Cada vez más gente pregunta cosas a ChatGPT, a Perplexity o a Gemini en lugar de escribirlas en Google. Y cuando esos sistemas responden, citan unas webs y no citan otras.
Por qué eligen unas y no otras no lo sabemos: ninguna de esas empresas publica el criterio. Lo que sí se puede saber, y en cinco minutos, es si tu web les está poniendo obstáculos. Esa es la diferencia entre lo que se puede prometer y lo que no, y es de lo único que va este artículo.
Aquí van tres comprobaciones que puedes hacer tú mismo, sin herramientas de pago y sin tocar nada. Al final cuento la cuarta, que es la más discutible, y lo que encontramos al aplicarnos todo esto a nuestra propia web.
Ninguna de estas tres cosas garantiza que un modelo te cite. Las tres quitan motivos para que no pueda hacerlo, que es lo único que está en tu mano.
Uno: comprueba si tu web deja pasar a los rastreadores de IA
Escribe en el navegador la dirección de tu web seguida de /robots.txt. Por ejemplo, tuempresa.com/robots.txt. Es un archivo de texto plano, corto, que le dice a los rastreadores por dónde pueden pasar.
Lo que buscas son líneas que empiecen por User-agent: seguidas de nombres como GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot, Google-Extended o CCBot. Si alguna de ellas va acompañada de Disallow: /, esa web está cerrada a ese sistema y ninguna optimización posterior va a cambiarlo.
Pasa más de lo que parece, y casi siempre sin querer: hay plugins de WordPress y paneles de hosting que bloquean rastreadores de IA por defecto, con la idea razonable de proteger el contenido frente al entrenamiento de modelos. Es una decisión legítima —hay quien la toma a propósito, y con motivos—, pero conviene que sea una decisión y no un descuido.
Si tu robots.txt no menciona ninguno de esos nombres y solo tiene un User-agent: * con Allow: /, están todos autorizados. No hay nada que arreglar.
Dos: comprueba si tu web dice quién eres en un formato que se pueda leer sin interpretar
Una persona entra en tu web y entiende en dos segundos que eres una carpintería de Badajoz. Una máquina tiene que deducirlo del texto, y deducir es donde se equivoca. Los datos estructurados —un bloque de código llamado JSON-LD, invisible para el visitante— evitan la deducción: dicen literalmente el nombre, la actividad, la dirección, el teléfono y los servicios.
Para comprobar si los tienes: abre tu web, pulsa Ctrl+U (o clic derecho, «ver código fuente») y busca con Ctrl+F la palabra application/ld+json. Si no aparece ninguna vez, tu web no tiene datos estructurados. Si aparece, hay una segunda pregunta más interesante, y es la que casi nadie se hace.
¿Dicen todas tus páginas que eres la misma empresa?
Aquí está el fallo que más nos hemos encontrado, y lo escribimos con conocimiento de causa porque lo teníamos nosotros. Es habitual que cada página de servicio incluya su propio bloque de datos con el nombre, la dirección y el teléfono de la empresa repetidos. Parece correcto y es información idéntica, así que ¿qué más da?
Da, porque sin un identificador común una máquina no tiene forma de saber que esos bloques hablan del mismo negocio. Ve doce fichas parecidas en vez de una empresa con doce servicios. La confianza que debería acumularse en una entidad se reparte entre doce copias que no se reconocen entre sí.
La solución es técnica y aburrida: darle al negocio un identificador único y que todas las páginas lo referencien en lugar de volver a describirlo. No se añade ni un dato nuevo; se conectan los que ya estaban.
Tres: coge un párrafo cualquiera y léelo fuera de su página
Esta es la comprobación que no necesita mirar código y probablemente la más útil de las tres.
Los modelos no leen tus páginas enteras de arriba abajo como un lector. Trabajan con fragmentos. Así que coge un párrafo del medio de una página de servicio, cópialo en un documento en blanco, y léelo como si te lo hubieras encontrado suelto.
¿Se entiende qué empresa lo dice, qué hace y dónde? ¿O empieza por «además, ofrecemos» y no se sabe ni de qué se habla ni quién habla? Si te pasa lo segundo —y le pasa a la mayoría de las webs, incluidas muchas bien escritas—, ese párrafo no sirve como respuesta a nada.
Arreglarlo no es escribir para máquinas. Es la vieja regla de empezar por la conclusión: que cada sección abra diciendo lo que es, y que el nombre de la empresa y el sitio aparezcan donde toca en lugar de darse por supuestos veinte párrafos más arriba. Se lee mejor también para las personas, que es la prueba de que la optimización va por buen camino: si un cambio solo mejora para la máquina, sospecha.
Y la cuarta, que es opcional y hay que contarla entera
Existe una propuesta llamada llms.txt: un archivo de texto en la raíz del sitio que resume, en lenguaje claro y con enlaces, qué es la web y qué contiene cada sección. La idea es evidente y buena.
Lo honesto es decir el resto: es una propuesta, no un estándar, y ningún gran proveedor de IA ha confirmado públicamente que lo lea. Quien te venda un llms.txt como la llave para aparecer en ChatGPT te está vendiendo humo. Lo que sí es cierto es que cuesta un rato, no estorba a nada, y obliga a un ejercicio útil por sí mismo: escribir en diez líneas qué hace tu empresa y qué páginas importan. Si esa lista te cuesta, el problema no es el archivo.
Nosotros lo hemos puesto en artemovil.com/llms.txt con ese criterio: por si acaso, y porque no cuesta nada. No porque sepamos que sirve.
Lo que encontramos en nuestra propia web
Antes de ofrecer esto a nadie nos lo aplicamos a nosotros, que es lo mínimo. El robots.txt estaba bien y no bloqueaba nada. Los datos estructurados existían y eran correctos página por página.
Y aun así fallaba lo del identificador común: doce páginas de servicio, cada una declarando por su cuenta un negocio llamado Artemóvil con su dirección y su teléfono, sin nada que dijera que eran el mismo. Una web nuestra, revisada, con el SEO trabajado, y con ese cabo suelto durante meses. Lo hemos corregido esta semana y ha sido un trabajo de un rato, porque los datos ya estaban: solo había que conectarlos.
Lo contamos porque es exactamente el tipo de fallo del que va este artículo: no rompe nada, no da error, no lo detecta ninguna herramienta que mire velocidad o palabras clave, y solo se ve si alguien se sienta a leer el código con esta pregunta en la cabeza.
Qué esperar, y qué no
Estas comprobaciones no van a poner tu web en la primera respuesta de ChatGPT. Nadie puede prometer eso, y quien lo prometa está inventando un mecanismo que las propias empresas no han publicado. Lo explicamos con más detalle en GEO y SEO: la nueva forma de ganar visibilidad y en SEO, SEM, AEO y GEO, si te interesa el marco completo.
Lo que sí hacen es quitar de en medio tres obstáculos concretos y verificables: que no te puedan leer, que no sepan quién eres y que tus párrafos no se sostengan solos. Son tres condiciones necesarias. Ninguna es suficiente, y decir lo contrario sería mentir.
La buena noticia es que las tres mejoran también el posicionamiento de toda la vida. No estás apostando por una moda: estás haciendo mejor lo que ya había que hacer.
¿Prefieres que las hagamos nosotros?
Revisamos tu robots.txt, tus datos estructurados y una muestra de tus textos, y te decimos qué está bloqueando qué. Si no encontramos nada que arreglar, te lo diremos igual: es un rato de trabajo, no un presupuesto. Va dentro de la auditoría web gratuita, que revisa además indexación, contenidos, velocidad, móvil, SEO local y conversión.
Preguntas frecuentes sobre visibilidad en buscadores de IA
¿Debo dejar que los rastreadores de IA accedan a mi web?
Depende de qué publiques. Para una empresa que quiere que la encuentren, bloquearlos es renunciar a aparecer en un sitio donde cada vez se busca más. Para quien vive de contenido propio —cursos, fotografía, textos originales—, la decisión es más difícil y hay motivos legítimos para cerrar la puerta. Lo que no tiene sentido es que la puerta esté cerrada sin que nadie lo haya decidido, que es lo que ocurre cuando lo hace un plugin por defecto.
¿Los datos estructurados sirven solo para la IA?
No, y ese es su mayor argumento. Llevan más de una década siendo lo que permite que Google entienda una ficha de producto, un horario o una valoración, y de ahí salen los resultados enriquecidos. Que ahora también los usen los sistemas de IA no cambia la razón para ponerlos: cambia la urgencia.
¿Hay alguna forma de medir si un modelo cita mi web?
Directamente y con datos fiables, no: no existe un panel equivalente a Search Console para esto. Lo que sí se puede hacer es preparar una lista de veinte o treinta preguntas que un cliente tuyo haría de verdad, lanzarlas cada cierto tiempo en varios sistemas y anotar si apareces. Es artesanal, los resultados varían entre ejecuciones y no da un número exacto, pero al menos es una observación real y no una promesa.
Mi web es de 2019 y funciona. ¿Tengo que rehacerla para esto?
Casi seguro que no. Las tres comprobaciones de este artículo se resuelven sobre la web que ya tienes: el robots.txt es un archivo de texto, los datos estructurados se añaden al código sin tocar el diseño y los párrafos se reescriben. Rehacer una web se justifica por otros motivos —que la plataforma no tenga soporte o que la estructura ya no cuente lo que haces—, y de eso hablamos en el caso de Gestoría Andrino.