Dades estructurades per a IA: schema que funciona | Ighenatt

Les dades estructurades han estat durant anys una eina per comunicar el significat del teu contingut als motors de cerca. Amb l’irrupció dels motors d’IA generativa (Google AI Overviews, ChatGPT Search, Perplexity), aquesta funció s’ha tornat encara més rellevant: el schema markup és el llenguatge que els LLMs utilitzen per comprendre, categoritzar i citar el teu contingut de forma precisa.

Google confirma explícitament que les dades estructurades faciliten la comprensió del contingut per part dels seus sistemes d’IA. No és una garantia d’aparició, però sí un senyal que redueix l’ambigüitat i augmenta la probabilitat que el teu contingut sigui seleccionat com a font.

Per què les dades estructurades són fonamentals per als motors d’IA

Un model de llenguatge pot llegir i comprendre text lliure, però el schema markup li proporciona metadades explícites que eliminen la necessitat d’inferir. Quan la teva pàgina inclou Article schema amb autor, data i organització, la IA no necessita deduir aquestes dades de l’HTML: les té en format processable.

Aquesta diferència és rellevant perquè els motors d’IA avaluen la fiabilitat de les fonts abans de citar-les. Un article amb autoria clara (declarada en schema), data de publicació verificable i organització editorial identificada és més fiable per al model que un article sense aquestes metadades, fins i tot si el contingut textual és idèntic.

El 68% dels resultats enriquits a Google provenen de pàgines amb JSON-LD implementat. JSON-LD és el format recomanat per Google per la seva neteja (no es barreja amb l’HTML del contingut) i per la seva facilitat de manteniment. Microdata i RDFa segueixen sent vàlids, però JSON-LD domina les implementacions modernes.

Els tipus de schema que més valoren els motors d’IA generativa

No tots els tipus de schema tenen el mateix impacte en la visibilitat davant motors d’IA. Segons l’anàlisi de BrightEdge i la nostra experiència en optimització per a IA generativa, aquests són els tipus amb major correlació:

La combinació Article + FAQPage és la més efectiva per a contingut informacional. Article aporta el context editorial que la IA necessita per avaluar la fiabilitat, i FAQPage estructura les respostes en format directament extraïble.

Article schema: com implementar-lo correctament per a GEO

Article schema és la base per a qualsevol pàgina de contingut editorial. Els camps que més influeixen en l’avaluació per part dels motors d’IA són:

• author: nom complet de l’autor amb enllaç a la seva pàgina de perfil. Si l’autor té un perfil verificat a Google Scholar o LinkedIn, enllaçar-lo reforça el senyal d’expertise.
• datePublished i dateModified: la frescor del contingut és un factor de selecció per a AI Overviews. Un article actualitzat recentment té avantatge sobre un publicat fa anys sense modificacions.
• publisher: l’organització que dona suport al contingut, amb logotip i URL. Això connecta l’article amb la reputació del domini.
• headline: ha de coincidir exactament amb el H1 visible de la pàgina. Les discrepàncies entre schema i contingut visible són un senyal negatiu.

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Títol exacte del H1",
  "author": {
    "@type": "Person",
    "name": "Nom de l'Autor",
    "url": "https://exemple.com/autor/"
  },
  "datePublished": "2026-03-06",
  "dateModified": "2026-03-06",
  "publisher": {
    "@type": "Organization",
    "name": "Ighenatt",
    "logo": { "@type": "ImageObject", "url": "https://ighenatt.es/logo.png" }
  }
}

El camp dateModified és especialment rellevant: quan actualitzes un article amb dades noves, actualitzar aquesta data senyala frescor tant a Google com als models d’IA que prioritzen informació recent.

FAQPage schema: les preguntes que respon la IA venen d’aquí

FAQPage schema té una relació directa amb AI Overviews perquè estructura la informació exactament com els LLMs la processen: en parells de pregunta i resposta.

Quan Google genera un AI Overview per a una consulta de tipus pregunta, cerca fonts que continguin respostes estructurades. Si la teva pàgina té FAQPage schema amb preguntes rellevants per a aquella consulta, la IA pot extreure la resposta directament del schema i citar-te com a font.

Les regles per a una implementació efectiva són clares:

• Cada pregunta del schema ha de ser visible a la pàgina com a text. Si l’usuari no pot veure la pregunta, Google considerarà el schema enganyós.
• Les respostes han de ser concises però completes. Entre 40 i 150 paraules és el rang òptim per a la citabilitat.
• Les preguntes s’han de formular com les formularia un usuari real. Eines com “People Also Ask” de Google o Answer the Public ajuden a identificar les formulacions més freqüents.

Un error freqüent és marcar amb FAQPage schema les preguntes d’una secció comercial (“Quant costen els vostres serveis?”). Google distingeix entre preguntes informacionals genuïnes i preguntes promocionals, i penalitza les segones.

HowTo schema: instruccions pas a pas que la IA cita directament

Per a contingut instructiu, HowTo schema és el tipus més rellevant. Estructura cada pas amb nom, descripció, imatge (opcional) i posició, permetent que els motors d’IA extreguin instruccions seqüencials amb precisió.

Un aspecte tècnic important: cada pas (HowToStep) ha de ser autocontingut. La IA pot citar un sol pas o un subconjunt de passos, per la qual cosa cada un necessita tenir sentit per si mateix sense dependre del context dels passos anteriors.

Els camps que maximitzen la citabilitat són:

• name: títol curt del pas (5-10 paraules)
• text: descripció completa del que cal fer
• url: enllaç a l’àncora del pas a la pàgina (facilita la navegació directa)
• estimatedCost i totalTime: dades addicionals que la IA pot incloure en les seves respostes

HowTo schema funciona especialment bé per a consultes de tipus “com fer X” o “passos per a Y”, que són el tipus de consulta on AI Overviews té major presència.

Per validar que la teva implementació és correcta, utilitza el Rich Results Test de Google. Aquest validador verifica tant la sintaxi del JSON-LD com la coherència amb les directrius de Google per a cada tipus de schema.

Preguntes freqüents sobre dades estructurades i GEO

El schema markup garanteix que apareixeré en AI Overviews?

No. El schema facilita la comprensió del contingut per part dels sistemes d’IA, però l’aparició en AI Overviews depèn de múltiples factors: rellevància, autoritat, qualitat del contingut i senyals d’E-E-A-T. El schema és un senyal més, no una garantia.

Puc usar múltiples tipus de schema en una mateixa pàgina?

Sí. Google recomana implementar tots els tipus de schema rellevants per a cada pàgina. Una pàgina de blog pot tenir simultàniament Article, FAQPage i BreadcrumbList. La combinació més efectiva per a contingut informacional és Article + FAQPage.

Google verifica el schema abans d’usar-lo en respostes d’IA?

Google valida que el schema sigui tècnicament correcte i que representi fidelment el contingut de la pàgina. Si detecta discrepàncies entre el schema i el contingut real (per exemple, FAQ markup en una pàgina sense preguntes visibles), pot ignorar o penalitzar el schema.

Implementar dades estructurades correctament és una de les accions tècniques amb major retorn per a la visibilitat davant motors d’IA. Si necessites una auditoria de les teves dades estructurades o vols implementar una estratègia de schema orientada a SEO tècnic i GEO, parla amb el nostre equip per dissenyar una implementació adaptada al teu lloc.