Optimización para búsqueda con IA: cómo ChatGPT, Perplexity y Google encuentran y citan su empresa

Los asistentes de IA como la búsqueda de ChatGPT, Perplexity, Microsoft Copilot y las AI Overviews y el AI Mode de Google no tienen un índice secreto en el que se pueda pagar para entrar. Dependen de rastreadores web y de índices de búsqueda. Cuando alguien hace una pregunta, toman las páginas que la responden con más claridad, redactan una respuesta y enlazan algunas como fuentes. Para una pequeña empresa, la "optimización para motores generativos" (GEO) se reduce a tres tareas: dejar entrar a los rastreadores correctos, hacer que sus páginas sean fáciles de entender y verificar, y lograr que Google y Bing las indexen. Nadie puede prometer que un asistente de IA lo va a citar, y quien lo prometa está adivinando. Lo que sí puede hacer es eliminar lo que lo deja completamente fuera.

Cómo encuentran sus páginas los motores de respuesta con IA

Cada asistente funciona de forma algo distinta, pero el patrón es el mismo. Un rastreador o índice de búsqueda recopila páginas. Luego, cuando un usuario pregunta algo, el sistema recupera las páginas relevantes, redacta una respuesta y cita algunas de ellas.

• Las AI Overviews y el AI Mode de Google funcionan sobre el propio índice de Google Search. Google indica que no hay requisitos adicionales: la página solo tiene que estar indexada y ser apta para aparecer en la Búsqueda con un fragmento (snippet). Google también dice que no hacen falta archivos nuevos legibles por máquinas, archivos de texto para IA ni marcado de schema especial.
• La búsqueda de ChatGPT depende del rastreador de búsqueda de OpenAI, OAI-SearchBot. Según OpenAI, los sitios que bloquean a OAI-SearchBot no se mostrarán en las respuestas de búsqueda de ChatGPT, aunque pueden seguir apareciendo como simples enlaces de navegación.
• Perplexity usa PerplexityBot para mostrar y enlazar sitios en sus resultados. Usa Perplexity-User cuando visita una página a raíz de la pregunta concreta de un usuario.
• Microsoft Copilot basa muchas de sus respuestas en Bing. Si Bing no ha indexado su página, Copilot tiene mucho menos con qué trabajar.
• Claude (Anthropic) usa Claude-SearchBot para indexar contenido para búsqueda y Claude-User para consultar páginas cuando un usuario lo pide.

La conclusión: es muy poco probable que se cite una página que Google y Bing no pueden rastrear ni indexar.

Robots.txt: rastreadores de entrenamiento vs. rastreadores de búsqueda

Aquí es donde muchos sitios cometen un error costoso. Las empresas de IA separan el rastreador que recopila datos de entrenamiento del que alimenta las respuestas de búsqueda. Una regla general de "bloquear todos los bots de IA" puede sacarlo silenciosamente de los resultados de búsqueda con IA. Permitirlo todo, en cambio, puede no coincidir con lo que usted piensa sobre el entrenamiento de modelos.

Token de robots.txt	Empresa	Qué controla
GPTBot	OpenAI	Si el contenido puede usarse para entrenar los modelos fundacionales de OpenAI
OAI-SearchBot	OpenAI	Si su sitio puede aparecer en las respuestas de búsqueda de ChatGPT
ChatGPT-User	OpenAI	Visitas generadas por la solicitud de un usuario; OpenAI dice que las reglas de robots.txt pueden no aplicarse
PerplexityBot	Perplexity	Mostrar y enlazar su sitio en los resultados de Perplexity; Perplexity dice que no se usa para entrenar modelos fundacionales
Perplexity-User	Perplexity	Visitas iniciadas por el usuario; Perplexity dice que este agente generalmente ignora robots.txt
Google-Extended	Google	El uso de su contenido para entrenar y fundamentar los modelos Gemini de Google; Google dice que no afecta la inclusión ni el posicionamiento en Google Search
ClaudeBot	Anthropic	Recopilación de contenido que puede usarse para entrenar modelos
Claude-SearchBot	Anthropic	Indexación para los resultados de búsqueda de Claude
Googlebot / Bingbot	Google / Microsoft	Rastreo normal de búsqueda, que también alimenta AI Overviews, AI Mode y Copilot

Hay tres puntos que se pasan por alto con facilidad:

1. Google-Extended es un token, no un rastreador. Google rastrea con sus agentes de usuario habituales. Bloquear Google-Extended no lo saca de AI Overviews ni de AI Mode. Para eso, Google remite a las reglas normales de Googlebot y a los controles de fragmentos como nosnippet, data-nosnippet, max-snippet y noindex.
2. Defina una política antes de editar el archivo. Algunas empresas quieren aparecer en la búsqueda con IA, pero prefieren no aportar contenido al entrenamiento. Otras están cómodas permitiendo ambas cosas. Las dos opciones son legítimas.
3. Los cambios no son inmediatos. OpenAI y Perplexity indican que los cambios pueden tardar unas 24 horas en aplicarse, y el nuevo rastreo de Google puede tardar mucho más.

Este es un ejemplo para una empresa que quiere visibilidad en la búsqueda con IA, pero no quiere que OpenAI ni Google usen su contenido para entrenamiento. Es una ilustración, no una regla para todos los sitios:

User-agent: OAI-SearchBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Claude-SearchBot
Allow: /

User-agent: GPTBot
Disallow: /

User-agent: Google-Extended
Disallow: /

User-agent: *
Disallow: /admin

Recuerde que robots.txt es una solicitud que los rastreadores serios respetan. No es un control de acceso. Todo lo privado debe estar detrás de un inicio de sesión.

Revise también su firewall y su CDN

La protección contra bots de su hosting o CDN puede bloquear a estos rastreadores aunque robots.txt los permita. La guía de Google menciona expresamente permitir el rastreo en robots.txt "y en cualquier CDN o hosting". Perplexity recomienda que las reglas del firewall verifiquen tanto el agente de usuario como sus rangos de IP publicados. Si usa Cloudflare, revise la configuración de bots junto con las reglas de nuestra guía de Cloudflare WAF.

Cree páginas fáciles de citar

Los sistemas de IA tienden a citar páginas que responden directamente a una pregunta y que son fáciles de verificar. Eso también es buena redacción para lectores humanos.

• Responda primero. Empiece cada página o sección con la respuesta clara y después dé los detalles. "Ofrecemos soporte de TI gestionado para bufetes de abogados en Miami-Dade y Broward" es mejor que tres párrafos de eslóganes.
• Un tema por página. Dé a cada servicio, industria y zona atendida su propia página, con un título claro y un solo H1.
• Sea específico y coherente. Indique sus servicios, las zonas que atiende, los idiomas en que trabaja y cómo contactarlo. Use el mismo nombre comercial y los mismos datos de contacto en su sitio, su Perfil de Empresa en Google y sus listados en directorios.
• Muestre quién está detrás de la empresa. Una página "Quiénes somos" real, credenciales reales y una forma clara de contacto ayudan a que lectores y sistemas de búsqueda confíen en el contenido.
• Use texto, no solo imágenes o PDF. Google recomienda contenido textual que acompañe a imágenes y videos. Los detalles de un servicio encerrados en un folleto escaneado son difíciles de usar para cualquier sistema.
• Manténgalo actualizado. Actualice o elimine páginas obsoletas y ponga fecha a sus artículos.
• Nunca invente nada. Las reseñas falsas, las estadísticas inventadas y las historias de clientes ficticias violan las políticas de los buscadores y pueden aparecer en respuestas de IA asociadas a su nombre.

Datos estructurados: claridad, no magia

El marcado de Schema.org, como Organization o LocalBusiness, Service y BreadcrumbList, ayuda a los buscadores a entender quién es usted y qué ofrece. Google es claro en dos puntos: no se requiere un schema especial para aparecer en sus funciones de IA, y los datos estructurados deben coincidir con lo que se ve en la página. Agréguelos para describir su negocio con precisión, no como un truco de posicionamiento.

Logre que Google y Bing lo indexen

1. Google Search Console. Verifique su dominio, envíe su sitemap XML y revise el informe de indexación de páginas para detectar páginas importantes que no están indexadas.
2. Bing Webmaster Tools. Verifique su sitio (puede importarlo desde Google Search Console) y envíe el mismo sitemap. Esto importa para Copilot y para otros servicios que usan el índice de Bing.
3. IndexNow. Este protocolo abierto le permite avisar a los buscadores participantes cuando se agrega o cambia una URL. Las preguntas frecuentes de IndexNow mencionan como participantes a Amazon, Bing, Naver, Seznam.cz, Yandex y Yep; Google no está en esa lista. También indican que enviar una URL no garantiza su indexación.
4. Mida lo que pueda. Google Search Console ahora tiene un informe de rendimiento de IA generativa que muestra las impresiones en AI Overviews y AI Mode. Google indica que llegó a todos los sitios web a partir del 31 de agosto de 2026, aunque el informe puede no aparecer si un sitio tiene muy pocas impresiones en funciones de IA. Bing Webmaster Tools lanzó en febrero de 2026 un informe de rendimiento de IA (AI Performance) en versión preliminar pública. Muestra con qué frecuencia se citan sus páginas en Microsoft Copilot y en las respuestas de IA de Bing. En su herramienta de analítica, fíjese en las visitas que llegan desde chatgpt.com y perplexity.ai.

Las páginas rápidas y bien construidas también ayudan. Nuestra guía sobre velocidad del sitio web y Core Web Vitals cubre los aspectos técnicos básicos.

¿Y qué pasa con llms.txt?

llms.txt es un archivo Markdown ubicado en /llms.txt que resume un sitio web para los modelos de lenguaje. Jeremy Howard lo propuso en septiembre de 2024, y sigue siendo una propuesta de la comunidad, no un estándar formal. Ninguno de los principales proveedores de búsqueda con IA que revisamos lo presenta como requisito, y Google dice explícitamente que no se necesitan archivos de texto para IA para aparecer en AI Overviews ni en AI Mode.

Nuestra opinión: es barato de agregar e inofensivo si se mantiene correcto, por eso publicamos uno en nuestro propio sitio. Pero no contamos con él para conseguir citas, y usted tampoco debería. Si lo agrega, manténgalo coherente con lo que realmente dicen sus páginas.

Lo que no debe hacer

• No compre "citas de IA garantizadas" ni "posiciones garantizadas en IA". Ningún proveedor controla lo que ChatGPT, Perplexity, Copilot o Google deciden citar.
• No produzca páginas en masa. Las políticas contra spam de Google consideran abuso de contenido a escala la generación de muchas páginas de poco valor, incluidas las reescrituras y traducciones automáticas.
• No muestre a los bots un contenido distinto del que ven las personas. Eso es cloaking (encubrimiento) y viola las políticas de los buscadores.
• No bloquee a Googlebot ni a Bingbot con la excusa de "bloquear la IA". Perdería tanto la búsqueda clásica como las respuestas de IA.

Si su empresa está en Miami-Dade o en otra parte del sur de la Florida y quiere que alguien revise su robots.txt, sus reglas de firewall, sus datos estructurados y su indexación, Core Florida IT puede hacerlo como parte de nuestros servicios de sitios web a medida y optimización del rendimiento. Empiece por solicitar una evaluación de TI gratuita.

Fuentes

• AI features and your website (Google Search Central)
• Google's common crawlers and Google-Extended (Google Search Central)
• Overview of OpenAI crawlers (OpenAI)
• Perplexity crawlers (documentación de Perplexity)
• Does Anthropic crawl data from the web, and how can site owners block the crawler? (Anthropic)
• Generative AI performance report (Ayuda de Search Console)
• Introducing AI Performance in Bing Webmaster Tools Public Preview (Bing Webmaster Blog)
• IndexNow FAQ
• Propuesta del archivo /llms.txt (llmstxt.org)
• Spam policies for Google web search (Google Search Central)