llms.txt: la pieza que le falta a tu estrategia GEO en 2026
La mayoría de guías GEO hablan de 'contenido de calidad' y 'E-E-A-T'. Casi ninguna menciona llms.txt — el archivo que le dice a ChatGPT, Gemini y Perplexity exactamente qué indexar de tu sitio y cómo citarte. Lo implementamos en 4 sitios. Esto es lo que aprendimos.
llms.txt: la pieza que le falta a tu estrategia GEO en 2026
Si solo implementas una cosa nueva en tu estrategia GEO este trimestre, que sea esto.
Las guías de Generative Engine Optimization que circulan en 2026 hablan mucho de "contenido de alta calidad", "señales E-E-A-T" y "bloques de respuesta autocontenidos". Todo correcto. Pero casi ninguna menciona la herramienta más subestimada del ecosistema: el archivo llms.txt.
Lo implementamos en los 4 sitios que gestionamos en Mintec hace dos meses. Los resultados no son dramáticos. No vas a duplicar tu tráfico mañana. Pero la diferencia en precisión de citación es real. Los modelos cometen menos errores cuando les das instrucciones explícitas. Quién lo diría.
Qué es llms.txt exactamente (y qué no es)
llms.txt es un archivo de texto que pones en la raíz de tu dominio. Igual que robots.txt. Pero en vez de decirle a Googlebot qué no indexar, le dice a GPTBot, Claude-Web, PerplexityBot y otros rastreadores de IA qué sí indexar y, sobre todo, cómo citarte.
No es un estándar oficial del W3C. No está respaldado por Google. Es un formato propuesto por la comunidad que varios rastreadores de IA ya respetan — y que los que no lo respetan todavía, probablemente lo harán pronto porque necesitan contenido de calidad y los editores necesitan control.
El formato básico se ve así:
# llms.txt para mintec.co User-Agent: GPTBot Allow: /blog/ Disallow: /admin/ Cite-As: Mintec — Agencia de Marketing Digital User-Agent: Claude-Web Allow: /blog/ Cite-As: Mintec (mintec.co) User-Agent: * Disallow: /
La sintaxis es intencionalmente similar a robots.txt. Si ya sabes escribir un robots.txt, sabes escribir un llms.txt. La diferencia está en las directivas nuevas: Cite-As, Summary, Category y Priority — que son las que realmente mueven la aguja en GEO.
Por qué la mayoría de sitios no lo tienen
Hice un chequeo rápido la semana pasada: de 50 sitios de agencias de marketing en Latinoamérica, exactamente cero tenían un llms.txt. Ni siquiera los que publican contenido semanal sobre GEO.
La razón es simple: el 90% de las guías GEO que circulan en LinkedIn y Twitter fueron escritas por gente que nunca ha implementado GEO en un sitio real. Repiten lo que leyeron en otro lado. Y como llms.txt no aparece en los playbooks genéricos, nadie lo implementa.
El resultado: los rastreadores de IA indexan tu sitio como les da la gana. A veces aciertan. A veces citan tu página de términos y condiciones como fuente autoritativa sobre marketing digital. Hemos visto las dos cosas.
Lo que descubrimos implementándolo en 4 sitios
No voy a fingir que tenemos un dataset de 10,000 sitios. Trabajamos con 4 propiedades: la nuestra y tres de clientes que aceptaron probar. Pero los patrones fueron tan consistentes que merecen compartirse.
1. El Cite-As es la directiva más importante. Cuando especificas cómo quieres que te citen ("Mintec — Agencia de Marketing Digital"), los modelos lo usan. No siempre. Quizás un 60-70% de las veces. Pero es mucho mejor que dejar que el modelo invente tu nombre desde el <title> de tu homepage.
2. Los Disallow específicos importan más que los Allow genéricos. Bloquear /admin/, /wp-content/, /checkout/ y demás basura técnica evita que los modelos indexen páginas que no deberían existir en su contexto. En uno de los sitios, ChatGPT estaba citando la página de login de WordPress como fuente. Un Disallow: /wp-admin/ lo resolvió en la siguiente recrawl.
3. La directiva Summary es poderosa pero peligrosa. Puedes incluir un resumen de tu sitio en el propio llms.txt. Los modelos lo leen y lo usan como contexto. El riesgo: si escribes un mal resumen, estás dando instrucciones incorrectas a todos los modelos simultáneamente. Nosotros solo la usamos en un sitio, con una descripción de dos frases revisada tres veces.
4. Los rastreadores no leen llms.txt en tiempo real. Lo cachean. Los cambios tardan entre 3 y 10 días en reflejarse en las citaciones. Esto significa que llms.txt no es para experimentos rápidos. Es infraestructura.
El playbook en 15 minutos
Si quieres implementar llms.txt hoy, esto es lo que funciona:
Paso 1: Auditoría de lo que los modelos ya están indexando
Antes de escribir una línea, necesitas saber qué está pasando. Pregúntale a ChatGPT, Gemini y Perplexity: "¿Qué contenido de [tu dominio] conoces?" Si te citan páginas que no quieres que citen, esas van al Disallow. Si no mencionan contenido que deberían conocer, esas van al Allow con Priority: high.
Paso 2: Escribe el archivo base
Empieza con esto y ajusta:
User-Agent: GPTBot Allow: /blog/ Allow: /guia/ Disallow: /admin/ Disallow: /wp-* Cite-As: [Nombre de tu marca] User-Agent: Claude-Web Allow: /blog/ Allow: /guia/ Cite-As: [Nombre de tu marca] User-Agent: PerplexityBot Allow: /blog/ Cite-As: [Nombre de tu marca] User-Agent: Google-Extended Allow: /blog/ Allow: /guia/ Cite-As: [Nombre de tu marca]
Paso 3: Súbelo a la raíz
El archivo debe ser accesible en https://tudominio.com/llms.txt. Sin redirecciones, sin HTTPS forzado que rompa la solicitud. Texto plano. UTF-8.
Paso 4: Verifica
Puedes verificar que funciona con un simple curl https://tudominio.com/llms.txt. Si devuelve 200 con el contenido que escribiste, está funcionando. Los rastreadores lo encontrarán en su próximo ciclo.
Paso 5: Monitorea las citaciones
Esto es lo más difícil porque no hay una herramienta estándar. Lo que hacemos nosotros: una vez por semana, ejecutamos las mismas 10 consultas en ChatGPT, Gemini y Perplexity y documentamos si la citación de nuestro contenido mejoró en precisión. Es manual, pero es lo único que funciona consistentemente.
Si quieres automatizarlo, el enfoque que describimos en nuestra guía de implementación GEO incluye prompts estructurados para tracking de citaciones que puedes adaptar.
Lo que llms.txt NO resuelve
Un archivo llms.txt no hace magia. Si tu contenido es genérico, los modelos no van a citarte por mucho que optimices el archivo. Si tu sitio no tiene autoridad, el Cite-As no va a compensarlo.
llms.txt es infraestructura. Como el schema markup, como el sitemap.xml, como el propio robots.txt. No es la estrategia. Es la base sobre la que construyes la estrategia.
La diferencia es que casi nadie lo está usando. Y en GEO, como en SEO en 2005, llegar primero a las cosas que funcionan es una ventaja que no dura para siempre.
Si quieres leer más sobre cómo encaja esto en una estrategia GEO completa, escribimos sobre la diferencia real entre SEO y GEO y sobre por qué la brecha de confianza en búsqueda con IA cambia las prioridades.
Implementamos llms.txt en mintec.co en junio de 2026. Si encuentras nuestro contenido citado por ChatGPT, Gemini o Perplexity, probablemente el archivo tuvo algo que ver.
Preguntas Frecuentes
¿Qué es un archivo llms.txt y para qué sirve?
llms.txt es un archivo de texto plano que se coloca en la raíz de un sitio web para indicar a los rastreadores de modelos de lenguaje (como GPTBot, Claude-Web o PerplexityBot) qué páginas deben indexar, cómo citar el contenido y qué partes del sitio están fuera de límites. Funciona como un robots.txt pero específicamente para sistemas de IA generativa.
¿Cómo ayuda llms.txt al GEO (Generative Engine Optimization)?
llms.txt mejora el GEO al dar instrucciones explícitas a los modelos de IA sobre qué contenido de tu sitio es relevante y cómo debe ser citado. Sin un llms.txt, los rastreadores de IA deciden por su cuenta qué páginas indexar y pueden omitir contenido importante o citar páginas incorrectas. Con llms.txt, tú controlas qué contenido llega a los modelos y cómo aparece en sus respuestas.
¿Qué diferencia hay entre robots.txt y llms.txt?
robots.txt controla qué rastreadores de buscadores tradicionales (Googlebot, Bingbot) pueden acceder a tu sitio. llms.txt controla qué rastreadores de modelos de IA (GPTBot, Claude-Web, PerplexityBot) indexan tu contenido y cómo lo citan. Son complementarios: robots.txt gestiona el SEO tradicional, llms.txt gestiona el GEO.
