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

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.

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.