Visibilidad IA del sitio y llms.txt - un nuevo estándar junto a robots.txt

La visibilidad IA es con qué frecuencia y con qué precisión tu sitio aparece en respuestas de ChatGPT, Claude, Gemini, Perplexity y otros asistentes - no solo en los resultados clásicos de Google y Yandex. Junto al SEO surge una capa práctica: el archivo llms.txt en la raíz del sitio - un estándar propuesto de “mapa” para modelos de lenguaje al lado del familiar robots.txt. Abajo - por qué le importa al negocio, en qué se diferencia de un sitemap, cómo es el formato y qué puedes hacer ya sin promesas mágicas de “garantía en AI Overview”.

• Visibilidad IA - citas y menciones de marca en respuestas LLM, no solo posiciones en búsqueda
• llms.txt - archivo Markdown en la raíz (/llms.txt) con un resumen breve y enlaces a páginas clave
• Junto a robots.txt - tareas distintas: acceso de bots vs “dónde mirar” en inference
• No sustituye el SEO - técnica, contenido y verificación de hechos siguen decidiendo
• Paso barato - una o dos horas de trabajo; más impacto en docs, SaaS y bases de conocimiento
• Estado honesto - estándar comunitario (llmstxt.org); los grandes de búsqueda IA aún no lo prometen como señal principal de ranking

Por qué el SEO clásico ya no basta

El buscador lleva a una página. Un asistente de IA a menudo responde él mismo: resume, compara tarifas, recomienda un proveedor. Si el modelo no encuentra tu precio canónico, FAQ o política de devoluciones - en la respuesta aparece un competidor o una formulación plausible pero ajena.

Para el dueño del negocio significa:

La visibilidad IA no es una métrica mágica - es la pregunta: ¿puede el modelo tomar rápido tu fuente autorizada en lugar de inventar? Ahí entra llms.txt.

Qué es llms.txt

La propuesta de Jeremy Howard / Answer.AI: colocar en la raíz un archivo Markdown /llms.txt. No es “otro robots” ni un volcado completo del sitio. Es un mapa curado: quiénes sois, qué importa, adónde debe ir el modelo por detalle dentro de una ventana de contexto realista.

Estructura típica según la especificación:

1. H1 - nombre del sitio o producto (obligatorio).
2. Cita (> ...) - resumen corto: qué hacéis, para quién, hechos clave.
3. Texto libre sin encabezados - matices, límites, cómo leer vuestros materiales.
4. Secciones H2 con listas de enlaces [nombre](url): nota.
5. Sección ## Optional - enlaces secundarios; se pueden omitir si hace falta un contexto corto.

En el ecosistema también se recomienda a menudo servir versiones limpias como página.md - útil para documentación y API, menos crítico para un landing sencillo de tienda.

llms.txt vs robots.txt vs sitemap.xml

Confundir estos tres archivos es un error frecuente de proveedores. Las tareas son distintas:

robots.txt sigue siendo la palanca principal para GPTBot, ClaudeBot, Google-Extended y otros: sin permiso de rastreo, un llms.txt bonito no salva. El sitemap no sustituye a llms.txt: miles de URL, landings pesados y ruido no revelan el sentido canónico de la marca.

Práctica 2026: primero política de bots e indexación, luego datos estructurados y contenido, después llms.txt como capa barata de claridad - sobre todo si tenéis docs, ayuda, producto con API o B2B de ciclo largo.

Por qué le importa al negocio (sin hype)

Respuesta honesta: los grandes aún no publican la promesa de que el archivo = garantía de cita en ChatGPT o Google AI. Sed pragmáticos:

Dónde el valor se nota más:

• documentación de producto, SDK, integraciones;
• SaaS ya conectado en Cursor, Copilot y agentes similares;
• bases de conocimiento de soporte: políticas, SLA, tarifas, “cómo funciona”;
• sitios con HTML pesado y significado oculto tras scripts.

Dónde bajar expectativas:

• servicio local casi sin texto ni páginas de preguntas;
• esperar “saltar” un SEO débil con un solo archivo;
• esperar tráfico instantáneo de búsqueda IA solo por /llms.txt.

Aunque la adopción sea desigual, el archivo es barato: fija una formulación canónica (“hacemos X, no Y”), reduce el riesgo de alucinaciones en asistentes a los que vosotros mismos dais el sitio, y prepara la infraestructura para cuando el consumo del estándar se amplíe.

Ejemplo mínimo de llms.txt

Adáptalo a tu marca - no copies el marketing del landing palabra por palabra. Mejor lenguaje factual y corto:

# EjemploEmpresa
> Servicio B2B de automatización de leads e integraciones CRM para pymes.

Vendemos un producto en la nube, no desarrollo a medida llave en mano.
Precios y SLA actuales solo en las páginas de abajo; las reseñas antiguas de blogs de terceros no son fuente de verdad.

## Documentación
- [Inicio en 15 minutos](https://example.com/docs/quickstart.md): instalación y primer escenario
- [Referencia API](https://example.com/docs/api.md): métodos, límites, códigos de error

## Para el negocio
- [Tarifas](https://example.com/pricing): planes actuales y qué incluyen
- [Política de reembolso](https://example.com/legal/refund): condiciones y plazos

## Optional
- [Blog](https://example.com/blog): artículos y casos; no sustituye la documentación

Tras publicar, comprueba:

• el archivo abre en https://tu-dominio/llms.txt con un Content-Type apto para texto (text/plain o text/markdown);
• los enlaces viven, sin cadenas de redirección ni bloqueo a bots;
• no hay conflicto con robots.txt (URL importantes no están en Disallow);
• los textos coinciden con lo que realmente estás dispuesto a citar a clientes.

Cómo implantarlo en un día laboral

Normalmente publica el archivo un desarrollador o webmaster (hace falta acceso a la raíz del sitio, hosting o CI) - el dueño del negocio aporta las formulaciones y la lista de páginas, no el código.

1. Inventario. 10-30 URL sin las cuales no puedes explicar el producto: home con USP claro, tarifas, docs, contacto, legales, 2-3 “respuestas a objeciones frecuentes”.
2. Alinear formulaciones. Un párrafo “quiénes somos” aprobado por marketing + producto - para que el chatbot y los managers digan lo mismo.
3. Escribir llms.txt. H1, blockquote, 2-4 secciones de enlaces, Optional para el blog y lo secundario.
4. Publicarlo en la raíz y verificar que CDN/hosting no den 404 ni corten .txt.
5. Cuadrar con robots.txt. Permitir el rastreo de rutas necesarias; decidir la política de crawlers IA (entrenamiento vs búsqueda) con criterio, no “como en la plantilla del hosting”.
6. Smoke-test. Pega el archivo (o los .md relacionados) en un chat con el modelo y haz 10 preguntas de clientes: precios, diferencia vs competencia, condiciones del contrato. Donde mienta el modelo - arregla la fuente, no solo el prompt.
7. Proceso de actualización. Cualquier cambio de tarifa o SLA - cambios en páginas canónicas y en llms.txt en el mismo sprint.

En equipos con generador de sitio (SSG, plataformas de docs) el archivo suele construirse desde un manifiesto de páginas - así no envejece en silencio al mes.

Qué más refuerza la visibilidad IA

llms.txt es un ladrillo. Solo no basta:

• Respuestas claras a preguntas. Páginas en formato “pregunta - respuesta corta - detalle”, no solo un landing bonito.
• Datos estructurados (Organization, Product, FAQ, Article) - ayudan a buscadores y resúmenes a entender entidades.
• Terminología única. Mismos nombres de productos y planes en el sitio, en el CRM y en la base para RAG.
• Frescura. Fechas de actualización en políticas y precios; promociones muertas al archivo, no como “actuales”.
• Permisos a crawlers. Si bloqueaste todos los bots de IA - no esperes citas “de la nada”.
• Calidad de la fuente. Si el sitio confunde, el modelo amplifica la confusión - ver el perfil de riesgo de alucinaciones.

Errores frecuentes

• Tratar llms.txt como sustituto de robots.txt o como forma de “prohibir el entrenamiento del modelo” - no lo es.
• Llenar el archivo de eslóganes sin enlaces a páginas verificables.
• Meter mil URL “por si acaso” - eso ya es un sitemap, no un mapa curado.
• Enlazar páginas en Disallow o tras login.
• Olvidar el multilingüismo: las versiones por idioma suelen necesitar archivos o prefijos alineados con tu esquema.
• Prometer al cliente “seréis primeros en ChatGPT” tras añadir el archivo - eso rompe contratos y expectativas.

Conclusión

llms.txt es un estándar Markdown sencillo junto a robots.txt y sitemap.xml: no abre ni cierra el acceso, sino que indica al modelo qué considerar canónico en el sitio. Para el negocio en 2026 es una capa barata de visibilidad IA: especialmente útil en documentación y sitios de producto, pero no sustituye SEO, contenido ni control de hechos. Define la política de bots, publica páginas canónicas y un /llms.txt corto - y revisa las respuestas de los asistentes con la misma regularidad que las posiciones en búsqueda.

Si necesita ayuda con el desarrollo, la implementación de IA o el soporte del sitio para su proyecto - escríbame.

Preguntas frecuentes

¿Es obligatorio llms.txt en todos los sitios?

No. Es un estándar comunitario opcional. Casi siempre aporta claridad barata, pero la prioridad es mayor en docs, SaaS y sitios con FAQ denso. A un landing local de tres bloques le importan más un texto honesto de servicios y robots.txt que un archivo perfecto para LLM.

¿Sustituye llms.txt a robots.txt?

No. robots.txt dice a los crawlers dónde pueden ir. llms.txt dice a modelos y agentes qué leer primero. Hacen falta ambos: permiso de rastreo de URL importantes y un mapa curado del sentido. Sin acceso de bots, el mapa casi no sirve.

¿Subirá el archivo posiciones en Google o citas en ChatGPT?

No hay garantía. Los sistemas grandes no han declarado llms.txt como factor principal de ranking de respuestas IA. El archivo ayuda a las herramientas y reduce ruido al interpretar el sitio; la visibilidad sigue dependiendo del contenido, enlaces, permisos de crawlers y coherencia de hechos.

¿En qué se diferencia llms.txt de sitemap.xml?

El sitemap lista muchas páginas para indexar. llms.txt es un resumen corto y una selección de URL clave con notas pensadas para la ventana de contexto del LLM. El sitemap responde “qué existe”; llms.txt - “por dónde entender la esencia del proyecto”.

¿Por dónde empezar en Tilda / WordPress / stack propio?

Haz una lista de 10-20 URL canónicas, escribe H1 + resumen corto + enlaces, publica el archivo en la raíz (hosting, nginx, plugin o CI). Comprueba la URL directa y conflictos con robots.txt. Actualiza el archivo al cambiar tarifas o páginas clave - si no, los asistentes citarán datos viejos.

Términos del artículo

AI Overview — Google AI summary box above classic search results — caja de resumen de IA de Google sobre resultados clásicos

LLM — Large Language Model — modelo de lenguaje grande

inference — running a trained model to get predictions — ejecución del modelo entrenado para obtener predicciones

SaaS — Software as a Service — software como servicio

SERP — Search Engine Results Page — página de resultados del buscador

USP — Unique Selling Proposition — propuesta única de venta

B2B — Business to Business — de empresa a empresa

SLA — Service Level Agreement — acuerdo de nivel de servicio

chatbot — conversational bot interface

CDN — Content Delivery Network — red de entrega de contenido

CRM — Customer Relationship Management — gestión de relaciones con clientes

RAG — Retrieval-Augmented Generation — generación aumentada por recuperación