Una auditoría SEO puede identificar cientos de problemas y, aun así, dejar al equipo sin saber qué corregir primero. Para agilizar las auditorías SEO con agentes de IA, proporciónales acceso fiable a los datos del sitio y de búsqueda, un método repetible para comprobar los hallazgos y una persona que revise las pruebas y las convierta en decisiones.
Los agentes son útiles para recopilar información, comparar páginas, supervisar cambios y redactar recomendaciones de SEO técnico, contenido y visibilidad en IA. Son menos útiles cuando se les pide inferir la demanda de búsqueda sin datos de volumen, diagnosticar páginas que no pueden recuperar o prometer mejoras en el posicionamiento a partir de una lista de comprobación. El objetivo no es generar un informe automatizado más largo, sino llegar más rápido desde un problema verificado hasta una medida adecuada.
Qué significa agilizar las auditorías SEO con agentes de IA
Un agente de IA se diferencia de un único prompt que resume la exportación de un rastreo. Puede llevar a cabo una serie de tareas: recuperar una URL, inspeccionar su contenido, consultar otros datos, comprobar si un posible problema se confirma y proponer el siguiente paso. Search Engine Land ha descrito modelos agénticos recientes capaces de realizar tareas de varios pasos, como extraer páginas web, revisar datos y elaborar recomendaciones. Esa variedad convierte al agente en un coordinador útil de auditorías, siempre que cada paso cuente con datos de entrada fiables.
Respuesta directa: Usa agentes de IA para recopilar y comparar pruebas de auditoría, supervisar cambios y preparar recomendaciones priorizadas. Conéctalos con los datos que requiere cada tarea, verifica los hallazgos importantes con la fuente y deja que las personas se encarguen del contexto empresarial y la implementación.
Una división productiva del trabajo empieza por las tareas repetitivas que, aun así, requieren criterio al final. Un agente puede agrupar errores similares de rastreo, comparar una página con el tema que pretende abordar o señalar un cambio repentino para que se revise. Después, un especialista en SEO puede decidir si el problema afecta a páginas valiosas, si la solución propuesta es viable y qué debe ocurrir antes de aplicar cualquier cambio.
Imagina una página de categoría hipotética cuyo título parece no corresponderse con las consultas a las que el negocio quiere dirigirse. Un agente podría leer la página, generar ideas de palabras clave pertinentes, consultar los datos de demanda de búsqueda disponibles y redactar un título revisado y un brief de contenido. La persona encargada de la revisión aún debe confirmar que la página se dirige al público adecuado, que los términos propuestos encajan con la oferta y que otra página no sería un objetivo mejor.
- Delega la recopilación: Recupera páginas permitidas, exportaciones de rastreos, datos de consultas y otros recursos aprobados.
- Delega la comparación: Detecta patrones entre las URL afectadas y distingue un problema de plantilla que afecta a todo el sitio de un problema de una sola página.
- Delega la preparación: Redacta resúmenes de problemas, comprobaciones propuestas y tickets de implementación con las pruebas que los respaldan.
- Mantén la responsabilidad: Asigna a una persona la aprobación de las prioridades, las afirmaciones sobre el impacto y los cambios en páginas publicadas.
Este enfoque también define el éxito con más claridad que el número de hallazgos generados. Un agente útil debería facilitar la respuesta a estas preguntas: qué páginas están afectadas, qué pruebas respaldan el diagnóstico, cuánta confianza debería tener el equipo y qué acción merece la pena. Si su resultado no permite responderlas, es posible que el flujo de trabajo haya automatizado la redacción de informes, pero no la auditoría en sí.
Empieza con los datos adecuados y los aspectos esenciales de la Búsqueda de Google
Antes de elegir un agente o redactar un prompt, relaciona cada pregunta de la auditoría con los datos que necesita. Search Engine Land advierte que las auditorías agénticas pueden fallar si no se tiene acceso a páginas de resultados de búsqueda, volúmenes de palabras clave o contenido recuperado de las URL. Un modelo puede dar una explicación plausible sin esos datos, pero que algo parezca plausible no demuestra que se aplique al sitio.
Para revisar el contenido de una página, proporciona la página tal como se puede consultar realmente, el público al que se dirige, los datos pertinentes de consultas y, cuando corresponda, páginas comparables. Para una revisión técnica, proporciona los resultados del rastreo y los detalles necesarios para reproducir el problema notificado. Para una revisión de visibilidad, distingue lo que el agente observó directamente de lo que aportaron un conjunto de datos de terceros o una persona.
Usa una referencia inicial que distinga los requisitos de los resultados
Los aspectos esenciales de la Búsqueda de Google agrupan los criterios de referencia en requisitos técnicos, políticas contra el spam y prácticas recomendadas clave. Un agente puede usar esas categorías para estructurar las comprobaciones: ¿puede Google acceder al contenido apto?, ¿hay prácticas que infringen las políticas? y ¿sigue el sitio las prácticas recomendadas aplicables? Este marco ayuda a evitar que una auditoría trate todos los problemas detectados como si tuvieran la misma importancia.
Cumplir los aspectos esenciales de la Búsqueda no garantiza el rastreo, la indexación ni la publicación en la Búsqueda de Google. Esta distinción importa al comunicar los resultados. Una auditoría puede determinar que, según una comprobación concreta, una página parece técnicamente apta; no puede convertir ese resultado favorable en una promesa de visibilidad.
- Para cuestiones de acceso: Registra la URL comprobada, el método empleado para recuperarla y lo que recibió realmente el agente.
- Para cuestiones de demanda de búsqueda: Identifica la fuente de los datos de consultas y volúmenes, en lugar de pedir al agente que estime la demanda de memoria.
- Para cuestiones de contenido: Conserva el texto extraído de la página o una referencia reproducible junto con la recomendación.
- Para cuestiones de políticas o buenas prácticas: Indica qué criterio se está evaluando y evita presentar una interpretación como si fuera una decisión confirmada de Google.
El acceso merece especial atención, porque una página que no se puede recuperar puede distorsionar todas las conclusiones posteriores. En el estudio de Search Engine Land sobre 201 auditorías, 38 devolvieron un error, es decir, el 18,9 %, lo que sugiere que el agente estaba bloqueado o no podía acceder al contenido de forma fiable. Si falla la recuperación, el resultado adecuado es un hallazgo relacionado con el acceso o una comprobación pendiente, no una evaluación inventada del contenido, la utilidad o la capacidad de indexación de la página.
Un registro conciso de las pruebas facilita la revisión del trabajo. Para cada hallazgo importante, conserva la URL o consulta comprobada, la observación pertinente, la fuente de los datos, la hora de la comprobación, la interpretación del agente y una nota sobre el nivel de confianza. Esto no hace que todas las conclusiones sean correctas, pero ofrece a quien las revisa una forma práctica de cuestionarlas antes de que se conviertan en un ticket o en un cambio publicado.
Diseña un flujo de trabajo repetible para las palabras clave y las auditorías de páginas
La investigación de palabras clave es un buen ejemplo de por qué un agente necesita seguir una secuencia, en lugar de recibir solo la instrucción «optimiza esta página». Search Engine Land describe un método de auditoría de páginas que primero propone palabras clave, después valida los volúmenes de búsqueda y, por último, amplía la lista con otras variantes. Ese orden se parece al proceso de un especialista en SEO: generar posibilidades, contrastarlas con pruebas y perfeccionar la lista antes de recomendar cambios.
- Define la página y la decisión. Especifica la URL, su función, el visitante al que se dirige y si la auditoría pretende mejorar una página existente o detectar una que falta. Una página de producto y una guía explicativa no deberían recibir la misma recomendación solo porque mencionen términos similares.
- Genera temas y consultas posibles. Deja que el agente identifique el lenguaje empleado en la página y proponga búsquedas relacionadas. Considera esto una lluvia de ideas, no una afirmación de que esas consultas tengan una demanda medible o la misma intención.
- Valida la demanda y la intención. Comprueba los datos disponibles sobre el volumen de palabras clave y consulta los resultados de búsqueda pertinentes cuando sea posible. Descarta o matiza las sugerencias que no cuenten con datos que las respalden, respondan a una tarea distinta o impliquen una oferta que el negocio no proporciona.
- Amplía la lista con variantes útiles. Busca expresiones y subtemas estrechamente relacionados que ayuden al lector al que se dirige la página. Agrupa las variantes por finalidad en lugar de incluir todas las frases en el texto.
- Compara la página con la oportunidad. Identifica qué responde ya la página, qué aspectos no aclara y si otra URL ya satisface la misma necesidad. La recomendación debería abordar una carencia real, no crear por defecto una página duplicada.
- Prepara un cambio fácil de revisar. Redacta un brief conciso con el cambio propuesto, las consultas que lo respaldan, la URL afectada, el motivo y cualquier suposición que deba confirmar quien lo revise.
El resultado útil es una decisión, no una página reescrita automáticamente. Por ejemplo, un agente puede descubrir que una página de servicios atrae consultas sobre cómo funciona el servicio, pero ofrece pocas explicaciones. La respuesta adecuada podría ser añadir una sección más clara a la página existente, crear una guía complementaria o no publicar contenido nuevo si esas consultas no representan al público del negocio. El agente puede presentar las opciones; la persona responsable elige entre ellas.
Comprueba que las recomendaciones no sean engañosas antes de publicarlas
Los agentes que auditan páginas pueden resultar convincentes incluso cuando les faltan datos de entrada. Exige que el flujo de trabajo marque las sugerencias de palabras clave que no se han validado, distinga el texto observado en la página del texto propuesto e indique si una conclusión depende de un resultado de búsqueda no disponible. Estas etiquetas permiten a quien revisa centrarse en las afirmaciones inciertas, en lugar de releer cada línea con el mismo grado de sospecha.
La utilidad del contenido también importa más allá de la coincidencia con una palabra clave. El análisis de Search Engine Land de marzo de 2026 sobre datos de auditorías de 10 sectores sostenía que la falta de pruebas y la escasa utilidad eran obstáculos habituales para la visibilidad en IA. En una auditoría SEO convencional, la pregunta práctica es parecida: ¿ayuda la página a alguien a avanzar y se pueden respaldar sus afirmaciones importantes? Un agente puede señalar explicaciones superficiales o afirmaciones sin fundamento, pero un editor con conocimientos debe decidir qué pruebas, ejemplos o detalles originales puede añadir legítimamente la página.
Convierte las comprobaciones de SEO técnico en una supervisión continua
Un rastreo puntual describe el sitio en un momento determinado. Puede pasar por alto un problema que aparezca al día siguiente, mientras que repetir manualmente la misma auditoría completa puede consumir el tiempo que debería dedicarse a resolver problemas. Las auditorías continuas cambian la tarea del agente: en vez de generar periódicamente un inventario extenso, debe vigilar los cambios importantes y dirigirlos a la persona adecuada.
Ahrefs describe la automatización del SEO técnico como una tendencia hacia la supervisión permanente. Su página de producto de 2026 indica que Always-on Audit puede notificar inmediatamente a los usuarios sobre problemas críticos y afirma que puede rastrear más de 40.000 páginas al día por sitio. Esas son funciones descritas por el proveedor, no un requisito de que todas las organizaciones necesiten esa escala de rastreo ni una garantía de que obtendrán el mismo resultado.
Un sitio más pequeño puede aplicar el mismo principio con una lista de seguimiento más reducida. Supervisa las plantillas importantes, las páginas modificadas recientemente y las URL vinculadas a tareas empresariales relevantes. Haz que el agente compare los nuevos hallazgos con el estado anterior, agrupe los duplicados y explique por qué un cambio merece atención. La supervisión resulta valiosa cuando reduce el tiempo entre un problema real y una respuesta útil.
- Detecta: Comprueba si hay nuevos fallos de acceso, cambios inesperados en las páginas u otros problemas que el equipo haya definido como importantes.
- Verifica: Vuelve a recuperar la página o contrasta un posible problema antes de tratar una respuesta temporal como un defecto confirmado.
- Determina el alcance: Averigua si el problema afecta a una URL, una plantilla de página o una sección más amplia.
- Asigna: Envía el hallazgo a la persona que pueda investigarlo o resolverlo, con las pruebas adjuntas.
- Cierra el ciclo: Vuelve a comprobar las URL afectadas tras un cambio y registra si se resolvió el problema.
Define los umbrales de alerta con cuidado. Si cada variación menor genera una notificación, la gente podría dejar de leerlas; si solo se supervisan los fallos graves, podrían pasarse por alto avisos tempranos útiles. La persona responsable de la auditoría puede definir qué páginas son más importantes, qué se considera un cambio crítico y qué observaciones deberían guardarse para una revisión rutinaria en lugar de interrumpir a alguien.
No todas las tareas recurrentes consisten en rastrear páginas. Un ejemplo de Ahrefs de junio de 2026 describe un agente que obtiene datos actualizados cada mes, los limpia, prepara actualizaciones para WordPress y envía por correo electrónico enlaces de vista previa para su aprobación. El autor compara ese flujo con un proceso manual que consume mucho tiempo y reparte el trabajo entre la recopilación de datos, su limpieza, el formato y la publicación. La lección que puede aplicarse a otros casos es el límite de aprobación: la automatización prepara la actualización, pero una persona la revisa antes de publicarla.
Incorpora comprobaciones de visibilidad en IA y entidades sin perder el foco
Las auditorías SEO tradicionales preguntan si se pueden encontrar las páginas y si responden a búsquedas pertinentes. Las auditorías de visibilidad en IA amplían la investigación para examinar cómo aparece una marca en sistemas como AI Overviews de Google, ChatGPT y Perplexity. Ahrefs lo describe como una evaluación estructurada, no como un simple recuento de las respuestas en las que aparece el nombre de una marca.
Su marco de 2025 establece ocho pasos: delimitar la auditoría, evaluar la visibilidad de referencia, inspeccionar la exactitud y el tono de las respuestas sobre la marca, analizar consultas sin marca, encontrar las páginas más citadas, identificar menciones de marca, comparar competidores y convertir los hallazgos en una estrategia. Un agente puede hacer que esta secuencia sea repetible al recopilar respuestas y organizar observaciones. El valor está en revisar lo que esas respuestas dicen realmente y decidir si el sitio o la presencia general de la marca pueden cubrir una carencia importante.
Comprueba si los sistemas entienden el negocio
Search Engine Land sostiene que las auditorías de la huella de entidades en IA deberían abarcar más que el sitio web. El SEO técnico, el contenido, los backlinks, los datos estructurados, los perfiles de empresa de Google, las citas y las reseñas pueden influir en cómo se representa un negocio. Una forma práctica de auditarlo es pedirle a un chatbot que explique a qué se dedica la empresa y después contrastar la descripción con información verificada.
Supongamos que un sistema de IA describe de forma incompleta los servicios de un proveedor local. Un agente podría comparar esa respuesta con las páginas del proveedor y los perfiles de empresa disponibles, señalar incoherencias e identificar qué fuente requiere una inspección más detallada. Eso no demuestra por qué el modelo generó esa respuesta, pero sí plantea una investigación concreta que va más allá de preguntar si una sola página aparece bien posicionada.
Mantén separadas las consultas con marca y sin marca. Una respuesta con marca permite comprobar si un sistema representa con precisión una empresa cuyo nombre ya se ha mencionado. Una consulta sin marca permite averiguar si la empresa aparece cuando alguien describe una necesidad sin nombrar a ningún proveedor. Las comparaciones con competidores pueden aportar contexto, pero no deberían convertirse automáticamente en instrucciones para copiar su contenido o sus afirmaciones.
También hay una diferencia entre observar la actividad de los rastreadores de IA y medir la visibilidad en IA. Ahrefs afirma que sus analíticas de bots registran más de 12 categorías de bots, incluidos los rastreadores de IA y los motores de búsqueda. La actividad de los bots puede ayudar a un auditor a investigar el acceso y el comportamiento, pero no demuestra por sí sola que una respuesta concreta citara el sitio, describiera correctamente la marca o llevara a alguien a visitarlo. Usa cada medición para la pregunta que realmente puede responder.
Prioriza las pruebas y el contenido útil por encima de un único archivo de accesibilidad para IA
Las nuevas comprobaciones pueden resultar útiles sin convertirse en el centro de una auditoría. Chrome Lighthouse añadió en 2026 una comprobación de auditoría para llms.txt, según Search Engine Land, pero esta no genera una puntuación tradicional de Lighthouse. Su presencia en un conjunto de herramientas técnicas es motivo para entender qué se comprueba, no para dar por hecho que el archivo determina la visibilidad en IA.
Un estudio de Ahrefs de junio de 2026 informó de que nunca se había leído el 97 % de los archivos llms.txt y que solo se había recuperado el 3 %. De esas recuperaciones, el 19,5 % procedía de herramientas de IA identificadas por su nombre. Estos resultados hacen difícil justificar que el archivo se trate como una solución universal. Un equipo puede decidir revisarlo o mantenerlo, pero primero debería aclarar qué problema pretende resolver el archivo y si los sistemas pertinentes lo utilizan.
Da prioridad a la limitación que respalden las pruebas: una página a la que un agente no puede acceder, una descripción inexacta del negocio o un contenido que no responde a la pregunta del lector merecen más atención que una promesa no demostrada vinculada a un solo archivo.
Un método sólido para priorizar no se limita a preguntar si una comprobación se ha superado. Primero, identifica al público o al grupo de páginas afectados. Después, confirma el fallo y su alcance probable. Por último, considera la importancia de esas páginas para el negocio, el esfuerzo necesario para solucionar el problema y la incertidumbre sobre el beneficio esperado. Es más fácil actuar sobre una recomendación con un alto nivel de confianza y una persona responsable claramente identificada que sobre una afirmación llamativa sin una observación reproducible.
- Resuelve primero los bloqueos: Investiga los fallos de acceso antes de pedirle a un agente que evalúe contenido que no ha leído.
- Corrige las inexactitudes importantes: Contrasta las descripciones engañosas del negocio y las afirmaciones sin fundamento con información autorizada de la empresa.
- Mejora la utilidad: Haz que las páginas importantes respondan a preguntas reales con el nivel de detalle y las pruebas que el negocio pueda ofrecer.
- Evalúa proporcionalmente las comprobaciones opcionales: Valora elementos como llms.txt en función del comportamiento observado, en lugar de dar por sentados su adopción o impacto.
Este orden no significa que todos los sitios necesiten el mismo plan de trabajo. Una gran editorial, un negocio local y un sitio pequeño de servicios tendrán páginas de gran valor y limitaciones distintas. El agente debería ayudar a detectar esas diferencias mediante pruebas, mientras que la persona responsable de la auditoría decide dónde se aprovechará mejor el limitado tiempo de implementación.
Integra la revisión humana en el flujo de trabajo del agente
La supervisión humana funciona mejor cuando se asigna a decisiones concretas, en lugar de añadirse como una instrucción vaga al final. Antes de implementar el sistema, decide qué tareas puede completar el agente por su cuenta, cuáles requieren aprobación y cuáles quedan fuera de sus competencias. Redactar un ticket y publicar un cambio en una página son acciones distintas y tienen consecuencias diferentes.
Una configuración práctica puede permitir que el agente inspeccione los recursos aprobados, organice los hallazgos y prepare borradores. Una persona responsable del SEO revisa las prioridades y las suposiciones relacionadas con las búsquedas. Un experto en la materia comprueba las afirmaciones sobre productos, servicios o temas regulados cuando corresponda. La persona responsable del sitio aprueba e implementa los cambios mediante el proceso habitual de la organización.
Haz que cada recomendación sea fácil de auditar
Una recomendación debería indicar el problema observado, la URL o consulta afectada, la fuente de las pruebas, la posible consecuencia, el siguiente paso propuesto y las incertidumbres pendientes. Por ejemplo, si el agente sugiere cambiar un título, quien lo revise debería poder ver el título actual, la finalidad de la página, el conjunto validado de consultas y el motivo por el que la nueva redacción es preferible. Si informa de un problema de rastreo, quien lo revise debería poder reproducir la solicitud fallida o entender por qué se necesita investigar más.
El análisis de auditorías de Search Engine Land de septiembre de 2026 establece una distinción útil entre automatización y experiencia: incluso un informe de 50 páginas puede ser puro relleno si no explica qué importa, por qué existen los problemas y qué mejorará los resultados. Por tanto, un agente debería evaluarse por la calidad de sus decisiones y de las pruebas que las respaldan, no por la rapidez con la que completa un documento.
La revisión también puede mejorar el sistema con el tiempo. Cuando una persona rechace un hallazgo, registra si el problema se debió a una recuperación fallida, una consulta irrelevante, una suposición equivocada sobre el negocio o una recomendación técnicamente correcta, pero que no merecía el esfuerzo. Esas categorías indican si el equipo debe reparar una conexión de datos, cambiar una instrucción, ajustar una regla de priorización o mantener intacta la detección del agente y cambiar la forma de asignar los hallazgos.
- Haz una prueba piloto pequeña: Elige un grupo limitado de páginas importantes y unas cuantas preguntas de auditoría respaldadas por datos accesibles.
- Compárala con una revisión manual: Comprueba si el agente identifica problemas reales, pasa por alto otros evidentes o genera trabajo adicional de verificación.
- Define los niveles de aprobación: Mantén los cambios de contenido propuestos y las acciones técnicas importantes en una cola de revisión humana.
- Amplía de forma selectiva: Añade más páginas o tareas solo cuando el flujo de trabajo existente produzca hallazgos que el equipo pueda verificar y poner en práctica.
Esta configuración es una alternativa a comprar o crear de inmediato un sistema de auditoría autónomo integral. También ofrece a los equipos una forma más justa de evaluar las herramientas: pregunta si el producto puede acceder a los datos necesarios, explicar sus hallazgos, adaptarse al proceso de aprobación del equipo y supervisar los problemas importantes para ese sitio en particular.
Mide si las auditorías continuas conducen a mejores decisiones
Una vez que el agente esté en funcionamiento, evita confundir la actividad con los resultados. El número de páginas rastreadas, recomendaciones redactadas y alertas enviadas describe el trabajo realizado por el sistema, pero no demuestra que el equipo haya detectado antes problemas importantes o aplicado mejores cambios. Mide el proceso desde la detección hasta la verificación, la acción y la nueva comprobación.
Una revisión útil podría preguntar cuántas alertas se pudieron reproducir, qué hallazgos dieron lugar a una solución, cuánto tiempo permanecieron sin resolver los problemas importantes y con qué frecuencia se rechazaron recomendaciones por falta de pruebas. Estas son preguntas de gestión sugeridas, no referencias universales. Las métricas adecuadas dependen de las tareas asignadas al agente y de lo que la organización pueda observar de forma fiable.
En esas revisiones, distingue la supervisión del diagnóstico. Puede que un sistema sea muy bueno detectando que ha cambiado un conjunto de páginas, pero malo explicando por qué importa ese cambio. Otro puede redactar buenas sugerencias de contenido y, sin embargo, pasar por alto fallos de acceso. Saber qué parte funciona permite al equipo conservar la automatización útil y reparar o reemplazar el paso menos eficaz.
Aplica la misma disciplina al trabajo de visibilidad en IA. Comprobar repetidamente un conjunto definido de consultas con marca y sin marca puede ayudar al equipo a detectar cambios en la representación, pero una sola respuesta no mide por completo la visibilidad de la marca. Conserva la pregunta exacta y la respuesta observada, evalúa su exactitud factual y relaciona cualquier cambio propuesto en el sitio con una carencia plausible en la información disponible sobre el negocio.
Las auditorías continuas también requieren mantenimiento. Las páginas, las ofertas del negocio, las conexiones de datos y las prioridades cambian; un agente configurado para una estructura antigua del sitio puede seguir generando consejos bien redactados, pero irrelevantes. Revisa su alcance y sus instrucciones cuando cambie el sitio, y analiza periódicamente una muestra de sus hallazgos aunque no haya alertas. La ausencia de alertas puede significar que no se han detectado problemas o que una conexión de datos ha dejado de funcionar.
La decisión práctica no consiste en elegir entre una auditoría totalmente manual y otra totalmente autónoma. Un agente especializado que compruebe de forma fiable unas pocas cuestiones de gran valor puede superar a un flujo de trabajo elaborado que produzca más hallazgos de los que nadie puede verificar. Amplía la cobertura cuando el equipo tenga pruebas de que merece la pena automatizar la siguiente tarea y haya una persona claramente encargada de actuar a partir de sus resultados.
Los agentes de IA pueden hacer que las auditorías SEO sean más continuas y requieran menos trabajo si cuentan con datos de entrada fiables, una secuencia de comprobaciones definida y un proceso claro de aprobación humana. Empieza por el acceso y los aspectos esenciales de la Búsqueda de Google, valida las oportunidades de palabras clave antes de recomendar cambios de contenido y amplía la auditoría a la visibilidad en IA cuando esas cuestiones sean importantes para el negocio.
La mejor auditoría no es la que genera más páginas de resultados. Es la que muestra lo que se observó, distingue la incertidumbre de los hechos y ayuda al equipo a resolver a continuación el problema verificado más importante.
