Cómo preparar tu página web para los buscadores de IA

Revisión técnica para aparecer en ChatGPT, Gemini, Copilot y Perplexity: rastreadores de IA en robots.txt, contenido sin JavaScript, datos estructurados, llms.txt y velocidad.

Puedes tener los mejores textos, cientos de reseñas y menciones en medios, y aun así no aparecer en ChatGPT si tu sitio tiene un problema técnico que impide leerlo. Pasa más seguido de lo que parece: un robots.txt copiado de internet que bloquea a todos los rastreadores de IA, una página hecha solo con JavaScript que se ve vacía para un bot, o un firewall que trata a los asistentes como ataques.

Esta guía es la parte técnica de cómo aparecer en los buscadores de IA: una lista de revisión que puedes hacer tú o pasarle a quien administra tu sitio. Si buscas la parte de estrategia y contenido, empieza por qué es GEO, el SEO para inteligencia artificial.

1. Deja pasar a los rastreadores correctos

Cada empresa de IA usa sus propios rastreadores (bots), y no todos sirven para lo mismo. Algunos recopilan textos para entrenar modelos; otros buscan páginas para responder en tiempo real y citar fuentes. Puedes permitir unos y bloquear otros en tu archivo robots.txt.

EmpresaRastreadorPara qué sirve
OpenAIOAI-SearchBotEncontrar páginas para las respuestas con búsqueda de ChatGPT
OpenAIChatGPT-UserVisitar una página cuando un usuario se lo pide a ChatGPT
OpenAIGPTBotRecopilar contenido para entrenar modelos
AnthropicClaude-SearchBot, Claude-UserBúsqueda y visitas a petición del usuario en Claude
AnthropicClaudeBotEntrenamiento de modelos
PerplexityPerplexityBot, Perplexity-UserBúsqueda y visitas a petición del usuario
GoogleGooglebotBuscador de Google, incluidos AI Overviews y el modo IA
GoogleGoogle-ExtendedIndica si Google puede usar tu contenido para entrenar y alimentar Gemini
MicrosoftBingbotBing y Copilot

Lo que importa para que te citen son los rastreadores de búsqueda (OAI-SearchBot, Claude-SearchBot, PerplexityBot, Googlebot y Bingbot). Bloquearlos es la forma más rápida de desaparecer de las respuestas. Los de entrenamiento son una decisión de negocio: si prefieres que tu contenido no se use para entrenar modelos, puedes bloquearlos sin afectar tu aparición en las búsquedas.

Ten en cuenta que bloquear Google-Extended no te saca de los AI Overviews de Google: esos usan el mismo rastreo que el buscador normal.

Un robots.txt sencillo para un negocio que quiere aparecer en todos lados tiene solo tres líneas:

LíneaQué significa
User-agent: *La regla aplica a todos los rastreadores
Allow: /Pueden leer todo el sitio
Sitemap: https://tudominio.mx/sitemap.xmlDónde está la lista de tus páginas

Revisa el tuyo entrando a tudominio.mx/robots.txt. Si ves líneas como User-agent: GPTBot seguidas de Disallow: /, alguien decidió bloquear ese rastreador; confirma que fue a propósito y que no estás bloqueando también a los de búsqueda.

2. Revisa tu firewall y tu CDN

Aunque tu robots.txt lo permita, el bot puede no llegar. Servicios como Cloudflare y otros firewalls ofrecen opciones para bloquear "bots de IA" con un clic, y en algunos casos vienen activadas por defecto en dominios nuevos. También hay hostings que bloquean visitas automáticas para ahorrar recursos.

Entra al panel de seguridad de tu CDN o hosting y busca opciones como "AI bots", "bot fight mode" o "block AI crawlers". Si las tienes activas, decide de forma consciente qué permitir. En los registros del servidor puedes confirmar si los rastreadores de búsqueda están llegando y qué código de respuesta reciben.

3. Que el contenido esté en el HTML, no solo en JavaScript

Muchos sitios modernos cargan el texto con JavaScript después de abrir la página. Google ejecuta JavaScript, aunque con retraso, pero varios rastreadores de IA no lo hacen: leen el HTML que entrega el servidor y ya. Si tus servicios, precios o preguntas frecuentes solo aparecen después de ejecutar JavaScript, para esos bots tu página está vacía.

Prueba rápida: en Chrome, abre tu página, haz clic derecho y elige "Ver código fuente de la página". Busca con Ctrl+F una frase de tu contenido principal. Si no aparece ahí, el contenido depende de JavaScript.

Soluciones comunes: generar las páginas en el servidor o de forma estática, o usar un constructor que entregue el texto en el HTML. Lo mismo aplica para menús, pestañas, acordeones y widgets de reseñas: el texto debe estar en el código aunque se muestre al hacer clic.

4. Datos estructurados que describan tu negocio

Los datos estructurados son etiquetas invisibles (normalmente en formato JSON-LD con el vocabulario de schema.org) que le dicen a los buscadores, sin ambigüedad, qué es cada cosa en tu página. Las más útiles para una empresa:

  • Organization o LocalBusiness en la página de inicio o de contacto: nombre, logo, dirección, teléfono, horarios, zona de servicio y enlaces a tus perfiles oficiales.
  • Service o descripciones claras en cada página de servicio.
  • Product en cada ficha de una tienda: precio, moneda, disponibilidad, marca y calificación. Lo explicamos en cómo hacer que ChatGPT recomiende tu producto.
  • Article en los artículos del blog, con autor y fecha.
  • FAQPage en las preguntas frecuentes. Google ya casi no muestra esas preguntas como resultado enriquecido, pero el marcado sigue describiendo claramente el contenido.

Los datos estructurados no te hacen aparecer por sí solos, pero reducen la ambigüedad. Valida los tuyos con la prueba de resultados enriquecidos de Google y el validador de schema.org, y asegúrate de que digan lo mismo que el texto visible.

5. Sitemap, indexación y Bing

Los asistentes que buscan en internet dependen de índices de búsqueda. Si tus páginas no están indexadas, es muy difícil que te citen.

  • Ten un sitemap.xml actualizado y declarado en robots.txt.
  • Da de alta tu sitio en Google Search Console y en Bing Webmaster Tools. Bing alimenta a Copilot y es una de las fuentes que usan otros asistentes, y muchas empresas mexicanas nunca lo han configurado.
  • Activa IndexNow si tu plataforma lo permite, para avisar a Bing y otros buscadores cada vez que publicas o cambias una página.
  • Revisa en ambas herramientas qué páginas están excluidas y por qué.

Si tu sitio es nuevo, en cómo posicionar una página web nueva en Google explicamos cómo acelerar la indexación.

6. Velocidad y estabilidad

Un rastreador que espera demasiado o recibe errores se va. Mantén tiempos de respuesta bajos del servidor, evita errores 5xx intermitentes y no dependas de ventanas emergentes o pantallas de "acepta cookies" que tapen el contenido en el HTML. En velocidad de página web tienes la revisión completa.

7. llms.txt: útil, pero no un atajo

El archivo llms.txt es una propuesta para poner en la raíz de tu sitio un resumen en texto simple, con enlaces a tus páginas más importantes, pensado para modelos de lenguaje. Es fácil de hacer y puede ayudar a herramientas que lo lean, pero los principales buscadores con IA no han confirmado que lo usen para decidir qué citar. Tenlo si quieres; no lo pongas por encima de los puntos anteriores.

8. Una URL clara por tema

La IA cita páginas concretas. Si todos tus servicios están en una sola página larga, o si tienes tres páginas casi iguales del mismo servicio, es más difícil que alguna sea la fuente ideal. Una página por servicio, por producto o por ciudad (cuando de verdad atiendes ahí), con URL descriptiva y un título que diga de qué trata, facilita el trabajo de cualquier buscador.

Lista de revisión rápida

RevisiónCómo comprobarlo
robots.txt no bloquea rastreadores de búsquedaAbre tudominio.mx/robots.txt
Firewall o CDN no bloquea bots de IA sin quererPanel de seguridad de tu hosting o CDN
Contenido principal en el HTML"Ver código fuente" y busca una frase
Datos estructurados de tu empresa y productosPrueba de resultados enriquecidos de Google
Sitio en Search Console y Bing Webmaster ToolsInicia sesión y revisa la cobertura
Sitemap actualizado y declaradoAbre tudominio.mx/sitemap.xml
Páginas rápidas y sin erroresPageSpeed Insights y registros del servidor
Una página clara por servicio o productoRevisa el menú y las URLs

Preguntas frecuentes

¿Debo bloquear a GPTBot para proteger mi contenido?

Depende de tu negocio. Bloquear GPTBot evita que OpenAI use tu contenido para entrenar modelos, pero no te saca de las búsquedas de ChatGPT, que usan OAI-SearchBot. Para la mayoría de las PyMEs que quieren ser recomendadas, lo importante es no bloquear a los rastreadores de búsqueda.

¿Cómo sé si los rastreadores de IA están visitando mi sitio?

Revisa los registros de acceso de tu servidor o el panel de tu CDN y filtra por los nombres de los rastreadores. Algunos servicios de hosting y Cloudflare muestran reportes de tráfico de bots de IA. Ten en cuenta que cualquiera puede hacerse pasar por un bot, así que los proveedores publican rangos de IP para verificarlos.

¿Un sitio hecho en Wix, Shopify o WordPress funciona para los buscadores de IA?

En general sí, porque entregan el contenido en HTML y generan sitemap y datos estructurados básicos. Revisa de todos modos tu robots.txt, la configuración de bots y que el texto importante no esté dentro de imágenes o widgets externos. Comparamos plataformas en WordPress vs. Wix vs. página a la medida.

¿Arreglar lo técnico basta para que ChatGPT me recomiende?

No. Lo técnico es la condición para que te puedan leer; lo que hace que te recomienden es el contenido claro, la reputación y las menciones en otras fuentes. Lo explicamos en cómo hacer que ChatGPT recomiende tu negocio.

Siguiente paso

Esta revisión toma menos de una hora si tienes acceso a tu hosting y a tu dominio. Empieza por robots.txt y "Ver código fuente": son los dos problemas que más vemos y los más fáciles de corregir.

En Emproyecta desarrollamos páginas web que entregan el contenido en HTML, con datos estructurados, sitemap y configuración lista para Google, Bing y los buscadores con IA.

Cotiza sin compromiso

Cotiza la revisión técnica de tu sitio

Mándanos por WhatsApp el enlace de tu página. Revisamos si los buscadores y asistentes de IA pueden leerla y te cotizamos lo que haya que corregir.

Conocer páginas web ↗