# Google no lee tu texto — extrae triples > Las máquinas guardan triples (sujeto–predicado–objeto) en el grafo de conocimiento, no párrafos. Si un hecho no se puede parsear en un triple, la IA no lo citará. Cómo escribir para la extracción. _Source: https://seomatrix.ai/ru/blog/triples/ · Updated: 2026-07-01_ --- ## Qué es un triple Una provocación más cercana a la verdad de lo que quisieras: **Google no "lee" tu hermoso texto. Lo parsea en triples** — las unidades mínimas de un hecho, en tres partes: **sujeto → predicado → objeto**. Un párrafo de prosa se convierte en un conjunto de afirmaciones estructuradas: - `Airalo` → `es un` → `proveedor de eSIM` - `Airalo` → `fundada` → `2019` - `Airalo` → `opera en` → `200+ países` Son los triples, no los párrafos, los que llegan al grafo de conocimiento y aparecen después dentro de una respuesta de IA. Tu trabajo de GEO es asegurarte de que los triples correctos se extraigan **de forma limpia y sin ambigüedad**. ## Por qué las máquinas piensan en triples, no en párrafos El **Knowledge Graph** de Google es, en palabras del expediente antimonopolio *US v. Google*, un "**repositorio propio de datos con hechos sobre el mundo** que los usuarios pueden consultar" (¶584, Parakh). Se arma a partir del rastreo web (hechos extraídos de las páginas), bases de datos propias y contenido generado por usuarios — y esos son hechos en forma de triples "entidad–relación–valor". Y luego la parte que importa para GEO: - **AI Overview se apoya en el grafo de conocimiento.** "Las AI Overviews usan un modelo Gemini personalizado en conjunto con nuestros sistemas de Búsqueda — ranking y el **Knowledge Graph**" (¶833, Reid). Así que meter tu hecho en el KG es una oportunidad de entrar en la respuesta generada. - **Desambiguación de entidades.** Antes de responder cualquier cosa, el motor tiene que saber a qué entidad te refieres (Airalo el proveedor, no una palabra cualquiera). Eso se hace a través del grafo. - **Los datos se toman incluso de quienes bloquean a los demás.** Google importa hechos de las páginas al KG incluso cuando `robots.txt` bloquea a otros rastreadores (¶586) — así que la estructura de tus hechos trabaja a tu favor de todos modos. > **La prueba del triple** — Toma cualquier afirmación que hayas escrito e intenta redactarla como `sujeto → predicado → objeto` sin mirar las oraciones vecinas. Si es inequívoca, el hecho es extraíble. Si tuviste que arrastrar contexto de un "como dijimos arriba" o cambiar el sujeto por un pronombre, la máquina lo va a perder. ## "Entidad desprendida": en el texto, pero no en el grafo El peor caso es cuando tu marca está **mencionada en el texto pero no existe como entidad en el grafo**. El modelo ve la palabra pero no la conecta con un nodo que tenga un tipo, propiedades y relaciones. Una "entidad desprendida" así no se puede citar con confianza: el motor no sabe que `Airalo` es una `Organization`, un `proveedor de eSIM`, con un `sameAs` hacia Wikidata. El síntoma: pregúntale a una IA "qué sabes sobre ``" y obtienes "no se encontró información", confusión con un homónimo o generalidades vagas. Eso no es un problema de texto, es un **problema de grafo**: la entidad no está anclada. ## Cómo escribir para la extracción de triples Seis movimientos que convierten la prosa en hechos extraíbles: 1. **Oraciones S–P–O explícitas, sin pronombres.** "Airalo opera en 200+ países", no "cubre muchos". Sujeto, relación y valor en una sola oración. 2. **Schema.org = triples hechos explícitos.** JSON-LD es literalmente una declaración de triples: `Product` → `brand` → `Airalo`, `Organization` → `foundingDate` → `2019`. No hagas que la máquina adivine — decláralo. 3. **`sameAs` → Wikidata / Wikipedia.** Este es el ancla de la entidad: le dice al grafo "este es *ese* Airalo, aquí está su nodo". Sin él, la entidad es fácil de confundir con un homónimo. 4. **`about` / `mentions` con `@id`.** Vincula la página a las entidades del grafo por identificador de máquina, no solo por nombre. 5. **Consistencia de los hechos en todo el sitio.** Si una página dice "fundada 2019" y otra "desde 2018", el grafo recibe triples en conflicto y confía menos en ambos. Un hecho, un valor, en todas partes. 6. **Hechos con fuente.** Un triple atribuido a una fuente con nombre pesa más: la capa de grounding acepta con más facilidad un hecho confirmado. Las tablas "entidad → propiedad → valor" y los bloques de FAQ son los formatos más amigables para los triples: ya están estructurados como S–P–O. ## Cómo comprobarlo en tu propio sitio Lo integramos en la auditoría: - **schema-eligibility** — qué tipos de Schema.org justifica tu página y cuáles faltan (sin `Product`/`Organization` → sin triples explícitos). - **entity-references** — si declaras `about`/`mentions`/`sameAs` con identificadores del KG (si la entidad está anclada). - **trust-audit (entity)** — si la entidad del sitio está establecida a nivel de marca (About, `sameAs`, organización). - **brand-perception** — una sonda de IA de "qué sabes sobre ``": si te conoce, te describe con precisión y evita confundirte con un homónimo — una prueba directa para la "entidad desprendida". > **Compruébalo en 2 minutos** — Pega una URL en el [chequeo gratuito](https://seomatrix.ai/audit) y verás si tus entidades están declaradas de forma legible para las máquinas y qué está impidiendo que tus triples clave se extraigan. ## Qué hacer 1. **Reescribe los hechos clave como S–P–O** — sin pronombres, con el sujeto en cada oración. 2. **Declara las entidades vía Schema.org** (`Organization`/`Product` + `sameAs` a Wikidata) — no dejes al grafo adivinando. 3. **Reconcilia los hechos en todo el sitio** — un valor por hecho, o tendrás triples en conflicto. 4. **Comprueba si la IA te conoce** — si es una "entidad desprendida", ancla primero la entidad y después ve por las citas. Todavía necesitas rankings en Google. Pero tanto ellos como las respuestas de IA se apoyan cada vez más en la misma capa — el grafo de hechos. Y el grafo piensa en triples. ## Fuentes - **US v. Google, materiales del caso (2025)** — el Knowledge Graph como un "repositorio propio de hechos" (¶584, Parakh); AI Overview apoyándose en el KG (¶833, Reid); importación de datos web al KG (¶586). - **[schema.org](https://schema.org)** — Organization, Product, sameAs, about/mentions: declarar triples en JSON-LD. - **[Wikidata](https://www.wikidata.org)** — el grafo abierto de entidades; el ancla `sameAs` para la desambiguación. - **GEO-HowTo 2026** — grounding de las respuestas de IA en el grafo de conocimiento y la extractabilidad de los hechos. ## FAQ ### ¿Qué es un triple semántico, en palabras simples? Es la unidad mínima de un hecho, en tres partes: sujeto → predicado → objeto. Por ejemplo, 'Airalo → es un → proveedor de eSIM' o 'Airalo → fundada → 2019'. Esa es la forma en que un grafo de conocimiento y los modelos de lenguaje guardan hechos sobre el mundo; una máquina primero parsea tu párrafo en triples como estos. ### ¿Por qué importa esto para GEO y para entrar en las respuestas de IA? AI Overview y los modelos de lenguaje se apoyan en el grafo de conocimiento y en los hechos extraídos del texto. Si un hecho no se puede parsear sin ambigüedad en un triple — por pronombres, frases vagas o porque la entidad no existe en el grafo — el modelo o lo extrae mal o lo ignora, y no te citan. ### ¿Cómo se escribe un texto para la extracción de triples? Enuncia los hechos como oraciones S–P–O explícitas y sin pronombres ('Airalo opera en 200+ países', no 'cubre muchos'), declara las entidades vía Schema.org (about/mentions/sameAs con @id), apunta sameAs a Wikidata/Wikipedia, mantén los hechos consistentes en todo el sitio y respáldalos con fuentes.