferencia entre X e Y?”), son de estimación (“¿cuánto cuesta / cuánto tarda?”), o son de criterio (“¿cuándo conviene / cuándo no conviene?”). Estas son las que los compradores B2B le hacen a Perplexity antes de contactar a un proveedor.

Evita marcar preguntas demasiado genéricas (“¿qué es la inteligencia artificial?”) a menos que tu página sea efectivamente la mejor respuesta a esa query en tu nicho. La especificidad gana: “¿qué tipo de datos necesita una manufactura para implementar predicción de demanda?” es más citable que “¿qué es la predicción de demanda?”.

Integración con tu estrategia de AI SEO

FAQPage schema no opera en aislamiento. Funciona mejor cuando la página que lo contiene ya tiene autoridad temática: título claro, descripción con datos concretos, contenido estructurado con H2 y H3 coherentes. El schema amplifica una página bien construida; no rescata una página débil.

Si tu sitio está construido sobre un CMS como WordPress, plugins como Rank Math o Yoast SEO Premium generan el JSON-LD automáticamente desde la interfaz, sin tocar código. Si tienes un sitio estático o un desarrollo a la medida, el JSON-LD se inserta manualmente o vía componente reutilizable. En los proyectos de Websites + AI SEO que desarrollamos en Eurema, el schema de FAQ se genera desde el frontmatter del artículo — el mismo bloque faq que define el contenido visible también produce el JSON-LD en el <head>, sin duplicación manual.

La combinación que da mejores resultados en AI SEO es: FAQPage schema + respuestas con datos concretos (números, plazos, criterios) + al menos una mención de la entidad marca en el texto de la respuesta. Esa combinación hace que la respuesta sea extractable, confiable y atribuible — los tres criterios que los modelos de IA usan para decidir si citar.

Si ya tienes una sección de preguntas frecuentes en tus páginas de servicios, el paso inmediato es claro: abre el Rich Results Test, pega la URL, y verifica si el schema existe. Si no aparece nada en la sección “FAQPage”, el contenido que escribiste está trabajando a la mitad de su capacidad.

Para empresas que quieren que su sitio esté optimizado para ser citado por herramientas de IA generativa, el punto de partida es siempre una auditoría de structured data. Puedes revisar qué cubre ese proceso en nuestra página de Websites + AI SEO.

#ai-seo#schema#faq#structured-data#aiseo