llms.txt: qué es, qué dice Google y si de verdad sirve para SEO

Google lo escribió en su propia guía: no usa tu llms.txt. Y aun así, el archivo más discutido de 2026 tiene un consumidor real, solo que no es el que te vendieron.

La pregunta útil no es qué es, sino si sirve: especificación vigente, cita textual de Google, el mayor estudio de logs del año y una regla de decisión.

Qué es llms.txt y qué no es

llms.txt es una propuesta de Jeremy Howard (Answer.AI) publicada el 3 de septiembre de 2024 y mantenida en llmstxt.org, con revisión v2 del 10 de agosto de 2026. La idea: un archivo Markdown en la raíz del sitio, o en cualquier subruta que cubra lo que hay debajo, que le da a un modelo de lenguaje un mapa curado de la web. Un resumen corto y enlaces a las páginas que importan.

Lo que no es, y aquí se cae la mitad del humo:

• No es un archivo de permisos: no autoriza ni prohíbe nada.
• No es una señal de posicionamiento.
• No es un sitemap, aunque se le parezca.
• No garantiza que ningún motor lo lea.

El formato que sí pide la especificación v2

El orden importa si quieres que sea válido:

1. Un BOM opcional.
2. Un H1 con el nombre del proyecto. Es la única sección obligatoria.
3. Un blockquote con el resumen del sitio.
4. Secciones Markdown libres con contexto, sin encabezados.
5. Cero o más secciones ## con listas de enlaces. Cada ítem es un enlace obligatorio, con notas opcionales después de dos puntos.

La convención más útil es ## Optional: marca lo que un agente puede saltarse cuando necesita menos contexto. Un ejemplo mínimo:

# Mi proyecto

> Documentación y guías de la API.

## Documentación
- [Inicio rápido](https://ejemplo.com/quickstart): instalación en cinco minutos
- [Referencia de la API](https://ejemplo.com/api): endpoints y errores

## Optional
- [Blog](https://ejemplo.com/blog): notas de versión

Un archivo sin enlaces es un stub válido e inútil. La v2 añade espejos .md por página y relaciones rel="alternate" type="text/markdown" y rel="describedby", que sí genera un build sin trabajo manual.

llms.txt no es robots.txt, aunque se parezcan

robots.txt dice qué puedes rastrear y los buscadores lo obedecen desde hace treinta años. llms.txt dice por dónde empezar a leer y nadie está obligado a mirarlo. Uno es una norma con consecuencias; el otro, una nota de cortesía. El primero está explicado en qué es el archivo robots.txt y en cómo crear un robots.txt correcto en 2026.

Ojo con un detalle que confunde: llms-full.txt no está en la especificación. Es una convención de herramientas que concatena todo el contenido en un archivo.

Qué dice Google sobre llms.txt, textual

La guía "Optimizing your website for generative AI features on Google Search", actualizada el 10 de julio de 2026, tiene un apartado de mitos. Cita literal: "You don't need to create new machine readable files, AI text files, markup, or Markdown to appear in Google Search (including its generative AI capabilities), as Google Search itself doesn't use them." Y remata: crearlo "will neither harm nor help your site's visibility or rankings in Google Search, as Google Search ignores them."

Su documentación de funciones de IA lo repite: "There are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary."

Un matiz evita la conclusión falsa: Googlebot sí pidió el archivo unas 900 veces en mayo de 2026, pero porque rastrea cualquier URL que descubre. Pedir un archivo no es usarlo. Y Google-Extended no es un rastreador: es un token que se escribe en robots.txt.

Si Google no lo usa, el valor está en otros consumidores. Y esos también se miden con logs.

Los datos: 137.210 dominios y un 97% que nadie pidió

Ahrefs publicó el 15 de junio de 2026 el mayor estudio de logs sobre este archivo: 137.210 dominios, con registros de mayo de 2026.

• El 28% de los dominios publica un llms.txt, y ese es el techo: la muestra es más técnica que la web media.
• De los unos 38.000 con archivo válido, el 97% no recibió ni una petición en todo mayo.
• El 3% restante, unos 1.100 dominios, concentró todo el tráfico: unas 22.000 peticiones, 96% de bots. El reparto desinfla el mito: auditoría SEO 21,7%, otros 14,9%, crawlers generales 13,1%, perfilado técnico 11,6%. Los bots de IA juntos suman 19,5%, con entrenamiento 5,3% y recuperación para búsqueda apenas 1,1%.
• OAI-SearchBot, PerplexityBot y el crawler de búsqueda de Claude sumaron un par de cientos de peticiones en miles de sitios.

Advertencia metodológica: pedir el archivo no es leerlo, así que esas cifras son un techo y no un piso.

El segundo estudio es de SE Ranking, sobre unos 300.000 dominios: adopción del 10,13% y ninguna correlación entre tener el archivo y ser citado por modelos. Al quitar la variable del modelo, la precisión incluso mejoró. Ruido, no señal. Su conclusión: "doesn't seem to directly impact AI citation frequency. At least not yet."

Quién sí lo lee: agentes de código, no motores de respuesta

El hallazgo más útil es otro: Claude Code superó en peticiones a todos los crawlers de recuperación, asistentes y entrenamiento juntos. Los agentes y su infraestructura fueron el 10,5% del total, más que cualquier otra categoría de bot de IA.

Traducido a decisión: sirve si tu audiencia son desarrolladores o si tu sitio es documentación técnica. No sirve para "aparecer en ChatGPT".

Ningún bot sale a buscar un archivo que no existe

Las peticiones a /llms.txt que devolvieron 404 eran 98% tráfico humano y cero bots de IA: los que picaban a la puerta eran personas revisando a la competencia.

La consecuencia es incómoda para quien vende la idea: publicar el archivo no te pone en el radar de nadie. Lo piden cuando un enlace, un índice o el usuario les dice que existe.

¿Lo implemento o no? La regla de decisión

Sí, publícalo si:

• Tu build lo genera solo, en cada deploy, sin trabajo manual.
• Tu audiencia son devs o agentes: documentación, API, librerías.
• Quieres espejos .md limpios de tus páginas clave.

No lo publiques si:

• Esperas clics o citas en Google. Los datos dicen que no llegan por ahí.
• Lo vas a mantener a mano: en cuanto exige trabajo humano, el retorno es negativo.
• Tu tiempo rinde más en indexación, contenido y velocidad.

Costo técnico: cero. Riesgo para Google: cero, porque lo ignora.

Lighthouse lo audita, y eso no lo convierte en ranking

Lighthouse 13.3, del 7 de mayo de 2026, añadió la categoría Agentic Browsing a su configuración por defecto, con una auditoría de llms.txt. Llegó a DevTools de Chrome 150 y en unas dos semanas a PageSpeed Insights.

Es un chequeo de presencia y formato, no una señal de posicionamiento. Si el archivo no existe, la auditoría no aplica: no resta puntos. Verde significa que está ahí y que parsea, no que algún motor lo lea.

Dónde está la discusión que sí importa: robots.txt

El archivo que todos los rastreadores ya piden y ya obedecen es robots.txt, y ahí se está moviendo el control del contenido frente a la IA:

• Cloudflare Content Signals, de septiembre de 2025: un campo Content-Signal dentro de robots.txt con tres permisos, search, ai-input y ai-train.
• IETF AIPREF: un vocabulario de preferencias de uso para IA, también montado sobre robots.txt y todavía en borradores.

La lectura honesta: la industria consolida el control de acceso en el archivo que existe desde 1994, no en uno nuevo. Eso deja a llms.txt como mapa de cortesía, no como interruptor de permisos. Preparar el sitio para agentes de navegador se trabaja en cómo preparar tu web para agentes de IA.

Checklist en cinco pasos

1. Decide el objetivo por escrito: ¿agentes de código o visibilidad en IA? Si es lo segundo, este archivo no es la palanca.
2. Genera en el build, nunca a mano: un script que recorra las páginas clave y escriba H1, blockquote y secciones.
3. Formato completo, no stub: H1, resumen y al menos una sección con enlaces.
4. Mide antes de creer: filtra las peticiones a /llms.txt en tus logs 30 días y compara con la línea base.
5. No descuides lo que sí mueve la aguja: indexación, datos estructurados para rich results, Core Web Vitals y Search Console. El detalle está en qué son los rich snippets y schema markup.

En resumen

Google lo ignora y lo dice por escrito. Casi nadie lo pide: el 97% de los archivos válidos no recibió ni una petición en un mes. Y su único consumidor demostrado son agentes de código, no los motores de respuesta que te prometen.

Publícalo si te sale gratis en el build y te sirve para tus propios agentes. No lo vendas, ni lo compres, como estrategia de visibilidad en IA: es higiene barata, no palanca de visibilidad. Para aparecer y ser citado por motores generativos, el trabajo real está en GEO: cómo aparecer y ser citado en ChatGPT, Perplexity y Gemini.