Algoritmo BERT: cómo Google aprendió a leer el lenguaje en contexto

BERT es una técnica de red neuronal para el procesamiento del lenguaje natural que Google introdujo en la Búsqueda en octubre de 2019. Abreviatura de Bidirectional Encoder Representations from Transformers, ayuda al motor a entender el contexto completo de las palabras en una consulta al considerar las palabras que vienen antes y después de cada una. En su lanzamiento, Google dijo que mejoraría una de cada diez búsquedas en inglés en Estados Unidos, el mayor salto en su comprensión del lenguaje desde RankBrain.

BERT no es una penalización de posicionamiento ni un ajuste que puedas manipular. Es una mejora de comprensión que permite a Google interpretar las formulaciones desordenadas y conversacionales como lo haría una persona. Para cualquiera que escriba contenido, ese cambio recompensa el lenguaje claro y natural y castiga discretamente los trucos de palabras clave que ignoran el significado.

¿Qué es el algoritmo BERT?

BERT es a la vez tres cosas: un componente de la Búsqueda de Google, un marco de investigación de código abierto y una herramienta general de procesamiento del lenguaje natural. Google lo liberó como código abierto en 2018 y lo integró en la Búsqueda al año siguiente. Su trabajo es modelar cómo se relacionan las palabras entre sí dentro de una frase, para que el motor pueda leer una consulta como un pensamiento conectado en lugar de una bolsa de palabras clave.

El avance es la comprensión contextual. Los sistemas anteriores a menudo trataban cada palabra de forma aislada o escaneaban el texto en una sola dirección. BERT procesa una palabra en relación con todas las demás palabras a su alrededor, lo que le permite desambiguar el significado, resolver los pronombres y detectar cuándo una palabra pequeña como una preposición cambia todo sobre una petición.

Cómo funciona BERT: transformadores bidireccionales

La B de BERT significa bidireccional. Los modelos de lenguaje más antiguos como Word2Vec leen el texto en una dirección, de izquierda a derecha o de derecha a izquierda, a través de una ventana limitada. BERT lee toda la frase a ambos lados de una palabra al mismo tiempo, dándole un sentido del contexto mucho más rico. Esta es la idea más importante detrás de su precisión.

La T significa transformadores, la arquitectura de transformadores que impulsa la mayoría de los modelos de lenguaje modernos. BERT se entrena con un método llamado modelado de lenguaje enmascarado: oculta ciertas palabras y aprende a predecirlas a partir del texto circundante, lo que le obliga a construir un modelo profundo de cómo encaja el lenguaje. Este preentrenamiento, una forma de aprendizaje automático, es lo que da a BERT su captación general del significado.

BERT en acción: los ejemplos del bordillo y el visado

Google ilustró BERT con dos consultas ahora famosas. Para la búsqueda "viajero de brasil a usa en 2019 necesita visado", el sistema antiguo pasaba por alto la palabra "a" y devolvía páginas sobre ciudadanos de Estados Unidos que viajaban a Brasil. BERT reconoció que la preposición invierte el significado y mostró la información correcta para un brasileño que se dirige a América.

El segundo ejemplo implicaba aparcar en una colina sin bordillo. Anteriormente Google se apoyaba en la palabra "bordillo" e ignoraba el "sin", devolviendo lo contrario de lo que el buscador quería. BERT manejó correctamente la negación. Ambos casos muestran su fortaleza en las consultas más largas y conversacionales y en las búsquedas donde preposiciones como "para" y "a" cargan con el significado.

BERT frente a RankBrain

BERT fue el mayor cambio en la Búsqueda desde que RankBrain se lanzó aproximadamente cinco años antes, y los dos funcionan juntos en lugar de competir. RankBrain ajusta cómo Google interpreta las consultas y afina los resultados basándose en el comportamiento del usuario, aprendiendo patrones con el tiempo. Fue el primer uso importante de la inteligencia artificial por parte de Google para entender la búsqueda.

BERT está más especializado. Se centra en la estructura lingüística de una consulta, analizando cómo se combinan las palabras para formar la intención. Donde RankBrain aprende de las interacciones en muchas búsquedas, BERT aporta una comprensión profunda del lenguaje a la consulta individual que tiene delante. Ambos son parte de una familia más amplia de sistemas que acercan a Google a una verdadera búsqueda semántica.

Dónde se aplica BERT en la Búsqueda

BERT opera tanto del lado de la consulta como del lado de los resultados. Ayuda a Google a analizar lo que un buscador realmente quiere decir, lo que importa más para las formulaciones naturales, al estilo hablado. También impulsa mejores fragmentos destacados, donde Google informó haber aplicado BERT en dos docenas de países con ganancias notables en idiomas como el coreano, el hindi y el portugués.

Como mejora cómo el motor lee la intención de búsqueda, BERT tiende a recompensar las páginas que responden preguntas reales con claridad. Alejó la Búsqueda de la coincidencia literal de palabras clave y la acercó a hacer coincidir el significado detrás de una consulta, por lo que el contenido que aborda un tema a fondo rinde mejor que el contenido repleto de frases exactas.

¿Puedes optimizar para BERT?

No directamente, y ese es el punto. Google ha sido explícito en que no hay nada para lo que optimizar: BERT es un marco de comprensión, no una palanca de posicionamiento. La orientación oficial es simplemente escribir de forma natural, porque BERT ayuda a Google a entender el contenido que ya se lee bien en lugar de recompensar ningún formato especial.

En la práctica, esto significa centrarse en la claridad y en las necesidades del buscador. Las páginas con contenido bien escrito y conversacional que responde genuinamente a las preguntas tienden a beneficiarse, mientras que el relleno de palabras clave sin contexto puede perder terreno. Alinear tu escritura con las preguntas reales de los usuarios, respaldado por una investigación de palabras clave y planificación de contenido sólida, es la forma más fiable de mantenerse del lado correcto de los sistemas de comprensión del lenguaje.

Por qué BERT importa para el SEO y el GEO

Para el SEO, BERT confirmó una dirección de larga data: escribe primero para humanos. Convirtió el significado, la estructura y la claridad en la moneda de la búsqueda en lugar de las palabras clave de coincidencia exacta, reforzando el valor del contenido útil que satisface la intención. Las páginas escasas o manipuladoras se volvieron más fáciles de detectar para Google.

Para la optimización para motores generativos, BERT es un antepasado temprano de los sistemas que ahora impulsan la búsqueda con IA. La misma comprensión bidireccional basada en transformadores sustenta los grandes modelos de lenguaje detrás de asistentes como ChatGPT, Perplexity y Gemini. El contenido escrito con suficiente claridad para que BERT lo entienda es también contenido que estos sistemas de LLM pueden analizar, en el que pueden confiar y que pueden citar, lo que hace del buen lenguaje un cimiento compartido tanto para la búsqueda como para la visibilidad en IA.

Conclusión

BERT marcó el momento en que Google aprendió a leer una consulta en contexto, usando transformadores bidireccionales para ponderar cada palabra frente a sus vecinas. Mejoró una de cada diez búsquedas en inglés en su lanzamiento, afinó los fragmentos destacados y empujó al SEO decididamente hacia una escritura natural e impulsada por la intención. No hay ningún truco para optimizar para ello, solo la disciplina de responder preguntas reales con claridad.

Para ir más allá, conecta esto con el procesamiento del lenguaje natural y la búsqueda semántica, y usa las herramientas de investigación y planificación de contenido de Sorank para apuntar a las preguntas que la gente realmente plantea. Fuentes de referencia: Google Blog, Search Engine Journal y Search Engine Land.