Schema.org y JSON-LD: El Lenguaje de las Maquinas
Domina Schema.org y JSON-LD para hablarle directamente a los motores de IA. Aprende que tipos implementar, como estructurarlos y como evitar los errores que invalidan tu markup.
La Auditoria que Cambio Todo
"Era una web perfecta para humanos. Para las maquinas, era ruido sin estructura."
En 2025, una empresa de consultoria financiera encargo una auditoria de visibilidad en IA.
La web tenia 8 anos de contenido. Articulos de calidad. Una reputacion solida en el sector. Tres socios con credenciales academicas impecables.
Y sin embargo, cuando preguntabas a Perplexity o ChatGPT por consultores financieros en su mercado, no aparecian.
El auditor tardo 20 minutos en encontrar el problema.
No tenian ni una linea de Schema.org en todo el sitio.
Las maquinas veian texto. Parrafos. Titulos. Pero no entendian que ese texto era de una organizacion, que esos parrafos eran articulos de autoria humana, ni que esos tres nombres eran personas reales con expertise verificable.
En 4 horas implementaron los schemas basicos. En 6 semanas aparecian en las primeras respuestas de los principales LLMs.
Lo que Aprenderas Hoy
- Que es Schema.org y por que es el estandar que usan los LLMs
- JSON-LD vs Microdata: por que JSON-LD siempre gana
- Los 5 tipos de schema que mas impactan en GEO con ejemplos de codigo
- Errores criticos que invalidan tu implementacion
- Como validar que tu markup funciona correctamente
Schema.org: El Vocabulario Compartido
Schema.org es un vocabulario de tipos de datos creado en 2011 por Google, Bing, Yahoo y Yandex. Su objetivo original: que los buscadores entendieran el contenido web de forma semantica.
Hoy es mucho mas que eso.
Por que los LLMs usan Schema.org
Durante el entrenamiento, los modelos procesaron miles de millones de paginas web. Las paginas con Schema.org bien implementado proporcionaban contexto estructurado que el modelo podia aprender a confiar. Hoy, en inferencia, los sistemas RAG priorizan fuentes con datos estructurados porque reducen la ambiguedad.
Implementar Schema.org no es SEO tecnico. Es hablarle directamente al modelo de datos que los LLMs usan para construir su conocimiento del mundo.
JSON-LD: La Forma Correcta de Implementar
Existen tres formas de anadir Schema.org: Microdata, RDFa y JSON-LD.
La respuesta correcta siempre es JSON-LD.
Microdata
Mezclado en el HTML. Atributos itemtype e itemprop en los elementos.
Problema: acopla datos y presentacion. Muy dificil de mantener.
RDFa
Similar a Microdata pero basado en RDF. Mas verbose y complejo.
Problema: complejidad alta, practicamente obsoleto para este uso.
JSON-LD
Bloque script independiente del HTML. Sin tocar la estructura visual.
Ventaja: separacion total, facil de mantener, recomendado por Google.
Los 5 Tipos que Mas Impactan en GEO
No todos los schemas son iguales. Estos cinco son los que mayor impacto tienen en la visibilidad dentro de respuestas de LLMs.
1. Organization
El schema mas importante si tienes una empresa. Define tu entidad organizacional.
Campos clave: name, url, logo, description, foundingDate, address, sameAs
Los campos mas importantes para GEO:
@id: URI unico de tu entidad (ej.https://tuempresa.com/#organization). Este es el identificador que los LLMs usan para resolver referencias cruzadas entre fuentes.sameAs: Array de URLs de tus perfiles en otras plataformas (LinkedIn, Twitter, Crunchbase). Conecta tus nodos externos con tu entidad principal.description: Descripcion factual y verificable de que hace tu empresa. No marketing, hechos.foundingDate: Ano de fundacion. Ancla temporal de tu entidad.
Clave: el campo @id
El @id es el identificador unico de tu entidad en el knowledge graph. Usa siempre la URL de tu web con fragmento #organization. Esto es lo que los LLMs usan para resolver referencias cruzadas entre distintas fuentes.
2. Person
Si tu marca personal es parte de tu estrategia, o si tus expertos son activos de visibilidad.
Campos clave: name, jobTitle, worksFor, sameAs, knowsAbout, hasCredential
El campo worksFor debe referenciar el @id de tu Organization. Esto crea la relacion directa entre persona y empresa en el knowledge graph — cuando la IA ve el nombre de la persona, puede navegar hasta la entidad de empresa y viceversa.
3. Article / BlogPosting
Para cada pieza de contenido. Conecta el articulo con su autor y su organizacion.
Campos clave: headline, datePublished, dateModified, author, publisher
Los campos author y publisher deben referenciar los @id de Person y Organization respectivamente. El campo dateModified es especialmente importante para GEO: indica frescura del contenido, uno de los factores del algoritmo RRF.
4. FAQPage
Uno de los schemas con mayor impacto directo en respuestas de IA. Las preguntas y respuestas estructuradas son el formato ideal para que los LLMs extraigan y citen contenido.
Campos clave: mainEntity (array de Question + Answer)
Estructura de FAQPage
Cada elemento del array mainEntity es un objeto Question con:
→ name: el texto de la pregunta tal como la formularía un usuario
→ acceptedAnswer.text: respuesta completa y directa en una o dos frases
Por que FAQPage importa tanto en GEO
Los LLMs tienen un sesgo hacia respuestas directas. Un FAQPage bien implementado le dice al modelo: aqui hay una pregunta y su respuesta exacta. Es literalmente optimizacion para Answer Engine (AEO).
5. Course / LearningResource
Si ofreces formacion, tutoriales o contenido educativo, este schema te posiciona como recurso de aprendizaje en respuestas sobre formacion.
Campos clave: name, description, provider, educationalLevel, isAccessibleForFree, numberOfLessons
El campo provider debe referenciar el @id de tu Organization, creando la relacion curso-empresa en el knowledge graph.
Implementacion en Next.js: El Patron @graph
En un proyecto Next.js, el lugar correcto para los schemas globales es app/layout.tsx.
El patron recomendado es usar @graph — un array que agrupa multiples entidades en un solo bloque JSON-LD:
Por que @graph
→ Declara multiples entidades en un solo script
→ Permite referencias cruzadas via @id entre entidades del mismo grafo
→ Mas eficiente que multiples scripts independientes
→ El parser puede resolver relaciones internas antes de acceder a fuentes externas
La estructura es: un objeto con @context y @graph, donde @graph es un array con tus entidades Organization, WebSite, Course, etc. Cada entidad tiene su @id unico y puede referenciar el @id de otras entidades del mismo grafo.
Errores Criticos que Invalidan tu Markup
Error 1: @id inconsistente entre paginas
Si en una pagina el @id es https://tuempresa.com/#org y en otra es https://tuempresa.com/#organization, son dos entidades diferentes para el modelo. Usa siempre el mismo URI exacto en todos los archivos.
Error 2: Datos que no coinciden con el contenido visible
Si el schema dice foundingDate 2020 pero el About de la web dice "10 anos de experiencia" en 2026, hay una contradiccion. Los LLMs detectan inconsistencias entre schema y contenido visible y reducen la confianza en la fuente.
Error 3: JSON invalido
Una coma extra, una llave sin cerrar, o comillas mal escapadas hace que el parser ignore completamente el schema. No se muestra ningun error visible — simplemente no funciona. Valida siempre con la herramienta oficial antes de publicar.
Error 4: Schema generico sin especificidad
Un schema con solo name y url aporta poco. Cuantos mas atributos verificables incluyas (address, foundingDate, numberOfEmployees, sameAs), mas rica es la representacion de tu entidad y mayor la confianza del modelo.
Validacion: Como Saber que Funciona
Dos herramientas que debes usar siempre despues de implementar:
Google Rich Results Test
Pega la URL o el codigo. Detecta errores de sintaxis y muestra como Google interpreta el schema. Gratuito y es el estandar del sector.
Schema.org Validator
Validador oficial de schema.org. Verifica que los tipos y propiedades sean validos segun la especificacion oficial, mas alla de lo que valida Google.
Prueba directa en LLMs
Despues de que Google reindexe, pregunta a Perplexity por tu entidad. Si el schema funciona, empezara a aparecer con informacion mas precisa y estructurada que antes.
Lo Que Aprendiste Hoy
✓ Schema.org es el vocabulario que los LLMs usan para entender el mundo
✓ JSON-LD es el unico formato correcto: separado del HTML, facil de mantener
✓ Los 5 tipos clave: Organization, Person, Article, FAQPage, Course
✓ El @id consistente es el hilo que une todas tus entidades en el knowledge graph
✓ Valida siempre antes de publicar — un JSON invalido es invisible para las maquinas
Tienes el lenguaje. Ahora hay que conectar los puntos.
Schema.org define entidades individuales.
El Knowledge Graph conecta esas entidades en una red que los LLMs recorren para validar tu autoridad.
Continua con el Modulo 7: Knowledge Graph, conectando los puntos de tu identidad →