SEO para clínicas con Inteligencia Artificial: cómo orquestar varios modelos para un trabajo de excelencia.
Llevo más de veinticinco años trabajando con clínicas privadas: dermatología, estética médica, oftalmología, despachos sanitarios. Es uno de los sectores más difíciles que existen para posicionar, y no por la competencia. Es difícil porque es YMYL —Your Money or Your Life—. Google sabe que una página sobre un tratamiento médico mal informada puede hacer daño real a una persona, así que el listón de calidad, autoridad y precisión que exige es altísimo. Inventarse un dato en SEO médico no es un error de marketing: es un problema de credibilidad que se paga caro y durante mucho tiempo.
Por eso, cuando la Inteligencia Artificial empezó a colarse en el flujo de trabajo del SEO, mi primera reacción no fue entusiasmo. Fue desconfianza. Un modelo de lenguaje que se inventa una cifra de impresiones, una posición media o un tratamiento que no existe es exactamente lo que no puedo permitirme delante de un cliente sanitario.
Lo que he aprendido en estos meses es que el problema no era la IA. Era usarla mal: pedirle todo a un único modelo, como si fuera un becario omnisciente. La solución que he desarrollado va por otro camino, y es de lo que trata este artículo. No se trata de «usar IA para SEO» —eso lo dice ya todo el mundo y casi siempre significa pedirle a ChatGPT que escriba un texto—. Se trata de orquestar varios modelos de IA repartiéndoles el trabajo según para lo que sirve cada uno, con una pieza humana de criterio en el centro y una arquitectura pensada para que la máquina no pueda inventarse nada.
Índice de contenidos
La idea central: cada IA hace lo que sabe hacer
La tentación con la IA es pedirle todo al mismo sitio. Le pides a un modelo que investigue el mercado, que analice tus datos de Search Console, que decida la estrategia y que escriba los artículos. Funciona regular, porque le estás pidiendo a un único cuchillo que sea también destornillador, sierra y martillo.
Mi enfoque parte de una observación simple: los modelos de IA no son intercambiables. Cada uno tiene una arquitectura, unos puntos fuertes y, lo más importante, una manera distinta de relacionarse con la verdad. Hay modelos diseñados para razonar sobre datos abiertos de internet, y modelos diseñados para no salir nunca de las fuentes que tú les das. Esa diferencia, que parece técnica y menor, es la que lo cambia todo en un sector donde no te puedes permitir un dato falso.
Así que el método reparte el trabajo entre cuatro roles. Uso nombres de herramientas concretas porque es lo que utilicé, pero lo importante son los roles: si mañana sale un modelo mejor para cada función, se sustituye la pieza y el método sigue en pie.
El arquitecto: Claude
Aquí no hay análisis ni datos todavía. Hay diseño. Esta es la fase en la que se decide qué se va a hacer y cómo, y en la que se redactan las instrucciones precisas —los prompts— que recibirán las demás herramientas. Un buen prompt para un sector médico no es una frase suelta: es un documento que define el rol del analista, las fuentes que puede usar, las que tiene prohibido inventar, el formato exacto de salida y los criterios de priorización. Esa ingeniería de instrucciones es trabajo de criterio, y es donde sigue siendo insustituible la cabeza del SEO.
El resultado de esta fase no es un texto bonito. Es un documento de instrucciones, en formato Markdown, listo para ser ejecutado por otra máquina. Es el plano del edificio.
El capataz: Claude Cowork
Aquí está lo que diferencia este método de «abrir cuatro pestañas e ir copiando y pegando». Claude Cowork es el agente que ejecuta el plano. Recibe el documento de instrucciones y se encarga de pilotar el resto del flujo: lanza las peticiones de investigación, recoge los resultados, los pasa a la herramienta de análisis y, al final del proceso, procesa el informe analítico y genera el plan de contenidos definitivo.
El humano deja de ser el operario que copia datos entre ventanas —tarea mecánica, lenta y propensa a errores— y pasa a ser lo que de verdad aporta valor: el director que decide, revisa y aprueba. Yo trabajo como director de orquesta, no como instrumentista. Cowork es quien sostiene los instrumentos mientras yo marco el compás.
El investigador de campo: Gemini Deep Research
Cuando hace falta entender el mercado abierto —qué tratamientos busca la gente, con qué palabras, qué terminología usa el sector, qué está haciendo la competencia, qué dudas tienen los pacientes— el trabajo es de exploración. Hay que salir a internet, leer mucho y sintetizar. Para eso, un modelo de investigación profunda con acceso a la web es la herramienta adecuada. Su tarea es traer el contexto del mundo real: el territorio donde la clínica compite.
El analista de datos cerrados: NotebookLM
Y aquí está la pieza clave, la que hace que todo este método tenga sentido en un sector médico. NotebookLM solo lee las fuentes que tú le cargas. No sale a internet, no rellena huecos con su imaginación, no «recuerda» datos de su entrenamiento. Si le das tus exportaciones de Google Search Console y un documento de prioridades, responde única y exclusivamente a partir de esos archivos, y cita de qué fuente sale cada afirmación.
Para entender por qué esto es tan importante, hay que pensar en lo que se le pide: «dime qué keywords del tratamiento X están entre la posición 5 y la 20, con cuántas impresiones y en qué URL». Si ese análisis se lo encargas a un modelo generalista, corres el riesgo de que te devuelva una cifra plausible pero falsa. Con NotebookLM, eso no puede pasar por diseño: si el dato no está en el CSV que le cargaste, te dice que no hay datos, no se lo inventa.
En SEO médico, esa garantía —que ningún número del análisis sea inventado— no es un lujo. Es la condición para poder firmar el trabajo con tu nombre. Es la diferencia entre una herramienta que te ayuda y una que te puede hundir la reputación.
El flujo, paso a paso
Esto es lo que hice, aplicado a una clínica de estética médica con un catálogo amplio de tratamientos. El proceso se dividió en dos fases.
Fase 1 — Diagnóstico: ¿dónde estamos?
- Diseño (Claude). Le pedí a Claude que generara un documento de instrucciones con los prompts exactos para la investigación de mercado y para el análisis de datos. Salió un .md con todo definido: roles, fuentes permitidas, formato de las tablas de salida, criterios de priorización.
- Orquestación (Cowork). Cargué ese documento en Claude Cowork. A partir de ahí, Cowork pilotó el flujo: lanzó la investigación de mercado con Gemini, recogió los resultados y los preparó para el análisis.
- Análisis (NotebookLM). NotebookLM recibió las fuentes y produjo el primer informe de situación: qué tratamientos prioritarios tenían keywords en zona de mejora (posición 5-20), cuáles eran las URLs de referencia que concentraban el tráfico de cada tratamiento, y —dato muy útil— qué tratamientos tenían una URL de referencia cuyo slug no contenía el nombre comercial del tratamiento. Detectar eso a mano lleva horas; aquí salió como subproducto del análisis.
El entregable de esta fase es un retrato fiel de la situación real de la clínica en Google. Sin opiniones, sin humo: posiciones, impresiones, URLs y huecos, todo trazable a una fuente.
Fase 2 — Plan de ejecución: ¿qué hacemos y en qué orden?
- Nuevo prompt (Claude). Le pedí a Claude un prompt de análisis para la fase de planificación.
- Plan analítico (NotebookLM). NotebookLM recibió tres entradas: ese prompt, las exportaciones completas de Search Console de los últimos doce meses, y el informe de diagnóstico de la Fase 1. Con esas tres fuentes elaboró el plan: qué keywords atacar y en qué orden de prioridad, qué mejoras técnicas hacían falta, qué nuevas landings había que crear y qué artículos de contenido (on-page) escribir.
- Plan de contenidos definitivo (Cowork). Claude Cowork procesó ese informe analítico y generó el entregable final: un checklist accionable con las tareas concretas, incluidos los prompts listos para alimentar un plugin de IA generador de contenidos, más las indicaciones para la parte de enlazado (off-page).
El círculo lo abre y lo cierra Claude: diseña el método al principio y entrega el plan ejecutable al final. En medio, cada herramienta hizo su parte.
El elemento de pago (y la versión gratuita)
Conviene ser honesto con esto, porque es donde muchos artículos sobre «IA para SEO» hacen trampa.
En este flujo, la única herramienta de pago es Claude, en su plan de suscripción, que es lo que da acceso a Cowork como orquestador. Gemini y NotebookLM se usaron en sus versiones gratuitas.
Ahora bien, existe una versión 100% gratuita del mismo método. La diferencia está en quién hace de capataz. Si quitas a Cowork de la ecuación, el orquestador eres tú: abres las herramientas, lanzas tú los prompts, copias los resultados de una a otra y vas encadenando las fases a mano. El método es idéntico, los roles de cada IA son los mismos y el resultado es equivalente. Lo único que cambia es que inviertes tu tiempo en hacer de operario en lugar de delegarlo.
Esa es la decisión real: no es «gratis o de pago», es «tu tiempo o tu dinero». Para un trabajo puntual, la versión manual gratuita es perfectamente viable. Para alguien que hace esto de forma recurrente con varias clínicas, automatizar la orquestación deja de ser un capricho y pasa a ser rentabilidad pura.
Por qué este método importa más en clínicas que en cualquier otro sector
Todo lo anterior se podría aplicar a una tienda de zapatos. Pero hay tres razones por las que en el sector sanitario este enfoque deja de ser «una forma elegante de trabajar» y se convierte casi en una obligación profesional.
Primero, el rigor con los datos. Ya lo he dicho, pero insisto porque es el corazón del asunto: en YMYL no puedes permitirte un dato inventado. La arquitectura que separa el análisis (NotebookLM, que solo lee tus fuentes) de la investigación (Gemini, que explora el mundo) es precisamente lo que blinda el trabajo contra las invenciones de la IA.
Segundo, la terminología doble. En las clínicas casi siempre conviven dos vocabularios: el técnico-médico («neuromoduladores», «criolipólisis») y el comercial, que es como busca el paciente («bótox», «eliminar grasa»). Una de las cosas más valiosas que detecta este análisis es cuándo una clínica tiene su mejor contenido escondido detrás del nombre técnico, perdiéndose todo el tráfico de quien busca por el nombre comercial. Es un error clásico y carísimo, y aparece solo cuando cruzas los datos reales de búsqueda con el catálogo de tratamientos.
Tercero, la escala. Una clínica con veinte o treinta tratamientos es un problema combinatorio. Cada tratamiento tiene su keyword de marca, sus variaciones, sus búsquedas de problema asociado («flacidez de cuello», «arrugas del entrecejo»), su URL de referencia y sus huecos de contenido. Hacer ese cruce a mano para treinta tratamientos es inviable. Repartido entre las IA adecuadas, se vuelve un proceso ordenado y auditable.
Lo que no hace la IA en este método
Para cerrar, y porque la honestidad es lo que genera confianza de verdad: hay cosas que en este flujo no las hace ninguna máquina.
La IA no decide la estrategia comercial de la clínica. No sabe que el bótox es el tratamiento de caja recurrente y el trasplante capilar el de ticket alto; eso lo aporta el conocimiento del negocio. La IA no sustituye el criterio para distinguir una oportunidad real de un espejismo estadístico. Y, sobre todo, la IA no firma el trabajo. Lo firmo yo, con mi nombre y mi responsabilidad, y por eso necesito un método en el que cada cifra sea trazable y cada decisión, mía.
La Inteligencia Artificial bien orquestada no me sustituye. Me quita de encima las horas mecánicas —el copiar y pegar, el cruzar tablas, el cazar la keyword escondida— y me deja el tiempo para lo único que un cliente paga de verdad: el criterio. Que es, al final, lo que llevo veinticinco años afinando.
Si trabajas en una clínica y este enfoque te ha resultado útil, el método está aquí descrito para que cualquiera con tiempo y ganas pueda replicarlo. Esa es la idea.
