Wikipedia, LinkedIn, prensa: las fuentes que citan los LLM

Por qué los LLM casi nunca leen tu web directamente

Los LLM no rastrean su web en tiempo real cada vez que un candidato hace una pregunta. Se apoyan en un corpus relativamente fijo, dominado por un puñado de fuentes de terceros en las que el modelo ya confía — Wikipedia, LinkedIn, medios de comunicación — y solo acuden a su sitio si esas fuentes lo mencionan primero.

Esta es la razón por la que una universidad puede tener un Schema.org impecable, páginas de programa actualizadas y aun así ser invisible en ChatGPT o Perplexity. El marcado técnico le dice al motor de IA "esto es una entidad verificable". Pero la decisión de citarla depende de si existe una corroboración externa que un tercero de confianza ya haya validado.

Un estudio de 5W Research de 2026 encontró que Wikipedia y Reddit generan juntos más del 25 % de las citas de ChatGPT en Estados Unidos — mientras que el Wall Street Journal, el New York Times y Bloomberg ni siquiera figuran entre las 20 fuentes más citadas (5W Research, vía PR Newswire). Para una universidad privada española, esto tiene una implicación directa: la reputación online que cuenta no es la que usted construye en su propio dominio, sino la que terceros verificados construyen sobre usted. Search Engine Land define precisamente esta disciplina — posicionar una marca para ser citada dentro de respuestas generadas por IA — como Generative Engine Optimization (Search Engine Land).

Este artículo cubre las tres fuentes externas que más pesan en las citas de LLM sobre instituciones educativas. Si todavía no ha implementado el marcado técnico on-page, esa base sigue siendo un requisito previo — pero no basta por sí sola, como muestra el dato de Skolbot más abajo.

Wikipedia: la página que no se puede comprar

Un análisis de Profound de 2026 sobre patrones de citación muestra que Wikipedia por sí sola representa el 7,8 % de todas las citas de ChatGPT, y casi la mitad (47,9 %) de las citas dentro de las 10 fuentes más citadas del modelo (Profound). Ninguna otra fuente individual se acerca a ese peso. Tener una entrada de Wikipedia sólida y actualizada es, probablemente, la palanca externa de mayor impacto disponible para una universidad.

El problema es que no se puede comprar ni redactar directamente. Las normas de notoriedad de Wikipedia para organizaciones y empresas exigen cobertura significativa en fuentes secundarias fiables e independientes del sujeto — una nota de prensa institucional o contenido patrocinado nunca cuenta como fuente válida (Wikipedia: Notability (organizations and companies)). Una página creada o editada directamente por el propio centro se marca casi de inmediato con una etiqueta de conflicto de interés, y en los casos más visibles se elimina.

Cómo alimentar una entrada sin infringir las normas

El camino correcto empieza fuera de Wikipedia, no dentro. La secuencia lógica es: conseguir cobertura de prensa independiente y verificable (ver la sección siguiente), y solo después usar esa cobertura como fuente secundaria para proponer o actualizar contenido.

Nunca edite directamente la página de su propia universidad. El método recomendado es proponer los cambios a través de la herramienta Articles for Creation o dejar la propuesta detallada en la página de discusión del artículo existente, indicando las fuentes secundarias que la respaldan. Un editor voluntario independiente revisa y aplica el cambio si cumple las normas — un proceso más lento, pero el único que Wikipedia reconoce como legítimo y que un LLM tratará como fiable.

LinkedIn: la identidad que la IA trata como verificada

Un análisis de ALM Corp de 2026 sobre 325.000 prompts encontró que LinkedIn es el segundo dominio más citado en ChatGPT, Gemini, Google AI Overviews, Copilot y Perplexity (ALM Corp). A diferencia de Wikipedia, LinkedIn sí está bajo su control directo — pero el formato del contenido determina si se cita o se ignora.

El mismo análisis muestra que los artículos de LinkedIn (LinkedIn Articles) representan entre el 50 % y el 66 % del contenido de LinkedIn citado, según la plataforma de IA — muy por encima de las publicaciones cortas o de la página de empresa por sí sola. Para una universidad, esto significa priorizar textos largos y firmados —análisis del mercado laboral del sector, balances de inserción profesional, entrevistas con directores de programa— por encima de publicaciones puntuales de eventos.

La página de empresa no basta sola

Una página de empresa completa —descripción institucional, acreditaciones, ubicación, número de empleados, publicaciones regulares— sigue siendo la base de identidad que la IA usa para verificar que la entidad existe y está activa. Pero el mismo análisis de ALM Corp confirma que el contenido de página de empresa pesa mucho menos que los artículos firmados en la proporción de citas por plataforma.

Los perfiles personales de directivos y profesores captan cerca del 65 % del alcance orgánico en LinkedIn, frente a apenas un 5 % de las páginas de empresa. Activar dos o tres perfiles de dirección o de responsables de programa — publicando con regularidad y firmando artículos largos — genera más señal citable que multiplicar publicaciones desde la cuenta institucional.

Prensa y medios: qué cobertura cuenta (y cuál no)

Una nota de prensa por sí sola casi nunca se cita directamente por un LLM. Lo que sí se cita es el artículo editorial independiente que esa nota puede desencadenar en un medio con reputación propia — la diferencia está en quién firma el juicio final sobre la información.

Un comunicado de prensa institucional es una fuente de primera mano: el propio sujeto habla de sí mismo, sin filtro editorial externo. Un LLM lo trata con la misma cautela que un contenido patrocinado. En cambio, un artículo de El Mundo sobre el ranking de universidades, o una pieza de El País sobre tendencias de empleabilidad que menciona su institución con datos verificados por el periodista, sí entra en la categoría de fuente secundaria independiente — la misma categoría que exige Wikipedia para sus propias entradas.

Esta distinción entre fuente propia y fuente externa recorre las quince señales que un LLM evalúa antes de recomendar una institución, descritas con detalle en el artículo sobre las señales que evalúan los LLM para recomendar una universidad. La reputación off-page no se agota en Wikipedia, LinkedIn y prensa: las reseñas en Google y en foros como Reddit forman otra capa de confianza, tratada en el plan de reputación de 90 días para escuelas de educación superior.

El comunicado como catalizador, no como destino final

La estrategia eficaz no es sustituir la nota de prensa, sino usarla como material de partida para el trabajo de relaciones con medios. Enviar el comunicado con datos concretos y contactos de expertos a periodistas especializados en educación aumenta la probabilidad de que un medio lo convierta en cobertura editorial genuina. Esa cobertura editorial es la que después puede citarse en Wikipedia y la que un LLM reconocerá como fuente fiable.

Construir tu pila de fuentes

Una pila de fuentes (source stack) es la combinación de señales on-page y off-page que, juntas, hacen que un LLM confíe lo suficiente en su institución como para citarla. El método se organiza en tres pasos secuenciados, no simultáneos.

1. Base técnica primero. Sin Schema.org EducationalOrganization y Course en JSON-LD, ni Wikipedia ni LinkedIn tienen una entidad clara a la que asociar las menciones externas. Este paso se trata en detalle en el artículo sobre el balisado Schema.org de páginas de programa de la serie GEO de Skolbot.
2. Relaciones con medios como motor. Genere cobertura editorial independiente y verificable — rankings, entrevistas, datos de empleabilidad contrastados por un periodista — antes de intentar tocar Wikipedia. Sin esta cobertura, cualquier propuesta de edición en Wikipedia carecerá de fuentes secundarias válidas.
3. Wikipedia y LinkedIn como consolidación. Use la cobertura de prensa conseguida en el paso 2 como fuente para proponer o actualizar la entrada de Wikipedia vía Articles for Creation, y publique artículos de LinkedIn firmados que resuman o amplíen esa misma cobertura, activando los perfiles personales de la dirección.

Este orden importa porque cada paso depende de las señales de fiabilidad producidas por el anterior. Para el detalle operativo semana a semana de esta secuencia, consulte el plan de acción de 90 días para ser citado en ChatGPT y Perplexity. Para entender los fundamentos completos del GEO en educación superior, la guía GEO para universidades es el punto de partida.

Las escuelas con marcado Schema.org estructurado logran una media de +12 puntos porcentuales de visibilidad en IA (Fuente: Monitoreo GEO Skolbot, 500 consultas × 6 países × 3 motores IA, feb. 2026). En España, la tasa de mención de una institución concreta es del 11 % en ChatGPT y del 19 % en Perplexity — esta última cifra iguala la media europea. El marcado técnico explica gran parte de esa mejora, pero el salto de "estar indexado" a "ser citado con confianza" depende de las fuentes externas descritas en este artículo.

Comparativa: Wikipedia, LinkedIn y prensa

Perplexity cita una media de 21,9 fuentes por respuesta, frente a 10,4 de ChatGPT, y prefiere LinkedIn, NIH y G2 — plataformas comunitarias y profesionales — mientras que ChatGPT concentra su confianza de forma más marcada en Wikipedia (Profound). Esto explica por qué una misma pila de fuentes puede rendir de forma distinta según el motor consultado, un matiz que conviene monitorizar con regularidad — véase el artículo sobre KPI de visibilidad en ChatGPT y Perplexity.

FAQ

¿Puede mi universidad crear directamente su propia página de Wikipedia?

No es recomendable, y el riesgo de rechazo es alto. Las normas de Wikipedia para organizaciones exigen fuentes secundarias independientes, y una edición hecha por alguien vinculado a la institución se detecta con frecuencia como conflicto de interés y puede acabar en eliminación de la página. El camino correcto es reunir cobertura de prensa independiente primero y proponer la entrada vía Articles for Creation o la página de discusión, dejando que un editor voluntario aplique el cambio.

¿De qué sirve tener LinkedIn si ya tengo Schema.org implementado?

Sirve porque resuelven problemas distintos: Schema.org identifica su institución como entidad verificable dentro de su propio sitio, mientras que LinkedIn aporta la corroboración externa que un LLM necesita para confiar en esa entidad. El dato de Skolbot lo confirma — el marcado estructurado aporta de media +12 puntos de visibilidad, pero no sustituye a las señales externas de terceros como LinkedIn o la prensa.

¿Un comunicado de prensa bien redactado puede ser citado directamente por ChatGPT?

Casi nunca de forma directa. Un comunicado es una fuente de primera mano —el propio sujeto hablando de sí mismo— y los LLM la tratan con la misma cautela que el contenido patrocinado. Su valor real está en desencadenar un artículo editorial independiente en un medio como El Mundo o El País, y es ese artículo el que entra en el corpus que los modelos consideran fiable.

¿Cuánto tiempo se tarda en ver el efecto de esta estrategia en las citas de IA?

Varía según la fuente y el motor. LinkedIn puede mostrar efecto en pocas semanas si se publican artículos firmados con regularidad, porque Perplexity actualiza su indexación casi en tiempo real. Wikipedia tarda más — el proceso de revisión editorial puede llevar semanas o meses — pero el efecto en ChatGPT, que pondera Wikipedia con especial fuerza, suele ser más duradero una vez conseguido.

¿Debo priorizar Wikipedia, LinkedIn o prensa si solo tengo recursos para una acción este trimestre?

Empiece por prensa, porque alimenta a las otras dos. Sin cobertura editorial independiente no hay fuentes secundarias válidas para proponer una entrada de Wikipedia, y los artículos de LinkedIn ganan credibilidad cuando pueden enlazar o resumir cobertura externa ya publicada. El orden secuenciado descrito en este artículo — prensa, después Wikipedia y LinkedIn — maximiza el retorno de cada paso.