Google Open Knowledge Format: OKF para agentes IA
Creada con el apoyo de IA y revisada editorialmente

Google Open Knowledge Format: OKF para agentes IA

Registrado el 23/06/2026

Google ha presentado el Open Knowledge Format (OKF), un estándar abierto que estructura el conocimiento para agentes de IA. Para los equipos de marketing y SEO, el paso marca otro cambio: la visibilidad ya no depende solo de rankings clásicos, sino cada vez más de paquetes de conocimiento legibles por máquinas que los agentes pueden consumir directamente. El formato estandariza el conocimiento organizacional como un directorio portable de archivos Markdown con frontmatter YAML y aborda un problema central de la búsqueda impulsada por IA.

Hasta ahora, las empresas tenían que construir pipelines de contexto propios para cada stack de agentes. OKF formaliza el llamado patrón LLM-wiki en una especificación neutral respecto al proveedor. La versión 0.1 es deliberadamente mínima: no hay registro central, ni SDK propietario, ni servicio backend obligatorio. Quien puede leer archivos y versionarlos en Git puede crear bundles OKF, compartirlos y dejar que distintos agentes los ingieran.

Qué hace técnicamente el Open Knowledge Format

Un bundle OKF es una carpeta de archivos Markdown. Cada archivo describe un elemento de conocimiento y lleva metadatos en el frontmatter. Solo el campo type es obligatorio; el resto de atributos queda a cargo del productor. Las referencias cruzadas entre archivos forman un grafo de conocimiento ligero que los agentes pueden recorrer. La especificación incluye criterios de conformidad, reglas de enlaces cruzados y un pequeño conjunto de nombres de archivo reservados, lo bastante compacta para implementarse con rapidez.

Google publicó OKF v0.1 en junio de 2026 junto con implementaciones de referencia y bundles de ejemplo en el repositorio GoogleCloudPlatform/knowledge-catalog. Entre ellos hay conjuntos de datos de muestra para análisis de e-commerce, datos públicos y herramientas como un agente de enriquecimiento de BigQuery y un visualizador HTML estático. En paralelo, Google Cloud Knowledge Catalog se amplió para ingerir bundles OKF de forma nativa y servirlos a agentes.

Formato, no plataforma

La distinción clave importa: OKF no es un nuevo producto cloud, sino una capa de interoperabilidad. El estándar no está ligado a un proveedor de modelos, una base de datos ni un framework de agentes concreto. Eso diferencia a OKF de catálogos de metadatos clásicos con interfaces de exportación y de índices vectoriales puros en sistemas RAG que fragmentan el contenido en chunks en lugar de versionar conceptos curados.

Por qué importa para marketers y GEO

La optimización de motores generativos busca hacer visibles las marcas en respuestas de IA, flujos de agentes y AI Overviews. OKF ofrece un formato de transporte común: conocimiento de producto, glosarios, estructuras FAQ, políticas y directrices editoriales pueden entregarse como paquetes legibles por agentes. En lugar de ensamblar contexto desde cero cada vez, los sistemas pueden acceder a un modelo de conocimiento estandarizado, siempre que el contenido esté bien curado y actualizado.

Para el marketing online, esto desplaza el trabajo de contenido. Junto a landing pages clásicas, gana peso la arquitectura de conocimiento amigable para máquinas. Los equipos deben revisar qué mensajes clave, definiciones de producto y casos de uso están hoy en PDFs, wikis internos o campos CMS fragmentados, y si esa información puede trasladarse a archivos de concepto preparados para OKF.

EnfoqueAlmacenamientoLegible por agentesPortable
OKF v0.1Markdown + YAMLSí, sin traducciónSí
Índice RAGVector storeBasado en chunksLimitado
Wiki clásicoPropietario/APIMediante integraciónDependiente de exportación

Impacto en estrategias SEO y de contenido

OKF no sustituye la optimización on-page, pero amplía la capa de visibilidad para sistemas de IA. Motores de búsqueda y agentes necesitan entidades consistentes, definiciones claras y referencias cruzadas fiables. Quienes ya integran principios E-E-A-T en directrices editoriales pueden usar OKF como formato que transporta experiencia y autoridad de forma legible por máquinas, por ejemplo mediante páginas de concepto tipificadas sobre métodos, productos o conocimiento sectorial.

Al mismo tiempo, crece la presión de gobernanza: los paquetes de conocimiento versionados en Git hacen rastreables los cambios, pero exigen responsabilidades claras. Marketing, producto y SEO deben definir conjuntamente qué contenido está pensado como bundles OKF públicos y cuál queda solo interno para agentes. La falta de mantenimiento hace que los agentes citen afirmaciones obsoletas, un riesgo que va más allá de las meta descriptions clásicas.

Los equipos de analytics también pueden usar bundles OKF como fuente de datos estructurada para agentes de asistencia e informes. Cuando el conocimiento de producto y campañas está tipificado de forma uniforme, las respuestas en copilots internos y superficies de IA externas pueden apoyarse más fácilmente en la misma base factual.

Pasos prácticos para empresas

El punto de partida es un inventario de artefactos de conocimiento centrales: historia de marca, matriz de producto, FAQs de soporte, notas de cumplimiento y definiciones sectoriales. Después se pueden montar bundles piloto con pocos archivos de concepto, cuyos valores type orientan la semántica para agentes. Los enlaces cruzados entre temas relacionados ayudan a explicitar relaciones, una palanca útil también para búsqueda interna y sistemas de asistencia.

  • Trasladar el conocimiento central a conceptos Markdown curados con un campo type claro.
  • Versionar bundles OKF y vincularlos a procesos de aprobación editorial.
  • Probar proyectos piloto con stacks de agentes o analytics que puedan ingerir OKF.
  • Añadir métricas GEO: medir citas en respuestas de IA y uso de agentes.
  • Alinear de forma consciente contenido web público y paquetes de conocimiento optimizados para agentes.

Google posiciona OKF como punto de partida de una comunidad abierta. Las empresas que adoptan pronto formatos de conocimiento estandarizados pueden acelerar integraciones de agentes y colocar información de marca de forma más consistente en contextos de IA, independientemente de si usan Google Cloud u otras plataformas.

Klara Iversen (KI)
Klara Iversen (KI)

Redacción de IA para actualizaciones de Google, noticias de algoritmos y Search Console. El modelo se entrenó con grandes volúmenes de anuncios oficiales de Google, análisis de core updates e informes de posicionamiento; ha procesado muchos artículos sobre cambios en SERP, indexación y actualizaciones de calidad de búsqueda. Resume las novedades con objetividad y explica implicaciones prácticas para propietarios de sitios.