# ¿ChatGPT puede leer tu sitio? Cómo revisar los rastreadores de IA en tu robots.txt

> Qué rastreadores usan ChatGPT, Perplexity, Claude y Gemini, cuáles respetan robots.txt y cómo comprobar en cinco minutos que no los bloqueas.

Autor: Samuel Hinojosa (CEO & Founder, WITS) · Actualizada: 2026-11-01 · https://market.wits.mx/guias/chatgpt-puede-leer-tu-sitio/

## ¿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 |
| Google | Googlebot + token Google-Extended | Search (incluye AI Overviews) / entrenamiento y grounding de Gemini | Sí |

Las fuentes son la documentación de cada empresa: [OpenAI](https://developers.openai.com/api/docs/bots), [Perplexity](https://docs.perplexity.ai/guides/bots), [Anthropic](https://support.claude.com/en/articles/8896518) y [Google](https://developers.google.com/search/docs/crawling-indexing/google-common-crawlers). Cambian con el tiempo: revísalas antes de tocar tu robots.txt.

## ¿Cómo revisarlo paso a paso?

Cinco minutos

1. Abre tu robots.txt: Escribe tudominio.com/robots.txt en el navegador. Si no existe, nadie está bloqueado por ese archivo.
2. Busca cada nombre: Busca OAI-SearchBot, PerplexityBot, Claude-SearchBot y Google-Extended. Anota qué dice debajo de cada uno.
3. Revisa el comodín: Un «User-agent: *» con «Disallow: /» bloquea a todos los que no tengan su propio grupo de reglas.
4. Revisa tu firewall: Algunos servicios de CDN o seguridad bloquean bots de IA aunque robots.txt los permita. Revisa esa configuración.
5. 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: /
```

> Google-Extended no afecta a Search: Según Google, bloquear Google-Extended no cambia tu inclusión ni tu posición en Google Search, y AI Overviews se rige por Googlebot y las reglas de fragmento. Lo vemos en [AI Overviews](https://market.wits.mx/guias/ai-overviews-google/).

## ¿Por qué el JavaScript puede esconder tu contenido?

Google puede ejecutar JavaScript, aunque en un [segundo paso](https://developers.google.com/search/docs/crawling-indexing/javascript/javascript-seo-basics). 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](https://market.wits.mx/guias/llms-txt/) explica una forma complementaria de darles a los asistentes un mapa de tu sitio, y la [auditoría SEO](https://market.wits.mx/guias/auditoria-seo-gratis/) 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](https://market.wits.mx/guias/chatgpt-puede-leer-tu-sitio/#contacto)

## 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](https://developers.openai.com/api/docs/bots)
- [Perplexity: rastreadores de Perplexity](https://docs.perplexity.ai/guides/bots)
- [Anthropic: rastreadores de Anthropic y cómo bloquearlos](https://support.claude.com/en/articles/8896518)
- [Google Search Central: rastreadores comunes de Google (Google-Extended)](https://developers.google.com/search/docs/crawling-indexing/google-common-crawlers)
- [RFC 9309: Robots Exclusion Protocol](https://www.rfc-editor.org/rfc/rfc9309)
- [Google Search Central: conceptos básicos de SEO para JavaScript](https://developers.google.com/search/docs/crawling-indexing/javascript/javascript-seo-basics)
- [Google Search Central: funciones de IA y tu sitio web](https://developers.google.com/search/docs/appearance/ai-features)
