‍LinkedInEl algoritmo de LinkedIn no puede detectar el contenido escrito por IA. Lo que detecta es si alguien tuvo el interés suficiente como para terminar de leerlo.

Esa distinción es lo que la mayoría de las agencias pasan por alto cuando intentan diagnosticar la caída del alcance de un cliente. El problema no es que LinkedIn marque las publicaciones de IA. El problema es que el contenido generado por IA, sin una perspectiva profesional específica en su núcleo, genera un tiempo de permanencia casi nulo, no obtiene guardados y no provoca ninguna conversación real.

El algoritmo lee esa señal de comportamiento y deja de distribuir el contenido. El resultado parece una penalización. El mecanismo es más sencillo: nadie lo leyó realmente.

Esto empeoró significativamente en marzo de 2026, cuando LinkedIn reemplazó todo su sistema de clasificación del feed. Según el Informe de perspectivas del algoritmo 2025de Richard van der Blom, el punto de referencia independiente más citado sobre el rendimiento en LinkedIn:

• Las visualizaciones cayeron aproximadamente un 50% interanual
• La interacción disminuyó un 25%
• El crecimiento de seguidores cayó un 59% en el período previo y posterior a este cambio

Entender qué reemplazó al antiguo sistema y qué premia ahora explica las cifras por las que preguntan sus clientes.

¿Qué es la actualización del algoritmo 360Brew de LinkedIn y qué cambió?

El 12 de marzo de 2026, LinkedIn renovó por completo la arquitectura de su feed. Según un anuncio oficial del líder de ingeniería de LinkedIn, Hristo Danchev, en el Blog de ingeniería de LinkedIn, la plataforma eliminó su infraestructura fragmentada y la reemplazó por un sistema de recuperación unificado impulsado por incrustaciones de modelos de lenguaje extenso (LLM) y modelos de recomendación generativos.

Aunque el equipo de ingeniería de LinkedIn se refiere a esto internamente como un pipeline de LLM unificado, la industria global de marketing B2B y las plataformas de análisis han adoptado ampliamente el apodo 360Brew para describir este nuevo ecosistema, un término detallado en análisis profundos como el Guía del algoritmo Falia 2026.

No se trató de un ajuste menor del algoritmo. Fue una reconstrucción completa de la forma en que el feed decide qué mostrar.

Cómo procesaba las señales del feed el antiguo algoritmo de LinkedIn

El sistema anterior de LinkedIn era una cadena de modelos especializados, cada uno responsable de una señal específica (según un análisis técnico del blog de ingeniería publicado en la comunidad DEV por Nicolas Lecocq en mayo de 2026):

• Uno contabilizaba los «me gusta»
• Uno medía el tiempo de permanencia
• Uno rastreaba las tasas de clics
• Uno evaluaba la proximidad de la red

Una capa final combinaba todo esto en una puntuación de clasificación. El sistema era manipulable: bastaba con acumular suficientes señales en el orden correcto para obtener alcance. Por eso tácticas como los grupos de interacción, las franjas horarias de publicación y la optimización de hashtags podían aumentar las cifras de forma fiable. El sistema contaba comportamientos, no evaluaba el significado.

‍Cómo evalúa el significado el nuevo sistema LLM 360Brew de LinkedIn

El nuevo sistema de LinkedIn, conocido ampliamente como 360Brew, sustituyó esa cadena por un único modelo de 150 000 millones de parámetros entrenado con los propios datos de LinkedIn. En lugar de sumar puntuaciones algorítmicas por separado, el modelo transforma los datos del perfil del usuario, su historial de interacción y el contenido de la publicación en un prompt, convirtiéndolo en una representación vectorial densa.

El sistema predice entonces un único resultado: ¿consideraría esta persona específica que esto merece su tiempo?

El antiguo sistema premiaba el comportamiento de publicación. El nuevo sistema evalúa si una publicación contiene algo específico, profesionalmente creíble y que merezca la pena terminar de leer. La mayoría de los flujos de trabajo de las agencias se diseñaron para producir contenido que funcionara bien en el antiguo sistema. No están produciendo contenido que funcione en el nuevo.

Este cambio teórico tiene consecuencias inmediatas y cuantificables para el alcance B2B. Cuando Richard van der Blom analizó más de 100 cuentas tras la actualización, los datos confirmaron una dura realidad: las publicaciones de clientes reales cayeron un 56% y las de clientes potenciales un 29% en los feeds de los usuarios. Mientras tanto, el contenido de la competencia aumentó un 31% y el de otros profesionales del mismo sector creció un 42%.

Los datos demuestran la mecánica de 360Brew. El algoritmo ha pasado oficialmente de un feed basado en relaciones a uno basado en temas. Prioriza la profundidad contextual y la autoridad en el nicho por encima de las conexiones de red existentes.

Lo que LinkedIn premia ahora: entender la puntuación de profundidad

Puntuación de profundidad es un conjunto de señales de comportamiento que mide la atención profesional sostenida en lugar de las reacciones pasivas. La puntuación de profundidad es un término utilizado en análisis de terceros, no una métrica oficial de LinkedIn. Describe lo que el algoritmo mide ahora: atención profesional sostenida en lugar de reacciones pasivas. LinkedIn ha estado señalando esta dirección al menos desde febrero de 2024, cuando el director sénior de ingeniería Tim Jurka describió el alejamiento de la plataforma del contenido diseñado para generar interacción —publicaciones que piden "Comenta SÍ si estás de acuerdo", liderazgo de pensamiento reciclado o contenido creado para manipular la distribución en lugar de servir a los lectores— hacia una distribución centrada en la experiencia. El despliegue de 360Brew en marzo de 2026 aplicó estos principios a nivel de modelo.

La prueba más clara de este cambio está en el rendimiento de los formatos. El análisis de Dataslayer de abril de 2026 muestra que las publicaciones de documentos tienen una interacción media del 6,60%, la más alta de cualquier tipo de contenido en la plataforma, precisamente porque deslizarse por las diapositivas obliga a mantener la atención y aumenta el tiempo de permanencia en la publicación. Una publicación que alguien lee durante treinta segundos supera a una que acumula cincuenta "me gusta" rápidos. Esto es la puntuación de profundidad en la práctica: el algoritmo premia las publicaciones que retienen a las personas el tiempo suficiente para que tengan sentido.

Los guardados son la señal de mayor intención que puede medir la puntuación de profundidad. Guardar requiere un esfuerzo consciente y señala un valor futuro. Según el análisis técnico de la comunidad DEV sobre la arquitectura de 360Brew, el modelo parece ponderar las interacciones según la cantidad de intención que revelan. LinkedIn no ha publicado las ponderaciones exactas de las señales, y esto es una inferencia basada en el análisis de la arquitectura y no una declaración oficial de LinkedIn, pero es coherente con la forma en que los sistemas de recomendación modernos distinguen el interés genuino del desplazamiento pasivo.

La calidad de los comentarios cuenta más que la cantidad. Dado que 360Brew analiza el lenguaje, un hilo donde tres profesionales aportan perspectivas distintas basadas en su propio trabajo es una señal más fuerte que diez respuestas de "gran publicación". Sobre el tema de la interacción artificial: Guía del algoritmo B2B de Whitehat para abril de 2026 cita investigaciones que sitúan la precisión de la detección de grupos coordinados de LinkedIn en un 97 %. Los grupos de interacción no generan ganancias de distribución reales bajo el sistema actual y representan un riesgo en lugar de una ventaja.

Por qué LinkedIn cambió las reglas: el contexto de Microsoft

[VISUAL: Captura de pantalla del artículo de LinkedIn de Jakub Mach "Por qué LinkedIn se está convirtiendo en un entorno de lectura de IA", que muestra su foto de perfil, nombre, titular y las líneas iniciales del artículo en la interfaz de LinkedIn. Pie de foto: "Jakub Mach, fundador de ZoomSphere, sobre el cambio estratégico detrás del algoritmo de LinkedIn de 2026".]

LinkedIn es parte de Microsoft. Microsoft está creando Copilot. Copilot necesita conocimiento profesional de alta calidad, no contenido diseñado para atraer interacciones.

Este contexto explica por qué el cambio del algoritmo de 2026 es un cambio en la estrategia de la plataforma y no solo una actualización de la calidad del contenido. Jakub Mach, fundador de ZoomSphere lo expuso directamente en su artículo de LinkedIn sobre el tema. LinkedIn está construyendo un grafo de conocimiento profesional que sirve tanto a lectores humanos como a sistemas de IA. El contenido genérico y formulista no tiene valor en un grafo de conocimiento. Las observaciones profesionales específicas, creíbles y atribuidas a un autor, sí lo tienen.

Para las agencias, esto tiene una consecuencia práctica: cada publicación que podría haber sido escrita por cualquier persona ahora compite contra publicaciones que solo podrían haber sido escritas por alguien con experiencia profesional directa. La puntuación de profundidad no premia el estilo. Premia la especificidad. Y un resumen enviado a una herramienta de IA sin ningún contexto específico del cliente nunca producirá especificidad, independientemente de lo bien que se edite el resultado.

Por qué el alcance de las páginas de empresa de LinkedIn cayó en 2026

[VISUAL: Infografía comparativa lado a lado. Panel izquierdo, naranja: "Publicaciones orgánicas de páginas de empresa: aproximadamente el 2 % de los feeds de LinkedIn". Panel derecho, azul: "Publicaciones de perfiles personales: 5 veces más interacción". Etiqueta de fuente claramente visible: Whitehat / Socialinsider, 2026. Paleta de colores de ZoomSphere. Números grandes y legibles.]

Las publicaciones orgánicas de las páginas de empresa representan ahora aproximadamente el 2 % de lo que aparece en los feeds de los usuarios de LinkedIn, según el análisis de 2026 de Whitehat sobre los puntos de referencia de la plataforma Socialinsider. Los perfiles personales generan cinco veces más interacción que las páginas de empresa. Los empleados con un 46 % menos de seguidores que la cuenta de la marca superan sistemáticamente a esta cuando publican como individuos (Whitehat, Cómo aumentar la interacción en LinkedIn: Guía del algoritmo B2B de 2026, abril de 2026).

Este es un problema estructural del canal, no un problema de calidad del contenido. Una página de empresa no tiene historial profesional, ni asociaciones profesionales, ni un punto de vista que el modelo pueda comparar con el perfil profesional de un lector. 360Brew está diseñado para encontrar el conocimiento profesional adecuado para el lector profesional adecuado. Una página de marca que publica "Emocionados por compartir nuestro último caso de estudio" no le da nada al algoritmo con lo que trabajar.

La implicación para la agencia es directa. Si la estrategia de LinkedIn de un cliente se ejecuta principalmente a través de su página de empresa, esa estrategia se ejecuta en un canal que representa aproximadamente el 2 % de lo que ve su público objetivo. Más contenido en ese canal no soluciona esto. Publicar mejor contenido en ese canal no soluciona esto. La estrategia de alcance debe ejecutarse a través de personas: el fundador, los expertos en la materia, los miembros del equipo cuya trayectoria profesional se alinea con lo que vende la empresa. La página de empresa sigue ganándose su lugar para anuncios, contratación y credibilidad de marca. Ya no es un motor de alcance orgánico fiable, y presentarla como tal prepara una conversación con el cliente que ocurrirá de todos modos cuando las cifras no se muevan.

¿Penaliza LinkedIn el contenido generado por IA?

[VISUAL: Maqueta de publicación lado a lado al estilo de la interfaz de LinkedIn. Publicación izquierda etiquetada como "Generada solo a partir de un resumen, sin contexto profesional". Publicación derecha etiquetada como "Asistida por IA, basada en una observación real del cliente". Cada una muestra las líneas iniciales de los ejemplos a continuación. Sin cifras de interacción. Colores de marca de ZoomSphere para las etiquetas. Ilustración n.º 19 (persona en el teclado con contenido) colocada junto a ella como apoyo visual.]

LinkedIn no penaliza el contenido generado por IA. Lo que hace es restar prioridad al contenido que no capta la atención de nadie, y las publicaciones generadas por IA que carecen de una perspectiva profesional específica fallan sistemáticamente en todas las señales de comportamiento que determinan el alcance hoy en día.

La industria de contenidos tiene un nombre para esta categoría: basura. Técnicamente coherente, gramaticalmente impecable, profesionalmente vacía. Es el tipo de publicación donde cada frase es aplicable a cualquier empresa, en cualquier sector y en cualquier momento. Esta basura no supera la prueba de profundidad, no por cómo se produjo, sino porque los lectores pasan de largo en menos de tres segundos. No hay nada donde detenerse, nada lo suficientemente específico como para recordarlo, nada que valga la pena guardar para después. El algoritmo lee el patrón de comportamiento resultante —tiempo de permanencia casi nulo, sin guardados, comentarios genéricos o inexistentes— y reduce su distribución. La publicación llega a menos personas, genera aún menos interacción y se hunde más en el feed. El cliente ve las cifras y pregunta qué ha cambiado.

Así es como se ve la diferencia en la práctica.

Una publicación generada al enviar un brief de cliente a una herramienta de IA sin contexto adicional:

"En el panorama competitivo actual, el contenido auténtico es más importante que nunca. Las marcas que invierten en liderazgo de pensamiento están viendo resultados reales. Si quieres tener éxito en LinkedIn en 2026, céntrate en compartir experiencia genuina, interactuar con tu comunidad y publicar de forma constante. El algoritmo premia el valor."

Sin contexto específico. Sin datos. Sin un punto de vista profesional que pertenezca a una persona con un trabajo real y experiencia real. Nada que el lector no haya visto antes exactamente con esta estructura. Tiempo de permanencia: aproximadamente tres segundos. Esto es basura. La puntuación de profundidad no registra nada que valga la pena distribuir.

Una publicación donde la IA redactó y refinó, pero la observación central provino del trabajo real del cliente:

"El mes pasado incorporamos a un cliente que llevaba dos años publicando tres veces por semana. Buen texto, calendario constante, alcance estancado. Lo primero que cambiamos no fue el formato ni la frecuencia. Preguntamos qué sabía el fundador sobre su sector que nadie en su ámbito hubiera dicho aún en voz alta. Eso se convirtió en la primera publicación. Las cifras se movieron. Misma cuenta. Mismo calendario. Diferente materia prima."

Esto es ilustrativo, no una afirmación de datos de ZoomSphere, y no contiene cifras de interacción inventadas. Lo que hace que funcione es el contexto profesional, una observación específica sobre lo que cambió y una conclusión que el lector puede aplicar. Crea tiempo de permanencia porque dice algo reconocible de un trabajo real que no existe de esa forma en ningún otro lugar.

El brief para una publicación sólida en LinkedIn en 2026 no es "sé auténtico". Es: encuentra una cosa que el cliente sepa específicamente por experiencia profesional directa y que no esté disponible en ningún otro lugar exactamente de esta forma. Construye la publicación en torno a eso. La IA se gana su lugar en el proceso cuando trabaja con esa materia prima. Produce basura cuando la sustituye.

¿Por qué está cayendo tu alcance en LinkedIn? Cómo encontrar la causa real

[VISUAL: Ilustración n.º 9 de la biblioteca de ilustraciones de ZoomSphere (persona con lupa sobre un reloj). Colocada como ancla visual al inicio de esta sección antes del texto de diagnóstico.]

Antes de cambiar tu estrategia de contenidos, la pregunta más útil es cuál de los tres problemas distintos está provocando realmente el descenso, ya que cada uno tiene una causa y una solución diferentes.

Si el alcance ha caído de forma uniforme en todas las publicaciones, independientemente del formato, el tema o el esfuerzo, y el patrón se mantiene en todas las cuentas de clientes, la variable más probable es la desventaja estructural de la página de empresa. La visibilidad en el feed de aproximadamente el 2% se aplica independientemente de la calidad del contenido. Mejorar el contenido no resuelve un problema de arquitectura del canal. La solución es redistribuir la estrategia de LinkedIn hacia los perfiles individuales: contenido del fundador, defensa de los empleados y voces de expertos en la materia, dejando la página de empresa como una superficie de amplificación secundaria.

Si el alcance es inconsistente, con algunas publicaciones que funcionan y otras no, sin un patrón obvio de formato o tiempo, la variable más probable es la profundidad del contenido. Las publicaciones con contexto profesional específico y observaciones basadas en la experiencia superan la evaluación de profundidad. Las publicaciones con planteamientos genéricos no lo hacen. La solución es un proceso de brief de contenidos que capture una idea basada en la experiencia por publicación antes de empezar a escribir.

Si el alcance disminuyó drásticamente en el periodo de marzo a abril de 2026 y no se ha recuperado, el momento coincide directamente con el despliegue de 360Brew. Las tácticas que movían las cifras de forma fiable en 2024, como la optimización de la interacción, el uso de hashtags y la publicación en horas punta, ofrecen un impulso mínimo bajo el nuevo sistema. El camino hacia la recuperación es la coherencia temática y la profundidad del contenido, no el refinamiento táctico del enfoque antiguo.

La mayoría de las agencias que se enfrentan a descensos en el alcance de sus clientes en 2026 están lidiando con una combinación de los tres factores. Por eso, cambiar el formato o ajustar el calendario de publicaciones no produce ninguna mejora: cada solución aborda la variable equivocada.

Cómo arreglar el flujo de trabajo de IA de LinkedIn en tu agencia

[VISUAL: Diagrama de flujo de tres pasos, con la marca ZoomSphere. Paso 1: "Investigación y contexto" con "IA: sí" (extracción de datos, puntos de referencia, contexto del sector). Paso 2: "La afirmación central" con "Solo humanos" (algo de la experiencia directa del cliente —un resultado, un patrón, una decisión— que no puede generarse a partir de un prompt). Paso 3: "Redacción e iteración" con "IA: sí" (variaciones de gancho, reescritura, síntesis). Pie de foto: "Donde la IA mejora el trabajo y donde no puede sustituirlo". Ilustración n.º 13 adyacente como apoyo visual.]

La solución no es dejar de usar la IA. La solución es usarla en los pasos correctos.

La mayoría de los flujos de trabajo de IA en agencias para LinkedIn funcionan así: recibir el brief del cliente, pasarlo a una herramienta de IA, recibir un borrador, editarlo ligeramente y programarlo. Es rápido, pero produce contenido de baja calidad. No porque la herramienta escriba mal, sino porque el brief no contiene información que solo el cliente podría proporcionar. Sin la materia prima que solo existe en la experiencia profesional de la persona o el equipo que publica, el resultado es siempre una versión de contenido que ya existe en todas partes.

El flujo de trabajo que produce el contenido que distribuirá 360Brew comienza de otra manera. Antes de escribir nada, el brief captura una observación que solo podría provenir del cliente: un resultado específico de un proyecto reciente, una decisión tomada y el razonamiento detrás de ella, o un patrón que el equipo ha notado a lo largo de meses de trabajo real y que no han compartido públicamente. Algo que no está en ningún conjunto de datos de entrenamiento porque ocurrió en una reunión con el cliente el jueves pasado.

A partir de esa materia prima, la IA tiene un papel claro y útil. Investigar puntos de datos que respalden y fortalezcan la afirmación. Generar cinco variaciones de ganchos para comparar. Reescribir una frase torpe del borrador sin perder la observación original. Estas son tareas donde la IA mejora el trabajo. Generar la observación original no es una de ellas.

Para las agencias, esto significa que el brief es el entregable más valioso del flujo de trabajo, no la publicación. Treinta minutos extrayendo la perspectiva correcta de una llamada con el cliente valen más para el algoritmo, y para la relación con el cliente, que sesenta minutos puliendo un borrador que empezó de la nada.

¿Programar publicaciones en LinkedIn afecta el alcance orgánico?

[VISUAL: Captura de pantalla del programador de ZoomSphere que muestra un calendario de contenido de LinkedIn con varias cuentas de clientes visibles, publicaciones en diferentes estados (borrador, pendiente de aprobación, programado) y métricas de rendimiento por publicación. Debe comunicar: múltiples clientes, flujo de trabajo estructurado, específico para LinkedIn. Pie de foto: "Planificación y publicación de contenido de LinkedIn para múltiples cuentas de clientes en el programador de ZoomSphere."]

No. 360Brew evalúa la calidad del contenido y el comportamiento de interacción tras la publicación, no el método de publicación. LinkedIn no ha introducido ningún mecanismo que penalice las publicaciones enviadas a través de herramientas de programación de terceros, y la actualización del feed de marzo de 2026 no cambia esto.

La confusión es comprensible. El alcance disminuyó para muchas cuentas en el mismo período en que se implementó 360Brew, y algunos equipos notaron la correlación mientras usaban programadores. La variable causal es el cambio en el modelo de evaluación de contenido, no la herramienta utilizada para publicar. Una publicación con señales de profundidad sólidas programada con una semana de antelación superará a una publicación con señales de profundidad débiles publicada manualmente en tiempo real.

Para las agencias que gestionan múltiples cuentas de LinkedIn de clientes, el flujo de trabajo de programación no perjudica al contenido. La puntuación de profundidad se gana por lo que contiene la publicación, no por cómo llega a la plataforma.

Si gestionar LinkedIn para varios clientes significa actualmente navegar por inicios de sesión separados, cadenas de aprobación por correo electrónico y datos de rendimiento en hojas de cálculo, el programador de ZoomSphere unifica todo en un solo flujo de trabajo. La materia prima debe seguir viniendo del cliente. Todo lo que sucede con ella después ya está resuelto.

Preguntas frecuentes

¿Qué es el algoritmo 360Brew de LinkedIn?

360Brew de LinkedIn es un modelo base de IA de 150 mil millones de parámetros que reemplazó el sistema de clasificación del feed de la plataforma en 2026. Evalúa las publicaciones junto con el perfil profesional del autor y el historial de interacción del lector para predecir la relevancia para una persona específica, en lugar de puntuar una lista de señales de interacción aisladas. Su desarrollo fue descrito en un artículo de investigación de Hamed Firooz y sus colegas del equipo de Tecnologías de IA Fundacional de LinkedIn (enero de 2025), y su implementación en el feed fue anunciada por el líder de ingeniería Hristo Danchev en el blog de ingeniería de LinkedIn el 12 de marzo de 2026.

¿Penaliza LinkedIn el contenido generado por IA?

No directamente. El algoritmo de LinkedIn no clasifica las publicaciones como generadas por IA para reducir su alcance. Lo que mide es la interacción conductual: cuánto tiempo lee alguien una publicación, si la guarda y si genera una discusión profesional sustantiva. El contenido generado por IA sin un contexto profesional específico obtiene sistemáticamente puntuaciones bajas en las tres señales porque carece de la perspectiva específica del autor y de la experiencia concreta que generan tiempo de permanencia. La supresión proviene del comportamiento del lector, no de la detección de texto.

¿Por qué cayó el alcance de las páginas de empresa en LinkedIn en 2026?

Las publicaciones orgánicas de las páginas de empresa representan ahora aproximadamente el 2% de lo que aparece en los feeds de los usuarios de LinkedIn, según el análisis de 2026 de Whitehat sobre datos de la plataforma Socialinsider. Los perfiles personales generan cinco veces más interacción que las páginas de empresa. Este es un problema estructural del algoritmo: el sistema de clasificación de LinkedIn está diseñado para mostrar voces profesionales individuales, no anuncios de marca. Mejorar el contenido de una página de empresa no cierra esta brecha estructural.

¿Cómo recupero el alcance orgánico en LinkedIn en 2026?

El camino hacia la recuperación depende de cuál de los tres problemas esté causando el declive. Si el alcance ha caído de manera uniforme en todo el contenido de la página de empresa, la solución es estructural: trasladar el liderazgo intelectual a los perfiles individuales. Si el alcance es inconsistente entre publicaciones, la solución es un proceso de brief de contenido que capture una perspectiva basada en la experiencia por publicación antes de que comience cualquier redacción con IA. Si el alcance cayó drásticamente entre marzo y abril de 2026, las tácticas que funcionaron en 2024, como la optimización de la interacción y las estrategias de hashtags, ya no producen los mismos resultados. La recuperación sostenida requiere consistencia temática, especificidad a nivel de publicación y paciencia mientras el algoritmo construye una asociación temática para la cuenta.

¿Siguen siendo efectivos los grupos de interacción (engagement pods) en LinkedIn en 2026?

No. 360Brew reconoce los grupos de interacción coordinada como un patrón de comportamiento. Dado que el modelo analiza el lenguaje de los comentarios, los comentarios genéricos de estos grupos se identifican como un patrón coordinado y no generan ganancias reales en la distribución. La guía de algoritmos B2B de abril de 2026 de Whitehat cita investigaciones que sitúan la precisión de detección de grupos de LinkedIn en un 97%.

¿LinkedIn penaliza las publicaciones con enlaces externos en 2026?

Los análisis de la plataforma son contradictorios en este punto específico. El análisis de Dataslayer de abril de 2026 muestra que las publicaciones con enlaces externos reciben aproximadamente un 60% menos de alcance que las que no los tienen. La guía de abril de 2026 de Whitehat cita investigaciones independientes que sugieren que los enlaces externos ahora tienen un efecto positivo moderado. LinkedIn no ha publicado una guía definitiva sobre el tratamiento de enlaces bajo 360Brew. La variable más fiable a optimizar es la profundidad del contenido en lugar de la ubicación del enlace.

¿El uso de una herramienta de programación reduce el alcance orgánico en LinkedIn?

No. El sistema de clasificación de LinkedIn evalúa la calidad del contenido y las señales de interacción, no el método de publicación. Programar publicaciones a través de herramientas de terceros no afecta al alcance. Esto se aplica bajo 360Brew tal como ocurría con el sistema anterior.

¿Qué deberían cambiar las agencias en su flujo de trabajo de IA para LinkedIn?

Utilicen la IA para investigar, para generar y comparar opciones de ganchos, y para reescribir borradores una vez que ya exista la perspectiva profesional central. No utilicen la IA para generar la afirmación principal de la publicación. La afirmación debe provenir de la experiencia profesional directa: un resultado específico, un patrón observado en el trabajo real con clientes, una decisión y su razonamiento. Ese material bruto no puede ser producido por la IA. La redacción que lo rodea, sí.

‍