Corrige tu propia web para que la IA te lea y te sitúe.

Cada motor envía sus propios bots, y cada uno se puede permitir o bloquear por separado. Los que deciden si puedes aparecer hoy en las respuestas son los de búsqueda y los que consultan páginas a petición de un usuario. Los rastreadores de entrenamiento deciden qué pueden aprender los modelos futuros.

El bot que casi todo el mundo bloquea no es el que decide si apareces. OpenAI documenta GPTBot como su rastreador de entrenamiento y OAI-SearchBot como el que muestra webs en la búsqueda de ChatGPT; las webs que excluyen a OAI-SearchBot no aparecen en las respuestas de la búsqueda de ChatGPT. Anthropic separa ClaudeBot (entrenamiento) de Claude-SearchBot y Claude-User, y Perplexity afirma que PerplexityBot no se usa para entrenar en absoluto. La documentación de rastreadores de Google dice que Google-Extended no afecta a la inclusión en la Búsqueda de Google, así que bloquearlo no cambia nada en AI Overviews (el mapa completo de rastreadores).

Hay dos fallos habituales, y ninguno se nota cuando miras tu web en el navegador.

• Bloqueado en el edge. La protección contra bots de una CDN puede devolver un error a los rastreadores de IA aunque el robots.txt los permita; Cloudflare anunció el 1 de julio de 2025 que bloquearía por defecto a los rastreadores de IA que no paguen. Un comprobador de robots.txt, como nuestro comprobador gratuito de rastreadores de IA, seguirá dando cada bot como permitido, porque el bloqueo ocurre en el servidor.
• Vacía hasta que se ejecuta JavaScript. Si tu texto solo aparece después de que se ejecuten los scripts, muchos bots ven una página en blanco, o un puñado de palabras donde una persona ve miles.

Una más para Google: para poder aparecer como enlace de apoyo en AI Overviews o AI Mode, una página tiene que estar indexada y poder mostrar un fragmento, así que una regla nosnippet o un max-snippet muy corto también la saca de la respuesta de IA.

Compruébalo tú mismo en cinco minutos

Pide una página clave como cada bot y mira el código de estado y las palabras que vuelven:

curl -s -o /dev/null -w "%{http_code}\n" -A "GPTBot" https://yoursite.com/
curl -s -o /dev/null -w "%{http_code}\n" -A "ClaudeBot" https://yoursite.com/
curl -s -A "OAI-SearchBot" https://yoursite.com/ | sed 's/<[^>]*>//g' | wc -w

Un 403 o un 503 significa que algo está bloqueando a ese bot. Un recuento de palabras muy por debajo de lo que ves en la página significa que tu texto depende de JavaScript. Corrige el bloqueo en la CDN y sirve tu contenido principal en el HTML.

No. llms.txt es un archivo markdown propuesto que enumera tus páginas clave para los modelos de lenguaje. La guía de Google sobre sus funciones de IA generativa, actualizada por última vez el 10 de julio de 2026, dice que publicar uno ni perjudica ni ayuda a tu visibilidad en la Búsqueda de Google, porque la Búsqueda no lo usa, y ninguno de los motores que seguimos ha dicho que use llms.txt para posicionar.

Lo que encontramos, sin adornos: descargamos /llms.txt de los 300 dominios que más citaron los motores de IA en nuestras muestras. 129 publicaban uno, y esas 129 webs se citaron 6.343 veces. Una cita apuntó a un archivo, un llms-full.txt; ninguna apuntó a un llms.txt. De los diez dominios más citados, ocho no tenían archivo y dos bloquearon nuestra comprobación (el estudio de llms.txt). Ahrefs llegó a lo mismo desde el otro extremo: el 97 % de los archivos de su muestra de mayo de 2026 no recibió ninguna solicitud.

Publicarlo no hace daño, y los agentes que leen documentación sí lo usan. Si aun así publicas uno, redáctalo con el generador de llms.txt y revisa la copia publicada con el validador de llms.txt.