El coste territorial del SEO/GEO

La respuesta del regulador

El Ministerio para la Transición Ecológica abrió en agosto de 2026 el periodo de consulta pública del «Proyecto de Real Decreto por el que se regulan los requisitos de sostenibilidad energética, medioambiental y de resiliencia y soberanía digital aplicables a los centros de datos». Es una norma que posiciona a España como uno de los reguladores más exigentes de Europa en este terreno. Afecta a toda instalación de más de 1 MW y establece, entre otros:

• Eficiencia hídrica (WUE) de Categoría A, el nivel más estricto previsto por el Reglamento Delegado UE 2024/1364, con valor provisional WUE ≤ 0,1 hasta agosto de 2027. En la práctica, descarta los sistemas evaporativos tradicionales y fuerza la refrigeración de circuito cerrado.
• Eficiencia energética (PUE) de Categoría A, con un umbral de 1,15 como máximo.
• Adicionalidad renovable del 80% hora a hora: cada hora de operación debe estar respaldada por generación renovable propia o contratada, instalada en los 18 meses previos. Es una cláusula que la propia UE no exige y que diferencia la norma española.
• Penalizaciones crecientes en cargos y peajes por incumplimiento, con revocación última de los derechos de acceso a la red eléctrica.
• Seis meses de adaptación para los proyectos en curso.

La gigafactoría de Móra la Nova encaja ya en este marco: su diseño incorpora refrigeración de circuito cerrado, con consumo de agua declarado como cercano a cero. Los sistemas convencionales habrían demandado del orden de 1,8 a 4 litros por kWh.

España aprieta las tuercas, por tanto, en el mismo momento en que capta inversión récord. Es una tensión real que marcará la viabilidad de proyectos y la geografía de los próximos despliegues.

La respuesta de la industria

Mientras el regulador aprieta por un lado, la industria responde por el otro con investigación aplicada que persigue el mismo objetivo: reducir el coste computacional por consulta. Google Research publicó en ICML 2026 un paper que ilustra bien la línea de trabajo: «Efficient, Property-Aligned Fan-Out Retrieval via RL-Compiled Diffusion«, firmado por Jiang, Li y otros ocho autores.

La idea en una línea (técnica): en lugar de pedir a un modelo autoregresivo que piense cada vez que recibe una consulta compleja, se entrena una sola vez con aprendizaje por refuerzo un modelo pequeño de difusión (53,9 millones de parámetros) que resuelve la descomposición en subconsultas en una única pasada no autoregresiva. Resultado: entre 12 y 20 veces menos latencia que el enfoque convencional, con criterios formales de calidad en la respuesta.

La idea en una línea (no técnica): hoy, cuando un sistema de IA recibe una consulta compleja, «piensa en voz alta» y va soltando las subconsultas una palabra tras otra, un proceso lento y caro por diseño. El paper propone un atajo: entrenar una sola vez un modelo pequeño que, llegado el momento de responder al usuario, suelta todo el conjunto de subconsultas de una sola pasada, sin ir palabra a palabra. El resultado se entrega entre 12 y 20 veces más rápido, y con criterios de calidad definidos matemáticamente para que las subconsultas ni se solapen entre sí ni se desvíen del tema original.

Esos criterios merecen atención, porque hablan directamente al SEO semántico. El paper los articula como tres anclas que operan en tensión:

• Groundedness: cada subconsulta generada debe corresponder a un ítem real recuperable en la base de datos. Nada de inventar.
• Diversidad (medida con la métrica Vendi Score): cubrir facetas complementarias del tema, no variantes paráfrasticas de la misma idea.
• Alineación: no derivar semánticamente respecto a la intención original del usuario.

El trabajo se evalúa en el sector moda (datasets de outfits de Polyvore) y en música (playlists), no en búsqueda web abierta. Los propios autores reconocen que el coste de entrenamiento inicial puede ser sustancial cuando la base de datos cambia a menudo, lo cual atempera la aplicabilidad directa a un índice web vivo.

Pero la dirección del esfuerzo es inequívoca: la industria busca servir el fan-out más barato, más limpio y mejor anclado al corpus.

Lo que significa para quien publica contenido

Aquí es donde las dos tensiones (la del regulador apretando el coste ambiental, la de la industria apretando el coste computacional) convergen en una implicación práctica para quien trabaja con contenido en la web.

Los sistemas de recuperación bajo presión económica favorecen fuentes que cumplen tres condiciones muy concretas:

• Anclables a entidades reconocibles, descritas con vocabularios estándar (schema.org, Dublin Core, SKOS). Un contenido con una buena capa de datos estructurados en JSON-LD, con referencias cruzadas a entidades consolidadas, es más barato de recuperar y de verificar que un contenido que vive solo como texto plano.
• Organizadas en facetas limpias y complementarias, no en variantes paráfrasticas del mismo tema. Un cluster de contenido que cubre aspectos genuinamente distintos de un dominio es más valioso que doce artículos que repiten el mismo ángulo con sinónimos. Es la misma lógica del paraphrastic collapse que el paper de Google combate con la métrica Vendi.
• Mantenidas. Un dominio sin 404 colgando, con redirecciones bien mapeadas y rutas estables, consume menos recursos de rastreo y resulta más fiable como fuente. Las consecuencias globales del 404 adquieren una nueva dimensión cuando cada consulta se multiplica por N en la fase de recuperación.

Este es el territorio donde el framework del Descriptor Semántico Homogéneo (DSH) y la arquitectura de información bien pensada dejan de ser cuestión de higiene y pasan a ser cuestión de eficiencia operativa agregada.

Un sitio bien construido es un activo que reduce fricción no solo para el usuario, sino para toda la cadena de recuperación que lo atraviesa.