¿Cómo saber si ChatGPT puede leer tu sitio?
Abre tu robots.txt (tudominio.com/robots.txt) y busca reglas para OAI-SearchBot, el rastreador de la búsqueda de ChatGPT, y para el comodín «User-agent: *». Si alguna regla aplicable dice «Disallow: /», ChatGPT no puede leer tu sitio para su búsqueda. Después revisa que tu contenido esté en el HTML y no solo en JavaScript.
¿Qué rastreadores usan los asistentes de IA?
| Empresa | Rastreador | Para qué sirve | ¿Respeta robots.txt? |
|---|---|---|---|
| OpenAI | OAI-SearchBot | Mostrar sitios en la búsqueda de ChatGPT | Sí |
| OpenAI | GPTBot | Contenido que puede usarse para entrenar modelos | Sí |
| OpenAI | ChatGPT-User | Visitas que pide una persona dentro de ChatGPT | Puede no aplicar: lo pide un usuario |
| Perplexity | PerplexityBot | Mostrar y enlazar sitios en sus respuestas | Sí |
| Perplexity | Perplexity-User | Visitas que pide una persona | En general no |
| Anthropic | Claude-SearchBot / ClaudeBot / Claude-User | Búsqueda / entrenamiento / visitas de usuario | Sí, según Anthropic |
| Googlebot + token Google-Extended | Search (incluye AI Overviews) / entrenamiento y grounding de Gemini | Sí |
Las fuentes son la documentación de cada empresa: OpenAI, Perplexity, Anthropic y Google. Cambian con el tiempo: revísalas antes de tocar tu robots.txt.
¿Cómo revisarlo paso a paso?
Cinco minutos
- 01
Abre tu robots.txt
Escribe tudominio.com/robots.txt en el navegador. Si no existe, nadie está bloqueado por ese archivo.
- 02
Busca cada nombre
Busca OAI-SearchBot, PerplexityBot, Claude-SearchBot y Google-Extended. Anota qué dice debajo de cada uno.
- 03
Revisa el comodín
Un «User-agent: *» con «Disallow: /» bloquea a todos los que no tengan su propio grupo de reglas.
- 04
Revisa tu firewall
Algunos servicios de CDN o seguridad bloquean bots de IA aunque robots.txt los permita. Revisa esa configuración.
- 05
Mira el HTML
Ver código fuente: si tu texto principal no aparece ahí, un rastreador que no ejecuta JavaScript no lo verá.
¿Qué conviene permitir y qué bloquear?
Son dos decisiones separadas. Aparecer en respuestas depende de los rastreadores de búsqueda; el entrenamiento, de otros. Puedes permitir unos y bloquear otros. Este ejemplo deja entrar a la búsqueda y bloquea el entrenamiento:
User-agent: OAI-SearchBot Allow: / User-agent: PerplexityBot Allow: / User-agent: Claude-SearchBot Allow: / User-agent: GPTBot Disallow: / User-agent: ClaudeBot Disallow: / User-agent: Google-Extended Disallow: / User-agent: * Allow: /
¿Por qué el JavaScript puede esconder tu contenido?
Google puede ejecutar JavaScript, aunque en un segundo paso. Otros rastreadores pueden leer solo el HTML inicial. Si tus servicios, precios o preguntas frecuentes se cargan después, pon al menos lo esencial en el HTML del servidor. La guía de llms.txt explica una forma complementaria de darles a los asistentes un mapa de tu sitio, y la auditoría SEO cubre el resto de la revisión técnica.
La herramienta «¿La IA puede leer tu sitio?» de Market OS revisa tu robots.txt, tu firewall y tu HTML contra cada rastreador y te dice quién entra y quién no.
Avísame cuando esté lista →Preguntas frecuentes
¿Bloquear GPTBot me saca de ChatGPT?
No de su búsqueda. OpenAI indica que la búsqueda depende de OAI-SearchBot y que cada ajuste es independiente.
¿Qué pasa si no tengo robots.txt?
Ningún rastreador está bloqueado por ese archivo. Aun así conviene tenerlo para declarar tu sitemap.
¿Robots.txt protege información privada?
No. Es una petición que los rastreadores respetuosos siguen; lo privado debe protegerse con contraseña o no publicarse.
¿Cuánto tardan en notar un cambio en robots.txt?
Depende de cada empresa. OpenAI indica que sus cambios pueden tardar alrededor de 24 horas en aplicarse.
¿Debo permitir los rastreadores de entrenamiento?
Es una decisión de negocio. No afecta a que te citen en búsqueda; afecta a si tu contenido puede usarse para entrenar modelos.
Fuentes
- OpenAI: rastreadores y user agents
- Perplexity: rastreadores de Perplexity
- Anthropic: rastreadores de Anthropic y cómo bloquearlos
- Google Search Central: rastreadores comunes de Google (Google-Extended)
- RFC 9309: Robots Exclusion Protocol
- Google Search Central: conceptos básicos de SEO para JavaScript
- Google Search Central: funciones de IA y tu sitio web
Escrita por Samuel Hinojosa, WITS · Actualizada el 1 de noviembre de 2026 · Markdown




