Cómo hacer que tu página web sea visible para ChatGPT, Perplexity y la IA de Google

Imagina dos pastelerías en la Narvarte. Las dos hacen buen pastel sin gluten, las dos tienen clientes fieles. La primera vive en Instagram: fotos bonitas, el menú en una historia destacada, los precios por DM. La segunda tiene además un sitio sencillo con una página que dice, en texto normal, qué pasteles hacen sin gluten, para cuántas personas, con cuántos días de anticipación y en qué colonias entregan.

Ahora alguien abre ChatGPT o Perplexity y escribe: «¿dónde encargo un pastel sin gluten para 30 personas en la Benito Juárez?». ¿Cuál de las dos tiene más chance de aparecer en la respuesta?

No es una pregunta difícil. Y el resto de este artículo es para explicar por qué, y qué puedes hacer con tu propio sitio.

Quién visita tu página cuando nadie la está viendo

A tu sitio también entran programas, y no son pocos. Google lleva décadas mandando a Googlebot. Lo nuevo es que las empresas de IA también tienen sus bots, y casi todas separan tres trabajos distintos: juntar contenido para entrenar modelos, indexar páginas para su buscador y entrar a una página en el momento en que un usuario hace una pregunta.

OpenAI lo documenta así: GPTBot recolecta contenido que puede usarse para entrenar sus modelos, OAI-SearchBot es el que hace que tu sitio aparezca en las respuestas de búsqueda de ChatGPT, y ChatGPT-User entra cuando una persona le pide algo a ChatGPT que requiere visitar tu página. Anthropic tiene un esquema parecido: ClaudeBot para entrenamiento, Claude-SearchBot para mejorar sus resultados de búsqueda y Claude-User cuando un usuario de Claude pregunta algo. Perplexity dice que PerplexityBot sirve para mostrar y enlazar sitios en sus resultados y que no se usa para entrenar modelos; aparte tiene Perplexity-User para visitas que dispara un usuario.

Google es un caso aparte. Google-Extended no es un bot que visite tu sitio: es una etiqueta que pones en tu robots.txt para decidir si lo que Google ya rastreó puede usarse para entrenar Gemini y también para que la app de Gemini o Vertex AI lo usen como base al responder. Google aclara que bloquearlo no afecta tu inclusión ni tu posición en el buscador.

Bloquear o no bloquear: lo que nosotros haríamos con tu robots.txt

Aquí es donde mucha gente se equivoca. Lee en algún lado que las IAs «se roban el contenido», bloquea todo lo que suene a IA y, sin darse cuenta, también se borra de los buscadores de esas IAs. Que es justo donde sus clientes están preguntando.

La buena noticia es que no tienes que escoger todo o nada. OpenAI dice explícitamente que cada ajuste es independiente: puedes permitir OAI-SearchBot para salir en ChatGPT y bloquear GPTBot para que tu contenido no se use en entrenamiento. Para un negocio pequeño que quiere que lo encuentren, nosotros casi siempre recomendamos algo así:

• Permitir los bots de búsqueda: OAI-SearchBot, Claude-SearchBot, PerplexityBot, y por supuesto Googlebot y Bingbot.
• Decidir con calma sobre los de entrenamiento (GPTBot, ClaudeBot). Para la mayoría de los negocios de servicios da un poco igual; si tu contenido es tu producto, como un curso o una publicación de pago, ahí sí vale la pena bloquearlos con una línea del tipo User-agent: GPTBot seguida de Disallow: /.
• Pensar dos veces antes de bloquear Google-Extended: además de entrenamiento, controla si la app de Gemini puede usar tu contenido para responder, y ahí también te pueden estar buscando.
• No bloquear nada «por si acaso» sin saber qué hace cada nombre.

Dos detalles más. OpenAI dice que los cambios en robots.txt pueden tardar unas 24 horas en reflejarse en su búsqueda. Y las visitas que dispara un usuario funcionan distinto: OpenAI advierte que a ChatGPT-User las reglas de robots.txt pueden no aplicarle, y Perplexity dice que Perplexity-User generalmente las ignora. O sea, robots.txt sirve para decidir dónde quieres aparecer, no es un candado.

¿Y los AI Overviews de Google? Esos son parte del buscador, así que no se controlan con Google-Extended. Google dice que no hay requisitos adicionales para aparecer ahí: la página tiene que estar indexada y poder mostrarse con fragmento en los resultados normales. En Search Console existe un ajuste para incluir tu sitio en las funciones de IA generativa de la búsqueda, y viene activado de fábrica. Si quieres limitar lo que se muestra, las herramientas son las de siempre (nosnippet, max-snippet, noindex).

Si tu contenido aparece hasta que corre JavaScript, para varios bots no existe

Este es más técnico, pero importa mucho. Muchos sitios modernos mandan al navegador una página casi vacía y luego la llenan con JavaScript. Para una persona con Chrome no hay diferencia. Para un bot que solo lee el HTML que le llega, la página está en blanco.

Un estudio de Vercel y MERJ de diciembre de 2024 encontró que ninguno de los principales crawlers de IA que analizaron ejecutaba JavaScript: ni los de OpenAI, ni ClaudeBot, ni PerplexityBot. Los de ChatGPT y Claude descargaban los archivos de JavaScript, pero no los corrían. Las excepciones fueron Gemini, que usa la infraestructura de Google, y Applebot. Google, por su parte, dice que puede procesar contenido en JavaScript siempre que no esté bloqueado, aunque reconoce que optimizar un sitio así es más complicado.

Han pasado casi dos años desde ese estudio y algo pudo haber cambiado. Pero no conviene apostarle. La recomendación práctica es que lo importante (qué haces, dónde, precios o rangos, contacto) venga escrito en el HTML que entrega el servidor. Es lo que recomendamos cuando armamos un sitio multipágina: que las páginas salgan ya renderizadas del servidor y que el JavaScript quede para cosas como un formulario o un mapa.

Por qué Instagram no te alcanza

Volvamos a la pastelería que solo tiene Instagram. Tiene varios problemas a la vez.

Primero, la información está regada: el menú es una imagen, los precios están en mensajes privados, la zona de entrega en un comentario de hace meses. Un modelo que lee texto no tiene de dónde sacar una respuesta clara.

Segundo, las reglas de acceso no son tuyas. Revisamos el robots.txt de Instagram en octubre de 2026: tiene reglas para Googlebot, Bingbot, GPTBot, ClaudeBot, PerplexityBot y otros, pero OAI-SearchBot y Claude-SearchBot no aparecen en la lista, así que les toca la regla general, que bloquea todo el sitio. Además, el archivo abre con un aviso de que la recolección automatizada está prohibida sin permiso escrito de Instagram. Eso lo decide Meta, lo puede cambiar mañana y tú no tienes voz ni voto.

Ojo, no estamos diciendo que cierres tu Instagram. Las redes sirven para otras cosas. Lo que decimos es que tu información de negocio necesita vivir en un lugar que controles, en texto, en una dirección que sea tuya.

¿Y el famoso llms.txt?

Seguramente ya alguien te lo mencionó. Es una propuesta de Jeremy Howard, publicada en septiembre de 2024, para poner en la raíz del sitio un archivo en Markdown con un resumen y una lista de enlaces pensada para que un modelo de lenguaje entienda rápido de qué va tu sitio. Es eso: una propuesta, no un estándar.

Google fue bastante directo en su guía de optimización para IA generativa: no necesitas llms.txt ni archivos especiales para aparecer en la búsqueda, Google Search no los usa, y tenerlos no ayuda ni perjudica. Si alguien te lo vende como la llave para salir en la IA, desconfía. Si ya lo tienes o te lo hacen gratis, no pasa nada. Nosotros no lo ponemos como prioridad.

Qué hace que una IA te cite a ti y no a tu competencia

No hay truco secreto, y Google lo dice casi con esas palabras: su guía recomienda contenido útil y original, con un punto de vista propio, en páginas que se puedan rastrear e indexar, y pide tener cuidado con herramientas o servicios de «AEO» o «GEO» que prometen atajos. Aterrizado a un negocio pequeño, lo que vemos que funciona es bastante terrenal.

Responde preguntas concretas con frases concretas. «Hacemos pasteles sin gluten de 10 a 40 porciones, con 3 días de anticipación, y entregamos en Benito Juárez y Coyoacán» es algo que un modelo puede citar. «Endulzamos tus momentos especiales» no.

Di quién eres y dónde estás. Nombre del negocio, dirección o zona de servicio, teléfono, horario. Escrito igual en tu sitio y en tu Perfil de Negocio de Google, que Google menciona como algo que puede ayudar a que tu negocio aparezca en respuestas de IA. Si además quieres que las máquinas lo lean sin ambigüedad, eso se hace con datos estructurados; lo explicamos en cómo usar datos estructurados para que la IA entienda tu negocio.

Pon datos que nadie más tiene: tus tiempos reales, tus precios o rangos, los casos que atiendes y los que no. Una página por servicio suele funcionar mejor que una sola página que diga todo en un párrafo (para eso existe la diferencia entre una landing page para una campaña y un sitio completo).

Y mide. Search Console ya tiene un reporte de rendimiento en funciones de IA generativa, y desde febrero de 2026 Bing Webmaster Tools tiene un reporte de AI Performance que muestra cuántas veces te citan en Microsoft Copilot, en los resúmenes con IA de Bing y en algunas integraciones de socios (todavía en vista previa).