Embeddings: qué son y para qué sirven

Un embedding es la representación de un texto, una imagen u otro contenido como una lista de números (un vector) que calcula un modelo de IA, de forma que los contenidos con significado parecido quedan cerca entre sí. Sirve para que una máquina compare significados y no solo palabras. Piénsalo como las coordenadas de un mapa, pero de significado.

Qué es un embedding, con un mapa de platos

Para entender qué es un embedding, imagina que colocas platos de comida en un mapa. Google lo explica así en su curso de Machine Learning: una primera dimensión imaginaria mide cuánto se parece cada plato a un sándwich (con platos como el perro caliente, la pizza o el borscht). Si añades una segunda, la «postreidad», el strudel de manzana se aleja de los sándwiches, porque es un postre. Cada plato pasa a ser un punto con coordenadas, y los platos parecidos quedan cerca.

Un embedding hace lo mismo con el significado: cada palabra, frase o documento recibe un punto en un espacio con muchas dimensiones. Un espacio real no tiene dos ejes con nombre, sino cientos o miles: Google da como habituales 256, 512 o 1.024 en embeddings de palabras, e IBM indica que pueden llegar a mil o más. Y casi nunca puedes leer una dimensión como «postreidad»: las aprende el modelo a partir de los datos.

Cómo funciona un embedding: del texto al vector

Le das un texto a un modelo de embeddings y te devuelve un vector, una lista de números decimales. Por ejemplo, según la documentación de OpenAI, el modelo text-embedding-3-small devuelve por defecto 1.536 números para cada texto.

La distancia entre dos vectores mide lo relacionados que están. Según OpenAI, una distancia pequeña indica mucha relación y una grande, poca. Esa distancia se puede calcular de varias maneras, como la euclidiana o el coseno, según IBM.

¿Y por qué «parecido» quiere decir «cercano»? Porque el modelo aprende de ejemplos. Google lo ilustra con dos frases, «anduvieron en burro por el Gran Cañón» y «anduvieron a caballo por el cañón»: como «caballo» y «burro» aparecen en contextos parecidos, el modelo los trata como palabras relacionadas, y en un espacio de embedding las palabras que aparecen en contextos similares quedan más cerca.

Qué se puede convertir en embedding

Según IBM, se pueden representar como embeddings palabras, textos, imágenes, audio y grafos. En el trabajo de SEO y marketing lo habitual es el texto: una consulta, un título, un párrafo o una página entera.

En texto hay además dos tipos. Un embedding estático da un único vector a cada palabra, como word2vec. Uno contextual da vectores distintos según las palabras que la rodean: Google pone el ejemplo de «naranja», que puede ser una fruta o un color.

Para qué sirven los embeddings

OpenAI enumera los usos más comunes de sus embeddings de texto: búsqueda (ordenar resultados por relevancia a una consulta), agrupación de textos por similitud, recomendaciones, detección de anomalías, medición de diversidad y clasificación.

El caso más conocido es la búsqueda semántica. Conviertes en vectores la consulta y cada documento, calculas la similitud del coseno entre la consulta y cada uno, y devuelves los que más puntúan. Esos vectores se pueden guardar en una base de datos vectorial para consultarlos después, según OpenAI. Por eso encuentras resultados que no repiten tu palabra exacta pero tratan lo mismo.

Cómo se usan los embeddings en SEO y en marketing

La búsqueda, la agrupación, la recomendación y la clasificación de la sección anterior se pueden aplicar al trabajo de contenidos. No describen cómo posiciona Google por dentro, sino lo que puedes hacer tú con ellos:

  • Agrupar keywords por significado: consultas que no comparten palabras acaban en el mismo grupo si piden lo mismo. Es la agrupación de OpenAI aplicada a un listado de keywords.
  • Encontrar contenidos que se parecen: dos páginas con vectores muy cercanos tratan lo mismo. Es un aviso para revisar, no un veredicto: decidir si hay canibalización exige mirar la intención y los datos de Search Console.
  • Proponer enlaces internos: dada una página, la lista de las más cercanas en significado son candidatas a enlazar, como una recomendación entre contenidos relacionados.
  • Clasificar consultas o páginas por tema o por intención a partir de ejemplos ya etiquetados.

¿Hay que optimizar tu contenido «para embeddings»?

No hay un truco que Google documente. Su guía sobre las funciones de IA en la Búsqueda dice que no hay requisitos adicionales para aparecer en las vistas creadas con IA ni en el modo IA, ni optimizaciones especiales, y esa guía no menciona los embeddings. Su guía de optimización para la IA generativa añade que muchos de los «trucos» de AEO o GEO que circulan no son eficaces y que optimizar para la búsqueda con IA generativa sigue siendo SEO.

Lo que sí te dice el concepto es algo sobre el modelo, no sobre Google: un modelo de embeddings representa el contexto en el que se usa cada palabra, no un recuento de repeticiones, así que una página que explica bien un tema con las palabras que usa la gente puede quedar cerca de las consultas relacionadas sin repetir la keyword exacta. Sobre Google, su guía dice que sus sistemas de IA entienden la relevancia de una página incluso sin concordancia exacta entre la consulta y el contenido. Por eso en BIGSEO lo tratamos como parte del SEO en LLMs, no como una disciplina aparte. Más contexto en nuestra guía de SEO para IA.

Errores comunes al hablar de embeddings

  • Creer que cuentan palabras. Un embedding recoge el contexto en el que se usa cada palabra, como en el ejemplo de «burro» y «caballo»; no es un recuento de apariciones.
  • Comparar vectores de modelos distintos. Google indica que los embeddings difieren según la tarea para la que se entrenan, y es razonable deducir que lo mismo pasa entre modelos distintos: compara siempre vectores calculados con el mismo modelo.
  • Leer una similitud alta como «Google lo posicionará». Esa cifra es de un modelo concreto, no de Google.
  • Dar por buenas las agrupaciones sin revisarlas. Una agrupación automática es un punto de partida: una persona tiene que comprobar que cada grupo comparte intención.

Términos relacionados

Fuentes

Por dónde seguir

¿Quieres aplicar la IA en tu empresa con criterio? Te ayudamos con nuestro equipo de IA para empresas. ¡Hablemos de generar negocio!