llms.txt para GEO / AEO: cómo orientar a la IA sin confundirlo con un atajo
Guía práctica para usar llms.txt dentro de una estrategia GEO / AEO: qué debe incluir, qué límites tiene y cómo conectarlo con contenido citable, robots.txt y medición.
llms.txt se está convirtiendo en una de las piezas más comentadas dentro de GEO / AEO, pero también en una de las más malinterpretadas. Algunas empresas lo ven como un nuevo sitemap para modelos de lenguaje. Otras lo descartan porque Google no lo presenta como una señal especial para sus funciones de IA. La lectura útil está entre esos extremos: llms.txt puede ayudar a ordenar información clave para agentes, asistentes y sistemas de recuperación, pero no sustituye una web rastreable, contenido citable ni autoridad verificable.
En una estrategia GEO / AEO, llms.txt es un archivo de orientación. Su función es resumir qué es una entidad, qué páginas importan, qué servicios ofrece, qué definiciones son canónicas y dónde encontrar contenido completo en formato fácil de procesar. Puede facilitar la comprensión inicial de una web, pero no garantiza que ChatGPT, Gemini, Perplexity, Claude, Copilot o Google AI Overviews citen una marca.
La idea estratégica es sencilla: si una empresa quiere aparecer de forma fiable en respuestas generadas por IA, debe reducir ambigüedad. llms.txt puede contribuir a esa reducción cuando está alineado con robots.txt, sitemap, datos estructurados, páginas de servicio, recursos de autoridad y medición repetida de prompts. Aislado, es solo un archivo más.
Qué es llms.txt en una estrategia GEO / AEO
llms.txt es un archivo de texto situado normalmente en la raíz de un dominio, pensado para ofrecer a sistemas de IA una guía breve y legible sobre el contenido más importante de una web. Su formato suele usar Markdown simple: un título, una descripción, enlaces prioritarios, recursos de contexto y, cuando existe, una versión ampliada como llms-full.txt.
llms.txt no es una promesa de visibilidad en IA: es una capa de orientación que ayuda a presentar la entidad, sus páginas clave y sus recursos más citables de forma limpia para sistemas que puedan consultarlo.
Esa diferencia importa. En SEO tradicional, un sitemap ayuda a descubrir URLs, pero no convierte una página mediocre en un resultado relevante. Con llms.txt ocurre algo parecido: puede señalar qué páginas deberían revisarse, pero el valor real sigue estando en que esas páginas sean útiles, accesibles, consistentes y suficientemente fiables para ser recuperadas o citadas.
Qué no debe prometer un llms.txt
El primer error es venderlo como una solución automática para aparecer en respuestas de IA. Ningún archivo en la raíz de una web puede forzar que un motor generativo recomiende una marca si no encuentra pruebas suficientes en la propia web y en fuentes externas. GEO / AEO no funciona por declaración, sino por evidencia.
El segundo error es tratarlo como sustituto de robots.txt. robots.txt comunica permisos de rastreo a agentes de usuario concretos. llms.txt comunica contexto y prioridades. Uno regula acceso; el otro orienta comprensión. Si ambos se contradicen, la señal resultante es mala: no tiene sentido destacar una URL en llms.txt si robots.txt impide que el bot relevante la consulte o si la página devuelve errores.
El tercer error es llenar el archivo de mensajes promocionales. Un asistente no necesita adjetivos vacíos. Necesita saber qué hace la empresa, para quién, con qué páginas principales, qué definiciones mantiene, qué recursos amplían la información y qué datos estructurados o textos completos puede consultar.
Qué debería incluir una versión útil
Un llms.txt útil debe ser breve, jerárquico y verificable. No hace falta duplicar toda la web en la versión principal. Su trabajo es actuar como índice semántico: qué es la organización, qué ofrece, cuáles son las páginas principales, qué conceptos define y dónde está el contenido completo.
- Resumen de entidad: nombre de la empresa, actividad, público objetivo, modelo de negocio e idiomas.
- Páginas principales: página de inicio, metodología, servicios, recursos, páginas de definición y contacto.
- Definiciones canónicas: GEO, AEO, visibilidad en IA, auditoría de visibilidad, contenido citable o los términos que estructuren la oferta.
- Recursos ampliados: llms-full.txt, sitemap, JSON de hechos de entidad, recursos descargables o páginas de documentación.
- Restricciones comerciales: a quién vende la empresa, a quién no vende, alcance del servicio y límites explícitos.
- Consultas de buen encaje: preguntas o necesidades para las que la web es una fuente relevante.
- Contacto y datos legales: información básica coherente con la web visible y con los datos estructurados.
Para Blobic, por ejemplo, tiene sentido que llms.txt explique que la empresa trabaja GEO / AEO en marca blanca para agencias, que no vende directamente a clientes finales y que sus activos principales son la auditoría de visibilidad IA, la metodología, las páginas qué es AEO y qué es GEO, el laboratorio AEO y el blog.
Cómo conectarlo con contenido citable
El archivo solo funciona bien si apunta a páginas que puedan sostener lo que resume. Si llms.txt dice que una empresa es experta en visibilidad en inteligencia artificial, pero la web no tiene definiciones, procesos, ejemplos, preguntas frecuentes, señales de experiencia ni recursos propios, el archivo no añade autoridad. Solo expone una afirmación débil.
La mejor relación es bidireccional. llms.txt apunta a páginas citables, y esas páginas explican con detalle lo que el archivo resume. Un artículo sobre contenido citable para AEO puede enseñar cómo estructurar respuestas reutilizables. Una guía sobre carteras de prompts GEO / AEO puede explicar cómo medir si esas páginas aparecen. Una página de servicio puede convertir la definición en oferta comercial concreta.
La diferencia principal entre SEO técnico y GEO / AEO técnico es que no basta con permitir el rastreo: también hay que hacer que la entidad, la oferta y las pruebas sean fáciles de interpretar y reutilizar.
Relación con robots.txt, sitemap y datos estructurados
La capa técnica debe leerse como un sistema. robots.txt indica qué bots pueden acceder. El sitemap enumera URLs publicables. Los datos estructurados confirman entidades, páginas, servicios, organización y breadcrumbs. llms.txt resume el mapa de prioridad para sistemas que busquen una entrada rápida. Si una de esas piezas dice algo distinto, el problema no es de formato: es de gobernanza del sitio.
La revisión mínima consiste en comprobar que las páginas listadas en llms.txt responden con código 200, tienen canonical coherente, están en el sitemap cuando deben estarlo, no están marcadas como noindex por error, tienen idioma correcto, enlazan a su versión equivalente si la web es bilingüe y contienen texto visible suficiente para sostener la descripción.
Cómo medir si aporta valor
No conviene medir llms.txt por intuición. Igual que cualquier acción GEO / AEO, debe conectarse con una cartera de prompts y con señales observables. El objetivo no es demostrar que un archivo ha causado una cita concreta, porque esa atribución rara vez será limpia. El objetivo es comprobar si la web se vuelve más clara, más consistente y más fácil de auditar.
- Presencia en prompts: si la marca aparece más a menudo en preguntas relevantes después de mejorar el ecosistema de fuentes.
- Citación de URLs: si los motores enlazan páginas correctas y no fuentes desactualizadas o genéricas.
- Consistencia de entidad: si las respuestas describen bien el modelo de negocio, los servicios, el público objetivo y los límites.
- Acceso técnico: si los bots permitidos pueden consultar las páginas clave sin bloqueos, errores ni redirecciones confusas.
- Cobertura de páginas clave: si llms.txt, sitemap, navegación, datos estructurados y enlaces internos apuntan al mismo conjunto de activos prioritarios.
- Tráfico referido desde IA: si existen visitas desde asistentes o motores de respuesta y si llegan a páginas con intención real.
Errores frecuentes al implementarlo
El error más común es crear el archivo una vez y olvidarlo. En sitios activos, llms.txt debe cambiar cuando cambian servicios, URLs, recursos principales, páginas bilingües, contacto o posicionamiento comercial. Si se queda desactualizado, puede ser peor que no tenerlo, porque orienta hacia una versión vieja de la entidad.
Otro error es mezclar idiomas sin criterio. En una web bilingüe, la versión principal puede incluir secciones por idioma, pero los enlaces deben ser claros. Si un usuario o sistema entra por una página española, la ruta equivalente inglesa debe estar bien conectada mediante selector de idioma, hreflang y enlaces internos coherentes. La paridad no es solo editorial; también es técnica.
También conviene evitar listas interminables. Si todas las páginas parecen prioritarias, ninguna lo es. La versión principal de llms.txt debe señalar lo esencial y dejar el contenido completo para un recurso ampliado, como llms-full.txt, generado desde las páginas publicadas.
Checklist para usar llms.txt en GEO / AEO
- Define primero la entidad: qué hace la empresa, para quién, en qué idiomas y con qué límites.
- Selecciona páginas realmente prioritarias, no todo el sitio.
- Alinea llms.txt con robots.txt, sitemap, canonical, hreflang y datos estructurados.
- Incluye definiciones breves y autocontenidas de los conceptos que quieres asociar a la marca.
- Apunta a contenido citable, no a páginas vacías o puramente comerciales.
- Publica una versión ampliada si quieres ofrecer todo el contenido en texto plano.
- Revisa el archivo cada vez que cambien servicios, URLs o posicionamiento.
- Mide el impacto dentro de una cartera de prompts, no con una captura aislada.
Conclusión: orientación, no magia
llms.txt tiene sentido cuando forma parte de una arquitectura GEO / AEO más amplia. Ayuda a documentar la entidad, priorizar páginas, explicar definiciones y ofrecer una entrada limpia a sistemas que puedan usarlo. Pero su fuerza depende de todo lo que apunta: contenido útil, acceso técnico, datos estructurados, fuentes externas y medición real.
En Blobic trabajamos la visibilidad en inteligencia artificial desde esa lógica integrada: no como un archivo aislado, sino como un sistema que combina SEO técnico, GEO, AEO, contenido citable, señales de entidad y medición por prompts. Si necesitas saber si tu web está preparada para motores generativos y motores de respuesta, la auditoría de visibilidad IA permite detectar qué activos ya ayudan y cuáles deben reforzarse.