// Aviso · actualizado en 2026
Actualización: escribí esto cuando era responsable de SEO en Leroy Merlin España y no tenía ninguna relación laboral con Evolve, simplemente como un alumno más. Tiempo después de terminar me incorporé al equipo, y hoy soy Chief Growth Officer de la compañía. Lo que verás a continuación es lo que viví como alumno, contado por alguien que acabó tan convencido que pudo quedarse dentro.
Llevo más de diez años metido en SEO. En 2022 empecé a notar algo que no me gustaba: el suelo se movía. La gente había dejado de teclear cuatro palabras en Google para escribirle párrafos enteros a ChatGPT, y la respuesta ya no eran diez enlaces azules, era un texto que citaba a unos y se olvidaba de otros. Mi disciplina entera se estaba reescribiendo, no es algo nuevo en el mundo del SEO pero esta vez era más que nunca y ya estaba llegando a los comités de dirección.
Soy ingeniero informático de formación, aunque llevaba años en marketing. Podía haberme puesto a leer papers por mi cuenta. Pero hace mucho tiempo aprendí una cosa, todo evoluciona demasiado rápido para aprenderlo solo, y la manera de acortar la curva en cualquier disciplina es pegarte a quien ya va un paso por delante. Así que decidí hacer el Programa de IA Generativa de Evolve.
Aquí puedes conocerme un poco más de cómo enfoco el SEO junto con dos personas a las que admiro enormement como Romuald Fons y Javier Martínez.
Lo que buscaba no era "aprender a usar ChatGPT"
Eso lo hace cualquiera. Lo que yo quería era entender el modelo por dentro, porque intuía —y no iba mal encaminado— que ahí estaba la clave del GEO. Y aquí va la primera opinión discutible del post: GEO no es SEO con otro nombre. El cambio de fondo es este: un buscador clásico rastrea e indexa; un modelo de lenguaje recupera. Cuando entiendes cómo recupera, tu forma de trabajar el contenido cambia entera.
En el programa me tocó pelearme con los conceptos que hay debajo. El chunking: cómo se trocea tu contenido antes de que un modelo lo pueda usar. El RAG, que es lo que pasa cuando el modelo no tiene algo en su base de conocimiento y sale a buscarlo fuera. Y cómo una pregunta amplia se abre en un montón de resultados que luego se reordenan por relevancia semántica según la intención real de quien pregunta. Dicho así suena a abstracción de manual. El día que lo montas tú con una API y lo ves ejecutarse, deja de serlo.
El proyecto que me voló la cabeza
Aquí viene la parte que me devolvió a un sitio del que llevaba años alejado. Como ingeniero que se había pasado al marketing, hacía mucho que no construía nada con mis propias manos. El programa me reabrió esa puerta: volví a escribir Python, esta vez apoyándome en la propia IA para ir mucho más rápido, conectándome a APIs —de OpenAI, de Anthropic, la que hiciera falta—.
El proyecto que me hizo explotar la cabeza fue mío y muy de SEO. Usé el modelo de embeddings de OpenAI (text-embedding-3-small) para vectorizar contenido y trabajar con distancia coseno. De repente podía detectar canibalización entre keywords a escala: no a mano, URL por URL, sino cruzando cientos de páginas por similitud semántica en minutos. Y de ahí salió lo que de verdad me interesaba: una herramienta interna para inspeccionar, vía API, qué fuentes tenían más probabilidad de ser recuperadas — de ser el sitio donde el modelo "aprende" y a quien acaba citando.
Eso, en 2024, era estar mirando el GEO antes de que casi nadie lo llamara GEO practicamente. No lo cuento para presumir, sino porque es el mejor ejemplo de lo que un programa así te puede dar si vas con una pregunta concreta debajo del brazo: no te da la respuesta, te da las herramientas para construírtela.
Cómo fue por dentro mi edición
Por dar contexto, lecciones que iban de los fundamentos de los LLM y el prompt engineering a la automatización con n8n y, la parte que más me marcó, RAG y agentes con conocimiento propio sobre Supabase, además de agentes con memoria. El módulo de agentes fue el que me ató todos los cabos con el GEO. El de "entender el LLM por dentro" fue, sin discusión, el más rentable para mi trabajo del día a día.
Del formato, lo justo y necesario: clases en directo pero grabadas, que para alguien con un trabajo exigente es la diferencia entre poder hacerlo o no poder. Yo tiraba de mis ratos. Y la comunidad — profesores que son profesionales en activo y a los que podías escribir sin protocolo. Se nota cuando quien te enseña algo lo está usando esa misma semana en su empresa, y no hace tres años en unas diapositivas.
Lo que le faltaba
No todo fue redondo, como todo en esta vida. Se notaba que era una de las primeras ediciones. Al principio, si no veías una clase en directo, la grabación a veces tardaba varios días en aparecer en vez de estar al día siguiente. Las comunicaciones no siempre llegaban completas: te enterabas de cosas a medias. Y algún entregable no se avisaba con el margen que habría venido bien. Nada de esto tocaba lo importante, pero la operativa alrededor muy al inicio estaba un poco verde.
Lo que me hizo cambiar de opinión sobre esos fallos no fue que desaparecieran solos. Fue la velocidad con la que los corregían. Escuchaban al alumno de verdad y resolvían las incidencias rápido. Un problema en una primera edición me parece normal; que lo arreglen a la semana siguiente porque alguien lo dijo en voz alta, eso ya me parece una señal.
(Actualización 2026) Y entonces, ¿por qué acabé trabajando aquí?
Por lo mismo que me hizo apuntarme. Me pasé meses recomendando el programa a gente antes de tener ni el más mínimo interés en trabajar en Evolve. Cuando ves que una marca va un paso por delante en algo que a ti te importa de verdad, la pregunta deja de ser "¿me formo con ellos?" y pasa a ser "¿por qué no estoy dentro?". Y sin darme cuenta nuestros caminos se acabaron uniendo del todo.