Las agencias SEO tradicionales todavía operan como dinosaurios. Pagan a ejecutivos junior para extraer datos de Google Search Console a hojas de cálculo, reescribir manualmente etiquetas de título, y mirar fijamente los crawls de Screaming Frog durante horas. Luego empaquetan estas observaciones básicas en una auditoría PDF de 50 páginas que tarda cuatro semanas en entregarse y otros seis meses para que el equipo de ingeniería del cliente la implemente.
Es lento, sangra capital, y la latencia mata tu velocidad de crecimiento. La era de la lectura técnica manual ha muerto. Ya no escribo auditorías PDF. Uso Claude Code en su lugar.
Claude Code es una herramienta CLI agéntica construida por Anthropic. Lo ejecuto a través de OpenRouter, que me da acceso a Claude, GPT-4, Gemini y docenas de otros modelos a través de una sola API. Eso significa que puedo cambiar de modelo según la tarea sin cambiar mi flujo de trabajo. A diferencia de las interfaces LLM tradicionales como ChatGPT donde tienes que copiar y pegar código manualmente en una ventana del navegador, Claude Code opera nativamente dentro de tu terminal. Le das acceso a tu máquina, lo conectas a tu repositorio local, y lo dejas leer, escribir, ejecutar y refactorizar arquitectura estructural de forma autónoma en tiempo real.
La mayoría de los marketers piensan que los LLMs son estrictamente para escribir contenido. Usan IA para producir posts de blog promedio, que es la forma más rápida de invitar a una penalización manual de Google. Usar IA para escribir copia humana es lo menos interesante que puedes hacer con ella. Yo uso Claude Code para ejecutar cambios técnicos SEO masivos en miles de archivos simultáneamente.
Para una mirada más amplia sobre cómo está cambiando el SEO, el cambio de la ejecución manual a los flujos de trabajo agénticos es uno de los desarrollos más importantes de la industria ahora mismo.
Caso de Uso 1: Refactorización Autónoma de Next.js
Claude Code es un asistente de codificación IA que puede escribir, depurar y optimizar código para tareas SEO. Sobresale en generar markup de datos estructurados, crear reglas de redirección, construir sitemaps, escribir meta tags y automatizar correcciones técnicas SEO. A diferencia de ChatGPT, Claude Code puede procesar bases de código completas, entender el contexto del proyecto y hacer cambios en múltiples archivos simultáneamente. Para profesionales SEO que trabajan con código, Claude Code reduce el tiempo dedicado a tareas técnicas repetitivas de horas a minutos.
Cuando un cliente empresarial me pregunta por qué su sitio Next.js está fallando en Core Web Vitals en móvil, el proceso antiguo implicaba ejecutar pruebas manuales de Lighthouse, rastrear Layout Shifts en Chrome DevTools, identificar las imágenes ofensivas sin tamaño, y enviar un ticket masivo de Jira al equipo de desarrollo.
Hoy, simplemente apunto Claude Code al repositorio. Le instruyo para que ejecute una auditoría local de Lighthouse CI, identifique los componentes de React pesados que causan los retrasos de LCP (Largest Contentful Paint), y ejecute la corrección. El agente usa grep para escanear toda la base de código, encuentra cada instancia de una etiqueta img sin atributos explícitos de altura y anchura, y autónomamente las reescribe para usar el componente Image optimizado de Next.js.
No solo sugiere el código. Edita los archivos, ejecuta npm run build para verificar que no hay errores de compilación, y prepara el commit de git. Un proceso que solía tomar semanas de ida y vuelta se completa en doce minutos.
Tengo un cliente cuyo sitio Next.js tenía 340 imágenes sin optimizar en 50 páginas. El enfoque antiguo habría sido identificar manualmente cada imagen, escribir un ticket de Jira, esperar a que el equipo de desarrollo lo arreglara, y verificar los cambios. Ese proceso toma 2-3 semanas. Claude Code lo hizo en 15 minutos. El sitio pasó Core Web Vitals al día siguiente.
Para una guía completa de los fundamentos del SEO técnico, consulta mi guía de SEO técnico.
Caso de Uso 2: Schema de Entidades Programático a Escala
LLMO (Optimización para Modelos de Lenguaje Grande) depende fuertemente del markup estricto de schema JSON-LD. Los motores de respuesta IA como ChatGPT y Perplexity no leen tu CSS. Ingestan tus datos estructurados en bruto.
Si un cliente de iGaming necesita un Schema de Entidad complejo y anidado desplegado en un clúster programático de 5,000 páginas, depender de un desarrollador para escribir un script Python personalizado o luchar con un plugin de WordPress inflado es ineficiente.
En su lugar, le proporciono a Claude Code las reglas exactas de arquitectura JSON-LD. Instruyo al agente de terminal para que recorra recursivamente la estructura de directorios, parsee los metadatos de frontmatter de cada archivo markdown o JSX, formatee esos datos específicos de ubicación y cuotas en mi plantilla JSON-LD estricta, y los inyecte limpiamente en el head de la estructura de la página. Ejecuta miles de escrituras de archivos impecablemente y proporciona un resumen de diff verificado.
Para una mirada más profunda a los datos estructurados para búsqueda con IA, consulta mi artículo sobre schema markup para búsqueda con IA.
La diferencia clave entre Claude Code y un plugin de WordPress es la precisión. Un plugin aplica schema genérico a cada página. Claude Code aplica schema específico y contextual a cada página según su contenido. Una página de producto obtiene schema Product con Offer y Review. Una página de ubicación obtiene schema LocalBusiness con geo-coordenadas. Un post de blog obtiene schema Article con autor y editor. Cada página obtiene exactamente el schema que necesita, nada más, nada menos.
Esto importa para ser citado por los IA Overviews de Google. Los sistemas de IA usan datos estructurados para entender tu contenido. Si tu schema es genérico o incompleto, la IA tiene que trabajar más duro para parsear tus páginas. Si tu schema es específico y contextual, la IA puede extraer información más fácilmente y es más probable que cite tu contenido.
Caso de Uso 3: El Script de Poda "Executioner"
Los sitios web empresariales masivos, ya sean marcas de ecommerce o publicaciones tecnológicas, se están ahogando en bloat de indexación. Tienen miles de páginas zombi que reciben cero clics, lo que canibaliza su presupuesto de rastreo y diluye la autoridad de su dominio.
Antes de la IA agéntica, la Poda de Contenido era una pesadilla de VLOOKUPs, cruzando datos de Search Console con exportaciones de Screaming Frog. Ahora, le pido a Claude Code que construya un entorno Python local. Le instruyo para que llame a la API de Google Search Console, descargue los últimos 16 meses de datos de impresiones, e identifique cada URL que ha recibido cero clics.
Pero la verdadera magia es el siguiente paso. El agente usa embeddings semánticos locales para comparar las URLs muertas con las URLs de alto rendimiento. Si una página muerta coincide con la intención temática de una página viva, Claude Code escribe autónomamente las redirecciones 301 de Nginx mapeando la URL muerta a la viva. Finalmente, genera un archivo de configuración de Nginx listo para despliegue inmediato en el servidor.
Usé este enfoque con un cliente que tenía 12,000 páginas en su sitio. Claude Code identificó 3,200 páginas con cero clics en 16 meses. Luego mapeó 1,800 de esas páginas a páginas vivas existentes usando similitud semántica. El resultado: 1,800 redirecciones que consolidaron la equidad de enlaces y liberaron presupuesto de rastreo. El proceso completo tomó 45 minutos. Hacerlo manualmente habría tomado un equipo de tres personas dos semanas.
Para una mirada más profunda a la poda de contenido, consulta mi artículo sobre estrategia de actualización de contenido.
Caso de Uso 4: Enlaces Internos Automatizados
Los enlaces internos son una de las tareas SEO de mayor impacto y más descuidadas. La mayoría de los sitios tienen páginas huérfanas, enlaces internos rotos y texto ancla inconsistente. Arreglar esto manualmente significa rastrear el sitio, exportar los datos, analizarlos en una hoja de cálculo, y hacer cambios página por página.
Claude Code puede automatizar este proceso completo. Lo apunto al repositorio y le pido que:
- Rastree la estructura del sitio y construya un mapa de todas las páginas
- Identifique páginas huérfanas (páginas sin enlaces internos apuntando a ellas)
- Encuentre enlaces internos rotos
- Sugiera enlaces internos contextuales basados en similitud de contenido
- Implemente los cambios en toda la base de código
Para un checklist completo de auditoría técnica, consulta mi checklist de auditoría SEO.
Construyendo la Infraestructura, No Vendiendo Horas
El modelo tradicional de agencia SEO cobra a los clientes por la fricción manual de la ejecución. Las agencias justifican retainers mensuales de £10,000 escondiéndose detrás de la lentitud de las auditorías manuales y los tickets de Jira.
Yo cobro por la arquitectura. Configurar el pipeline es donde vive el valor real. Una vez que el entorno de agente local está activo, la ejecución técnica toma segundos. El cliente logra actualizaciones de latencia cero, y yo paso mi tiempo realmente mapeando estrategias de crecimiento competitivo en lugar de arreglar etiquetas de título rotas.
Si eres un consultor SEO, pasar tu tiempo en ejecución técnica manual es un error. Deja de gestionar hojas de cálculo. Despliega Claude Code, orquesta la arquitectura, y muévete más rápido que las agencias contra las que compites.
Para ayuda con SEO técnico, estrategia de automatización y visibilidad IA, mis servicios de SEO técnico cubren todo.