Artículos · Visibilidad en IA

Qué es llms.txt y si tu empresa necesita uno

llms.txt es un archivo propuesto para resumir tu web a los modelos de IA. Qué incluye, en qué se diferencia de robots.txt y cuánto importa de verdad.

llms.txt es un archivo de texto en formato Markdown que se coloca en la raíz de tu web y resume qué es tu empresa y qué páginas importan. Se propuso en septiembre de 2024 para ayudar a los modelos de lenguaje a leer una web con rapidez. Añadirlo cuesta poco, pero ningún gran motor de IA ha confirmado que lo use, así que va después de las opiniones, el contenido y las menciones, no antes.

¿De dónde sale llms.txt?

Jeremy Howard, de Answer.AI, publicó la propuesta en septiembre de 2024 en llmstxt.org. La idea es sencilla. Las webs están hechas para personas, con menús, banners, avisos de cookies y scripts. Un modelo de lenguaje que lee tu web tiene que atravesar todo eso para encontrar los datos. Un archivo llms.txt le da un resumen corto y limpio en un solo sitio: tudominio.com/llms.txt.

Es una propuesta, no un estándar acordado. Nadie está obligado a usarlo y ninguna empresa de búsqueda o de IA se ha comprometido a leerlo.

¿Qué lleva un archivo llms.txt?

La propuesta plantea una estructura flexible, toda en Markdown:

  1. Un título con el nombre de tu empresa. Es la única parte obligatoria.
  2. Un resumen breve en una cita. Una o dos frases sobre qué haces y para quién.
  3. Detalles opcionales. Unas pocas líneas o viñetas con los datos clave.
  4. Secciones de enlaces. Encabezados como “Servicios” o “Guías”, cada uno con una lista de enlaces a tus páginas más útiles y una nota sobre lo que cubre cada una.

Este es un ejemplo breve para una clínica dental inventada de Nerja. El nombre y los enlaces son ilustrativos.

# Clínica Dental Ejemplo

> Clínica Dental Ejemplo es una clínica dental privada en Nerja, España.
> Atendemos a pacientes locales e internacionales en español, inglés y alemán.

- Dónde: Nerja y Torrox, Costa del Sol
- Idiomas: español, inglés, alemán
- Contacto: [email protected]

## Servicios

- [Implantes dentales](https://www.example.com/implantes/): cómo es el tratamiento, plazos y qué esperar
- [Urgencias](https://www.example.com/urgencias/): citas en el mismo día y cómo reservar

## Guías para pacientes

- [Tratamiento para visitantes](https://www.example.com/visitantes/): cómo organizar un tratamiento durante unas vacaciones o una estancia corta

Eso es todo. Un nombre claro, un resumen claro y un pequeño mapa de tus mejores páginas.

¿En qué se diferencia llms.txt de robots.txt y del sitemap?

Hacen tres trabajos distintos.

  • robots.txt indica a los rastreadores qué pueden visitar y qué no. Va de permisos. Es una convención de la web desde hace décadas y los grandes rastreadores la respetan.
  • El sitemap enumera todas las páginas que quieres que encuentren los buscadores. Va de que no falte nada. Google y Bing lo usan.
  • llms.txt resume de qué va tu web y señala las páginas que más importan. Va de que te entiendan. Y es el único de los tres que los grandes motores no han confirmado que usen.

Así que llms.txt no sustituye a ninguno de los otros dos. Si tu robots.txt bloquea a un rastreador de IA, da igual lo bueno que sea tu llms.txt, porque el rastreador no puede entrar a leerlo.

¿Está tu robots.txt bloqueando a los rastreadores de IA?

Esta es la comprobación importante, y muchas empresas nunca la hacen. Algunas plataformas web, plugins de seguridad y servicios de alojamiento pueden bloquear por defecto a los rastreadores de IA. En otros casos se bloquearon a propósito hace un par de años y ya nadie se acuerda de por qué.

Los rastreadores que conviene conocer:

  • OAI-SearchBot es el rastreador que usa OpenAI para los resultados de búsqueda de ChatGPT. Si está bloqueado, OpenAI dice que tus páginas no aparecerán en las respuestas de búsqueda de ChatGPT.
  • GPTBot es el rastreador de OpenAI para entrenar sus modelos. Bloquearlo es una decisión independiente de bloquear OAI-SearchBot.
  • PerplexityBot es el rastreador que usa Perplexity para encontrar webs y enlazarlas en sus respuestas.
  • Google-Extended no es un rastreador aparte. Es un token de control en robots.txt que le dice a Google si el contenido que ya ha rastreado puede usarse para entrenar sus modelos Gemini y para fundamentar las respuestas de las aplicaciones de Gemini. Google dice que no afecta a tu inclusión ni a tu posición en la Búsqueda de Google. Bloquearlo es una decisión sobre entrenamiento, no sobre búsqueda.

Para comprobarlo, abre tudominio.com/robots.txt en el navegador. Busca líneas con Disallow: / bajo cualquiera de esos nombres o bajo User-agent: *. Si encuentras alguna que no pusiste a propósito, pide a quien gestione tu web que la cambie.

Aquí hay una decisión de negocio legítima. Algunos medios bloquean los rastreadores de entrenamiento por principio. Pero para una clínica, un colegio o una inmobiliaria de la Costa del Sol que quiere que la recomienden, bloquear los rastreadores de búsqueda casi siempre es un error.

¿Deberías añadir un archivo llms.txt?

Sí, si a tu desarrollador web le lleva media hora. No, si es a costa de otra cosa.

Nuestra opinión sincera: llms.txt no cuesta casi nada y puede servir en el futuro, si los motores empiezan a leerlo. Hoy no hay pruebas públicas de que ChatGPT, Gemini o Perplexity lo usen para decidir a quién nombran. Lo que sí mueve las respuestas de la IA está bien documentado: contenido concreto y fuentes independientes que se citan, descripciones coherentes en toda la web y opiniones que mencionan lo que haces de verdad. Unos buenos datos estructurados están en la misma categoría que llms.txt: una base sólida que se deja bien hecha en poco tiempo.

Un ejemplo real: esta web

Esta web publica su propio llms.txt en /llms.txt. Empieza con nuestro nombre y un párrafo que resume qué hacemos y dónde. Después enumera nuestros servicios y precios, las páginas clave, los sectores y zonas que cubrimos, todos los artículos de la web y enlaces a las páginas en español. El archivo se genera a partir del mismo contenido que la web cada vez que se publica, así que no se queda desfasado cuando añadimos una página.

En nuestro robots.txt también permitimos la entrada a los principales rastreadores de IA, entre ellos GPTBot, OAI-SearchBot, PerplexityBot y Google-Extended, porque que nos lean es justo lo que queremos.

Qué hacer esta semana

  1. Abre tu robots.txt y comprueba que no hay nada importante bloqueado.
  2. Si tu web no tiene llms.txt, añade uno corto como el del ejemplo.
  3. Dedica el resto del tiempo a lo que importa más. Nuestras guías sobre las AI Overviews de Google y el GEO son un buen punto de partida.

Si quieres ver qué dicen hoy ChatGPT, Gemini y Perplexity sobre tu empresa, nuestro diagnóstico gratuito de visibilidad en IA prueba diez preguntas reales y te compara con tres competidores.

Descubre qué dice ChatGPT de ti hoy

Diez preguntas reales de tus clientes. Tres motores de IA. Tú y tres competidores. Un informe breve en tu correo en cinco días laborables, gratis.

Pide tu diagnóstico gratuito