{"id":131476,"date":"2026-10-10T09:01:32","date_gmt":"2026-10-10T07:01:32","guid":{"rendered":"https:\/\/quondos.com\/mag\/?p=131476"},"modified":"2026-10-10T09:01:34","modified_gmt":"2026-10-10T07:01:34","slug":"google-deepmind-investiga-un-sistema-de-busqueda-con-ia-que-podria-clasificar-resultados-sin-un-indice-tradicional","status":"publish","type":"post","link":"https:\/\/quondos.com\/mag\/google-deepmind-investiga-un-sistema-de-busqueda-con-ia-que-podria-clasificar-resultados-sin-un-indice-tradicional\/","title":{"rendered":"Google DeepMind investiga un sistema de b\u00fasqueda con IA que podr\u00eda clasificar resultados sin un \u00edndice tradicional"},"content":{"rendered":"\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1000\" height=\"600\" src=\"https:\/\/quondos.com\/mag\/wp-content\/uploads\/2026\/10\/image-6.png\" alt=\"\" class=\"wp-image-131477\" title=\"\" srcset=\"https:\/\/quondos.com\/mag\/wp-content\/uploads\/2026\/10\/image-6.png 1000w, https:\/\/quondos.com\/mag\/wp-content\/uploads\/2026\/10\/image-6-300x180.png 300w, https:\/\/quondos.com\/mag\/wp-content\/uploads\/2026\/10\/image-6-768x461.png 768w\" sizes=\"auto, (max-width: 1000px) 100vw, 1000px\" \/><\/figure>\n\n\n\n<p><strong>Una investigaci\u00f3n de Google DeepMind plantea un nuevo modelo de clasificaci\u00f3n de documentos mediante inteligencia artificial<\/strong> que podr\u00eda modificar la forma en que funcionan los motores de b\u00fasqueda. El trabajo estudia la posibilidad de utilizar modelos generativos para ordenar resultados sin depender de un \u00edndice de b\u00fasqueda separado, una arquitectura que, si llegara a aplicarse a gran escala, podr\u00eda tener consecuencias importantes para el SEO.<\/p>\n\n<p>La investigaci\u00f3n ha sido analizada por <strong>Duane Forrester en Search Engine Journal<\/strong>, en un art\u00edculo publicado el 8 de octubre de 2026. El autor relaciona este avance con diferentes trabajos de Google desarrollados desde 2021 y plantea c\u00f3mo podr\u00edan cambiar la visibilidad de las p\u00e1ginas web, la medici\u00f3n del posicionamiento y la publicidad en buscadores.<\/p>\n\n<p>Sin embargo, existe una distinci\u00f3n fundamental: <strong>Google no ha anunciado que vaya a sustituir su \u00edndice de b\u00fasqueda ni que vaya a eliminar las p\u00e1ginas de resultados<\/strong>. El trabajo demuestra determinadas posibilidades matem\u00e1ticas y presenta experimentos limitados. Las consecuencias comerciales y SEO descritas por Forrester son interpretaciones sobre una posible evoluci\u00f3n futura.<\/p>\n\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_76 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">\u00cdndice de contenidos<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Alternar tabla de contenidos\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/quondos.com\/mag\/google-deepmind-investiga-un-sistema-de-busqueda-con-ia-que-podria-clasificar-resultados-sin-un-indice-tradicional\/#Google_lleva_anos_investigando_alternativas_a_la_busqueda_tradicional\" >Google lleva a\u00f1os investigando alternativas a la b\u00fasqueda tradicional<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/quondos.com\/mag\/google-deepmind-investiga-un-sistema-de-busqueda-con-ia-que-podria-clasificar-resultados-sin-un-indice-tradicional\/#Como_funciona_la_clasificacion_generativa_de_documentos\" >C\u00f3mo funciona la clasificaci\u00f3n generativa de documentos<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/quondos.com\/mag\/google-deepmind-investiga-un-sistema-de-busqueda-con-ia-que-podria-clasificar-resultados-sin-un-indice-tradicional\/#Los_experimentos_todavia_estan_lejos_de_un_buscador_comercial\" >Los experimentos todav\u00eda est\u00e1n lejos de un buscador comercial<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/quondos.com\/mag\/google-deepmind-investiga-un-sistema-de-busqueda-con-ia-que-podria-clasificar-resultados-sin-un-indice-tradicional\/#La_busqueda_generativa_podria_cambiar_la_visibilidad_SEO\" >La b\u00fasqueda generativa podr\u00eda cambiar la visibilidad SEO<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/quondos.com\/mag\/google-deepmind-investiga-un-sistema-de-busqueda-con-ia-que-podria-clasificar-resultados-sin-un-indice-tradicional\/#La_diferenciacion_del_contenido_podria_adquirir_mas_importancia\" >La diferenciaci\u00f3n del contenido podr\u00eda adquirir m\u00e1s importancia<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/quondos.com\/mag\/google-deepmind-investiga-un-sistema-de-busqueda-con-ia-que-podria-clasificar-resultados-sin-un-indice-tradicional\/#La_actualizacion_de_contenidos_plantea_un_desafio_para_estos_modelos\" >La actualizaci\u00f3n de contenidos plantea un desaf\u00edo para estos modelos<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/quondos.com\/mag\/google-deepmind-investiga-un-sistema-de-busqueda-con-ia-que-podria-clasificar-resultados-sin-un-indice-tradicional\/#La_publicidad_y_las_metricas_SEO_tambien_podrian_evolucionar\" >La publicidad y las m\u00e9tricas SEO tambi\u00e9n podr\u00edan evolucionar<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/quondos.com\/mag\/google-deepmind-investiga-un-sistema-de-busqueda-con-ia-que-podria-clasificar-resultados-sin-un-indice-tradicional\/#Que_significa_esta_investigacion_para_el_futuro_del_SEO\" >Qu\u00e9 significa esta investigaci\u00f3n para el futuro del SEO<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Google_lleva_anos_investigando_alternativas_a_la_busqueda_tradicional\"><\/span>Google lleva a\u00f1os investigando alternativas a la b\u00fasqueda tradicional<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>El nuevo estudio forma parte de una l\u00ednea de investigaci\u00f3n que se remonta a <strong>2021<\/strong>, cuando investigadores de Google publicaron un trabajo que propon\u00eda replantear la b\u00fasqueda de informaci\u00f3n mediante sistemas capaces de generar respuestas directamente a partir de un conjunto de documentos.<\/p>\n\n<p>La propuesta cuestionaba el modelo tradicional en el que un buscador recibe una consulta y devuelve una lista de enlaces. En su lugar, los investigadores exploraban la posibilidad de construir sistemas que proporcionasen respuestas basadas en informaci\u00f3n identificable y verificable.<\/p>\n\n<p>En 2022 apareci\u00f3 otra investigaci\u00f3n, denominada <strong>Differentiable Search Index (DSI)<\/strong>, que estudiaba c\u00f3mo un modelo Transformer pod\u00eda asociar consultas directamente con identificadores de documentos. La informaci\u00f3n necesaria para realizar esa asociaci\u00f3n quedaba representada dentro de los par\u00e1metros del modelo.<\/p>\n\n<p>El trabajo publicado en enero de 2026 a\u00f1ade una base matem\u00e1tica a esta l\u00ednea de investigaci\u00f3n. Seg\u00fan el an\u00e1lisis de Forrester, <strong>los investigadores han demostrado propiedades te\u00f3ricas que permiten plantear una clasificaci\u00f3n generativa de un n\u00famero arbitrario de documentos<\/strong>, sin las mismas limitaciones de representaci\u00f3n que presentan determinadas arquitecturas tradicionales.<\/p>\n\n<h2><span class=\"ez-toc-section\" id=\"Como_funciona_la_clasificacion_generativa_de_documentos\"><\/span>C\u00f3mo funciona la clasificaci\u00f3n generativa de documentos<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>Los motores de b\u00fasqueda actuales suelen combinar diferentes sistemas para recuperar y ordenar informaci\u00f3n. Una primera etapa identifica documentos potencialmente relevantes y otra puede aplicar modelos m\u00e1s complejos para mejorar su clasificaci\u00f3n.<\/p>\n\n<p>La investigaci\u00f3n de Google DeepMind estudia una arquitectura denominada <strong>AutoRegressive Ranking (ARR)<\/strong>, en la que un modelo generativo produce identificadores de documentos siguiendo un orden de relevancia.<\/p>\n\n<p>En lugar de asignar \u00fanicamente una puntuaci\u00f3n independiente a cada documento, el sistema aprende a generar una secuencia ordenada. <strong>La clasificaci\u00f3n pasa a formar parte del proceso de generaci\u00f3n del modelo<\/strong>, utilizando mecanismos similares a los empleados para producir texto token a token.<\/p>\n\n<p>El estudio tambi\u00e9n introduce una funci\u00f3n de entrenamiento denominada <strong>SToICaL<\/strong>, dise\u00f1ada para que el modelo tenga en cuenta la calidad de la lista completa de resultados y no solamente la posici\u00f3n del documento m\u00e1s relevante.<\/p>\n\n<p>Desde el punto de vista matem\u00e1tico, los investigadores analizan las limitaciones de los sistemas basados en representaciones vectoriales. El trabajo sostiene que determinadas arquitecturas necesitan aumentar sus dimensiones de representaci\u00f3n para expresar todas las ordenaciones posibles, mientras que <strong>un modelo autorregresivo puede representar clasificaciones arbitrarias manteniendo una dimensi\u00f3n oculta fija<\/strong>.<\/p>\n\n<h2><span class=\"ez-toc-section\" id=\"Los_experimentos_todavia_estan_lejos_de_un_buscador_comercial\"><\/span>Los experimentos todav\u00eda est\u00e1n lejos de un buscador comercial<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>Uno de los aspectos m\u00e1s importantes del estudio es su alcance real. Los investigadores utilizaron <strong>Mistral-7B<\/strong> para sus experimentos, en lugar de un modelo de frontera dise\u00f1ado espec\u00edficamente para operar como buscador web a gran escala.<\/p>\n\n<p>Adem\u00e1s, las pruebas se realizaron con conjuntos de datos limitados. Uno de ellos utilizaba informaci\u00f3n de <strong>WordNet, con aproximadamente 82.000 conceptos nominales<\/strong>, mientras que la evaluaci\u00f3n relacionada con compras inclu\u00eda 310 ejemplos.<\/p>\n\n<p>En los experimentos, los identificadores de los documentos candidatos se proporcionaban al modelo dentro del contexto. Esto significa que <strong>el sistema estaba reorganizando candidatos conocidos<\/strong>, no recuperando libremente cualquier documento de un conjunto abierto equivalente a toda la web.<\/p>\n\n<p>Forrester destaca que esta diferencia impide interpretar el trabajo como una demostraci\u00f3n de que Google ya dispone de un buscador comercial completamente independiente de los \u00edndices tradicionales.<\/p>\n\n<p>Los resultados tambi\u00e9n presentan limitaciones. Algunas configuraciones mejoraron la ordenaci\u00f3n de varios documentos relevantes, pero empeoraron la capacidad de colocar el mejor resultado en primera posici\u00f3n. <strong>La investigaci\u00f3n representa una base experimental, no un producto listo para sustituir Google Search<\/strong>.<\/p>\n\n<h2><span class=\"ez-toc-section\" id=\"La_busqueda_generativa_podria_cambiar_la_visibilidad_SEO\"><\/span>La b\u00fasqueda generativa podr\u00eda cambiar la visibilidad SEO<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>Una de las hip\u00f3tesis planteadas por Forrester es que <strong>la clasificaci\u00f3n generativa podr\u00eda modificar el concepto tradicional de posici\u00f3n en Google<\/strong>. En un buscador convencional, las p\u00e1ginas pueden ocupar posiciones dentro de una lista extensa de resultados, aunque el usuario no llegue a visitarlas.<\/p>\n\n<p>En un sistema generativo que produce \u00fanicamente un conjunto reducido de documentos, la situaci\u00f3n podr\u00eda ser diferente. El modelo seleccionar\u00eda los identificadores que considera m\u00e1s probables y construir\u00eda una lista limitada a partir de ellos.<\/p>\n\n<p>Este proceso puede utilizar una t\u00e9cnica denominada <strong>beam search<\/strong>, que mantiene durante la generaci\u00f3n un n\u00famero determinado de secuencias candidatas. Las alternativas descartadas dejan de participar en las siguientes etapas del proceso.<\/p>\n\n<p>Forrester plantea que, si una arquitectura de este tipo llegara a convertirse en el mecanismo principal de b\u00fasqueda, <strong>las p\u00e1ginas que no fueran generadas podr\u00edan quedar fuera del conjunto visible de resultados<\/strong>, en lugar de ocupar simplemente una posici\u00f3n m\u00e1s baja.<\/p>\n\n<p>La idea de que desaparecer\u00eda la segunda p\u00e1gina de Google es, por tanto, una interpretaci\u00f3n de las posibles consecuencias del modelo. No representa un cambio anunciado para el buscador actual ni demuestra que todos los sistemas generativos deban funcionar necesariamente de esa manera.<\/p>\n\n<h2><span class=\"ez-toc-section\" id=\"La_diferenciacion_del_contenido_podria_adquirir_mas_importancia\"><\/span>La diferenciaci\u00f3n del contenido podr\u00eda adquirir m\u00e1s importancia<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>El art\u00edculo tambi\u00e9n analiza c\u00f3mo podr\u00edan verse afectados los contenidos muy similares entre s\u00ed. En la arquitectura estudiada, <strong>los documentos se representan mediante identificadores que el modelo aprende a generar<\/strong>.<\/p>\n\n<p>En uno de los experimentos relacionados con compras, los investigadores construyeron identificadores a partir de representaciones vectoriales de los t\u00edtulos de productos. Estos identificadores se comprim\u00edan en secuencias cortas de n\u00fameros que conservaban cierta informaci\u00f3n sem\u00e1ntica.<\/p>\n\n<p>Forrester considera que, en un escenario de clasificaci\u00f3n generativa, <strong>la capacidad de diferenciar claramente un documento de otros similares podr\u00eda convertirse en un factor especialmente relevante<\/strong>.<\/p>\n\n<p>Su razonamiento es que dos p\u00e1ginas pr\u00e1cticamente id\u00e9nticas podr\u00edan resultar dif\u00edciles de distinguir dentro de determinadas representaciones. Sin embargo, esta consecuencia no ha sido demostrada como una regla de posicionamiento de Google y debe entenderse como una hip\u00f3tesis sobre posibles sistemas futuros.<\/p>\n\n<p>Para los profesionales del SEO, la reflexi\u00f3n apunta a la importancia de trabajar contenidos que aporten informaci\u00f3n diferenciada. No obstante, <strong>el estudio no establece nuevas directrices oficiales de Google<\/strong> ni confirma que exista un cambio en sus sistemas de ranking actuales.<\/p>\n\n<h2><span class=\"ez-toc-section\" id=\"La_actualizacion_de_contenidos_plantea_un_desafio_para_estos_modelos\"><\/span>La actualizaci\u00f3n de contenidos plantea un desaf\u00edo para estos modelos<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>Otro problema identificado est\u00e1 relacionado con <strong>la incorporaci\u00f3n de documentos nuevos y la actualizaci\u00f3n de la informaci\u00f3n<\/strong>. En un \u00edndice tradicional, un buscador puede rastrear una p\u00e1gina e incorporarla a su infraestructura de recuperaci\u00f3n.<\/p>\n\n<p>En un sistema donde las asociaciones entre consultas y documentos dependen de los par\u00e1metros aprendidos por el modelo, incorporar informaci\u00f3n nueva puede requerir procesos adicionales de entrenamiento o actualizaci\u00f3n.<\/p>\n\n<p>Investigaciones anteriores, como <strong>DSI++<\/strong>, ya hab\u00edan se\u00f1alado dificultades relacionadas con el olvido de documentos previamente aprendidos cuando se introducen otros nuevos de forma continua.<\/p>\n\n<p>Este desaf\u00edo resulta especialmente relevante para medios de comunicaci\u00f3n y p\u00e1ginas que publican informaci\u00f3n de actualidad. <strong>La rapidez con la que un sistema aprende y puede recuperar nuevos contenidos<\/strong> ser\u00eda un elemento esencial para cualquier arquitectura generativa que aspirase a utilizarse en b\u00fasquedas web reales.<\/p>\n\n<p>Forrester considera que una posible etapa intermedia consistir\u00eda en mantener mecanismos tradicionales de recuperaci\u00f3n y utilizar posteriormente un modelo generativo para ordenar los candidatos. Esa combinaci\u00f3n permitir\u00eda explorar parte de las ventajas del nuevo enfoque sin depender exclusivamente de un \u00edndice almacenado en los par\u00e1metros del modelo.<\/p>\n\n<h2><span class=\"ez-toc-section\" id=\"La_publicidad_y_las_metricas_SEO_tambien_podrian_evolucionar\"><\/span>La publicidad y las m\u00e9tricas SEO tambi\u00e9n podr\u00edan evolucionar<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>El an\u00e1lisis de Search Engine Journal tambi\u00e9n plantea posibles consecuencias para <strong>la publicidad en buscadores<\/strong>. Si las respuestas generadas mediante IA se convirtieran en una superficie principal de b\u00fasqueda, los formatos publicitarios podr\u00edan adaptarse a experiencias menos centradas en listas convencionales de enlaces.<\/p>\n\n<p>Forrester relaciona esta posibilidad con investigaciones sobre sistemas capaces de generar contenido publicitario de forma din\u00e1mica. En su interpretaci\u00f3n, las plataformas podr\u00edan utilizar informaci\u00f3n de productos, marcas y anunciantes para construir mensajes adaptados al contexto de cada consulta.<\/p>\n\n<p>Sin embargo, <strong>el estudio sobre clasificaci\u00f3n generativa no demuestra la viabilidad comercial de ese modelo publicitario<\/strong>. La relaci\u00f3n entre ambas tecnolog\u00edas es una hip\u00f3tesis del autor sobre c\u00f3mo podr\u00edan evolucionar conjuntamente la b\u00fasqueda org\u00e1nica y los anuncios.<\/p>\n\n<p>La medici\u00f3n SEO tambi\u00e9n podr\u00eda cambiar en un escenario de resultados generados. En lugar de analizar \u00fanicamente posiciones, los profesionales podr\u00edan prestar m\u00e1s atenci\u00f3n a <strong>la frecuencia con la que una marca o p\u00e1gina aparece dentro del conjunto de fuentes seleccionadas<\/strong>.<\/p>\n\n<p>Esta aproximaci\u00f3n ya tiene inter\u00e9s en los sistemas de respuestas basadas en IA, aunque no implica que las m\u00e9tricas tradicionales hayan dejado de ser \u00fatiles para el buscador actual.<\/p>\n\n<h2><span class=\"ez-toc-section\" id=\"Que_significa_esta_investigacion_para_el_futuro_del_SEO\"><\/span>Qu\u00e9 significa esta investigaci\u00f3n para el futuro del SEO<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>La conclusi\u00f3n principal es que <strong>Google DeepMind est\u00e1 investigando arquitecturas capaces de replantear la recuperaci\u00f3n y clasificaci\u00f3n de informaci\u00f3n<\/strong>. El trabajo ofrece resultados matem\u00e1ticos y experimentales relevantes, pero todav\u00eda existen diferencias importantes entre una demostraci\u00f3n acad\u00e9mica y un motor de b\u00fasqueda comercial.<\/p>\n\n<p>Forrester recomienda observar especialmente la diferenciaci\u00f3n sem\u00e1ntica del contenido y la medici\u00f3n de la presencia en respuestas generativas. Son propuestas estrat\u00e9gicas derivadas de su interpretaci\u00f3n del estudio, no instrucciones oficiales publicadas por Google.<\/p>\n\n<p>Por ahora, <strong>no hay evidencia de que Google vaya a eliminar su \u00edndice tradicional ni sus p\u00e1ginas de resultados como consecuencia directa de esta investigaci\u00f3n<\/strong>. Tampoco se ha anunciado una fecha de implantaci\u00f3n o una actualizaci\u00f3n del algoritmo relacionada con AutoRegressive Ranking.<\/p>\n\n<p>El inter\u00e9s del estudio reside en que muestra una posible direcci\u00f3n de desarrollo para los sistemas de b\u00fasqueda basados en inteligencia artificial. Si estas arquitecturas consiguieran superar sus limitaciones actuales, <strong>la forma de descubrir, seleccionar y presentar contenidos podr\u00eda cambiar considerablemente<\/strong>, con implicaciones tanto para los usuarios como para los profesionales del posicionamiento web.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Una investigaci\u00f3n de Google DeepMind plantea un nuevo modelo de clasificaci\u00f3n de documentos mediante inteligencia artificial que podr\u00eda modificar la &#8230; <\/p>\n<p class=\"read-more-container\"><a title=\"Google DeepMind investiga un sistema de b\u00fasqueda con IA que podr\u00eda clasificar resultados sin un \u00edndice tradicional\" class=\"read-more button\" href=\"https:\/\/quondos.com\/mag\/google-deepmind-investiga-un-sistema-de-busqueda-con-ia-que-podria-clasificar-resultados-sin-un-indice-tradicional\/#more-131476\" aria-label=\"Leer m\u00e1s sobre Google DeepMind investiga un sistema de b\u00fasqueda con IA que podr\u00eda clasificar resultados sin un \u00edndice tradicional\">Leer m\u00e1s<\/a><\/p>\n","protected":false},"author":850,"featured_media":131477,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[236],"tags":[],"class_list":["post-131476","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-seo","generate-columns","tablet-grid-50","mobile-grid-100","grid-parent","grid-50","no-featured-image-padding"],"_links":{"self":[{"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/posts\/131476","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/users\/850"}],"replies":[{"embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/comments?post=131476"}],"version-history":[{"count":1,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/posts\/131476\/revisions"}],"predecessor-version":[{"id":131478,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/posts\/131476\/revisions\/131478"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/media\/131477"}],"wp:attachment":[{"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/media?parent=131476"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/categories?post=131476"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/tags?post=131476"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}