¿Qué es llms.txt y qué no es?
llms.txt es una lista de lectura curada para las máquinas: quién eres, qué páginas son canónicas, dónde viven las respuestas con autoridad. Jeremy Howard, de Answer.AI, propuso la especificación el 3 de septiembre de 2024. La premisa es práctica: el HTML construido para humanos es ruidoso (navegación, scripts, avisos de consentimiento) y las ventanas de contexto de los modelos son finitas, así que dale a la máquina un mapa limpio.
La especificación tiene dos niveles. /llms.txt es el índice breve: un resumen más enlaces curados. /llms-full.txt incorpora todo el contenido en un solo documento, para que un agente pueda cargar todo sobre ti en una sola solicitud.
Lo que no es importa tanto como lo que es. No es robots.txt: no hay ninguna aplicación forzosa detrás. No es una señal de posicionamiento: ningún buscador ha dicho que lea el archivo para posicionar. Y no es un control de acceso: un rastreador que lo ignora no pierde nada. robots.txt dice «esto es lo que puedes descargar»; llms.txt dice «esto es lo que merece la pena leer». Confundir ambos produce la mayoría de las malas opiniones.
¿Usa Google llms.txt?
La Búsqueda de Google no; las herramientas de Chrome de Google sí. En diez días de mayo de 2026, Google hizo dos movimientos que apuntan en direcciones opuestas, por eso ambos bandos pueden citarlo.
El 5 de mayo de 2026, Google añadió una auditoría de llms.txt a Lighthouse bajo una nueva categoría de navegación agéntica. La auditoría marca un sitio si la descarga de /llms.txt devuelve un error de servidor, y la documentación dice que sin el archivo «los agentes pueden dedicar más tiempo a rastrear el sitio para entender su estructura general» (ppc.land). El 15 de mayo de 2026, Google publicó una guía sobre cómo optimizar para las funciones de IA generativa de la Búsqueda (AI Overviews y AI Mode). llms.txt no figura en ella, de acuerdo con lo que han dicho los representantes de búsqueda de Google desde que apareció la especificación: lo que cuenta es el SEO técnico estándar.
Son dos capas. La Búsqueda de Google posiciona y cita a partir de su índice HTML existente. La navegación agéntica, en la que un agente de IA visita tu sitio para completar una tarea para un usuario, tiene necesidades distintas, y es eso lo que el equipo de Chrome empezó a auditar. Quien dice «Google lo exige» o «Google lo mató» cita una capa e ignora la otra.
¿Leen de verdad llms.txt los rastreadores de IA?
Rara vez. Un análisis agregado de 515 millones de eventos de bots halló que las solicitudes de /llms.txt son una proporción insignificante del tráfico de los rastreadores de IA (publicado en aeo.press). GPTBot, ClaudeBot y PerplexityBot piden abrumadoramente páginas HTML, como siempre han hecho los rastreadores de búsqueda.
La publicación avanza más deprisa que la lectura. A 31 de marzo de 2026, el 7,4 % de las empresas de Fortune 500 (37 de 500) había publicado un llms.txt (ppc.land). Los sitios de documentación para desarrolladores lo adoptaron mucho más deprisa, porque los agentes de programación son el único consumidor que hoy lee demostrablemente esos archivos.
El resumen honesto: publicar llms.txt no cambia de forma medible cómo leen tu sitio los principales rastreadores de IA en 2026. Quien lo vende como un desbloqueo de tráfico de IA vende por delante de las pruebas.
¿Qué controla a los rastreadores de IA en 2026?
Cinco capas, solo dos de las cuales tienen dientes. llms.txt es un instrumento de la pila.
| Capa | Qué controla | Quién la aplica | Nuestra lectura |
|---|---|---|---|
| robots.txt (GPTBot, ClaudeBot, PerplexityBot, Google-Extended) | Si los rastreadores declarados pueden descargar páginas; Google-Extended gobierna el entrenamiento de Gemini, no la Búsqueda | Nadie; un protocolo voluntario | Tu verdadero interruptor de encendido y apagado. Los principales laboratorios respetan los bots declarados, aunque hay disputas: Cloudflare acusó a Perplexity en 2025 de usar rastreadores no declarados para eludir bloqueos |
| Content Signals Policy | Declara cómo puede usarse el contenido descargado: search, ai-input, ai-train | Nadie técnicamente; una reserva de derechos | No cuesta nada; habla más a los abogados que a los bots |
| Bloqueo predeterminado de Cloudflare (Nieman Lab) | Bloquea a los rastreadores de IA conocidos en el borde de la red para los dominios nuevos desde el 1 de julio de 2025 | Cloudflare; las solicitudes bloqueadas nunca llegan a tu servidor | La capa con dientes. Cámbiala de forma consciente, no por herencia |
| Pago por rastreo | Cobra a los rastreadores de IA por solicitud en lugar de bloquearlos | El mercado de Cloudflare, en beta | Relevante para los grandes editores, rara vez para los sitios B2B |
| llms.txt / llms-full.txt | Nada; una lista de lectura orientativa | Nadie | Seguro barato para la web agéntica; sin efecto SEO hoy |
Las capas sobre las que discute la gente (llms.txt, Content Signals) son orientativas. La capa que cambió el comportamiento de los rastreadores de la noche a la mañana es el borde de la CDN, y muchos propietarios de sitios nunca la configuraron de forma consciente.
¿Por qué importan las cifras de rastreo por clic?
Porque los sistemas de IA consumen contenido a escala industrial y devuelven casi ninguna visita. Los datos del primer trimestre de 2026 de Cloudflare Radar situaron la proporción rastreo-referido, páginas descargadas por clic humano referido, en aproximadamente 1,276:1 para GPTBot de OpenAI y en aproximadamente 23,951:1 para ClaudeBot de Anthropic (Cloudflare). Si tu negocio monetiza páginas vistas, esa asimetría explica la revuelta de los editores y el experimento de pago por rastreo.
Pero la proporción mide clics, y los clics no son el único retorno. Un rastreo que nunca envía un visitante decide igualmente si un modelo sabe que existes, te describe con exactitud y te nombra cuando un comprador pide una lista corta. Para una empresa B2B, la respuesta de la IA es a menudo el punto de contacto, y tu analítica nunca lo registra. Desglosamos el cambio en AEO frente a GEO frente a SEO: el objetivo pasa de ganar el clic a ser la respuesta citada con exactitud.
¿Debes bloquear o permitir a los rastreadores de IA?
Depende de para qué sirva tu contenido. La misma aritmética de rastreo por clic corta de forma distinta según el tipo de negocio.
| Tipo de negocio | Lógica de ingresos | Rastreadores de IA | llms.txt |
|---|---|---|---|
| Editor / medio | Las páginas vistas y las suscripciones son el producto | Bloquear, o negociar mediante pago por rastreo | Omitir |
| Marca B2B / servicios | El sitio es un activo de ventas; ser conocido vale más que ser visitado | Abiertos | Publícalo |
| Comercio electrónico | Los datos de producto impulsan el descubrimiento; los agentes ayudan cada vez más en las compras | Abiertos; vigila el coste de infraestructura | Publícalo, con las URL de producto y de políticas |
| Licenciamiento de contenido | El propio contenido es el activo con precio | Bloquear y después negociar | Omitir |
Para la mayoría de las empresas B2B la respuesta es abiertos. El sitio de marketing existe para que el mercado sepa lo que haces; un sistema de IA que lo lee y lo repite con exactitud hace el trabajo del sitio. Bloquear a GPTBot para proteger un contenido cuyo propósito es darse a conocer invierte la estrategia. El activo que vale la pena proteger es la exactitud, no el acceso, y mantener la exactitud en todas las plataformas es el núcleo del trabajo de visibilidad en IA.
¿Qué le pasa a tu marca cuando tu propio sitio está bloqueado?
Pesan más las fuentes abiertas y de alta autoridad. Cloudflare bloquea por defecto a los rastreadores de IA en los dominios nuevos, los editores bloquean o miden el acceso y el pago por rastreo pone precio a lo que antes era gratis. A medida que la web abierta se encoge desde el punto de vista de un rastreador, la recuperación se concentra en corpus que permanecen abiertos por diseño: Wikipedia, Wikidata, registros públicos, repositorios académicos.
Si tu sitio está a oscuras para los rastreadores, por elección o por defecto de la CDN, entonces tu artículo de Wikipedia (si procede), tu entidad de Wikidata y las demás fuentes abiertas pasan a ser el registro de facto que lee la IA sobre ti. Por eso tratamos la presencia enciclopédica como infraestructura y no como vanidad. Una página existe solo si fuentes independientes respaldan la relevancia, y nadie puede prometer lo que dirá una IA. La mecánica está en AEO de Wikipedia, el servicio de Wikidata y grafo de conocimiento y las tácticas de SEO en Wikipedia.
¿Cómo se escribe un buen llms.txt?
Escríbelo como la entrada de un diccionario, no como un eslogan, y que cada dato sea uno que puedas respaldar. Cuatro reglas cubren la mayor parte del valor:
- Define la entidad en la primera línea. Si un modelo lee solo veinte tokens, deben decir qué eres.
- Apunta al perfil completo. Mantén el índice fácil de hojear y enlaza
llms-full.txtpara los agentes que quieren todo en una sola descarga. - Empareja URL canónicas con datos que lleven cifras y fechas. «Fundada: 2010» es recuperable y repetible; los adjetivos no. Pon el precio junto a la URL cuando la página lo indique.
- Indica lo que no afirmas. Los modelos se hacen eco de sus fuentes. Si tu archivo exagera, la respuesta de la IA exagera, y la primera llamada del cliente potencial empieza con una corrección. Una breve sección de «lo que no afirmamos» es un seguro de exactitud.
Un esqueleto mínimo:
# Company name: one-line definition
> Two-sentence summary of what you do and for whom.
## Key pages
- [Services](https://example.com/services): what is offered and prices
- [About](https://example.com/about): founding date, location, leadership
## What we do not claim
- No guaranteed outcomes; limits of the service in one line.Regenera el archivo cuando cambien los datos. Un archivo obsoleto que declara mal tus precios es peor que no tener archivo. Publicamos el nuestro en la raíz del dominio, generado a partir de los datos canónicos del sitio, y su sección final indica lo que no garantizamos.
Preguntas frecuentes
No hay pruebas de que lo haga. La guía de la Búsqueda de Google de mayo de 2026 no usa el archivo, y ningún buscador ha anunciado leerlo para posicionar ni para los AI Overviews. Si el objetivo son las citas en la búsqueda con IA, el trabajo sigue siendo el convencional: HTML rastreable, datos estructurados y fuentes de terceros con autoridad sobre ti.
Rara vez, con las pruebas actuales. Los análisis que abarcan cientos de millones de eventos de bots muestran a GPTBot y a sus pares descargando HTML e ignorando en gran medida /llms.txt. Los consumidores a corto plazo son los navegadores agénticos y las herramientas de programación, además de Lighthouse.
Cuesta unos veinte minutos y no cambia nada que puedas medir hoy, así que es opcional. Si publicas uno, mantenlo exacto y regéneralo cuando cambien los datos.
No. robots.txt dice a los rastreadores declarados qué pueden descargar; llms.txt solo sugiere qué merece la pena leer. Ninguno garantiza el cumplimiento, pero robots.txt es el que los grandes laboratorios dicen respetar.
Comprueba primero si ya lo estás haciendo. Si tu dominio se unió a Cloudflare después del 1 de julio de 2025, los rastreadores de IA pueden estar bloqueados por defecto sin que nadie de tu empresa lo decidiera. Sea cual sea tu postura, haz que sea una decisión y no un ajuste heredado.
llms.txt es un índice breve con un resumen y enlaces curados. llms-full.txt contiene todo el contenido incorporado en un solo documento, para que un agente pueda leerlo todo en una sola solicitud.
Que las fuentes en las que confían los sistemas de IA te describan con exactitud, y que exista siquiera un registro de tu empresa legible por máquinas. Consulta cómo decide la IA qué marcas citar.
Cómo ayuda WikiBusines
llms.txt es la capa más barata y menos trascendente de la legibilidad para la IA. Nosotros trabajamos las trascendentes. La edición remunerada en Wikipedia siempre se declara a nombre de WikiBusines, y nunca garantizamos lo que dirá una IA.
- Auditoría de visibilidad en IA, €490. Cómo te describen hoy los asistentes y en qué fuentes se apoyan.
- LLM Hub. Un centro de conocimiento legible por máquinas para tu empresa, construido a partir de tus propios datos canónicos.
- Wikidata, desde €680. Registros de entidad que usan los motores para distinguirte de empresas con nombres parecidos.
- Auditoría de relevancia, desde €490, descontable de la página si la encargas en el plazo de un mes. Creación de página desde €2,400 para inglés, 4-5 semanas, con 90 días de monitorización y garantía tras la publicación.
Para empezar, contáctanos.
Autores y política editorial
Bohdan DubylovskyiCofundador y CBO, WikiBusines→
Roman MelnykCofundador y redactor jefe, WikiBusines→El artículo lo prepararon los cofundadores de WikiBusines. Vendemos servicios de pago en Wikipedia y por eso declaramos este interés: la edición remunerada siempre se declara en Wikipedia a nombre de WikiBusines, y las afirmaciones sobre las reglas se respaldan con enlaces a fuentes primarias.
Política editorial: declaración del pago, conflictos de interés, fuentes Read in English