Caso práctico: cómo preparar una web corporativa para agentes de IA con llms.txt

Caso práctico: cómo preparar una web corporativa para agentes de IA con llms.txt

En esta guía vamos a recorrer un proyecto de principio a fin: preparar una web corporativa para que un agente pueda orientarse mejor entre sus páginas públicas. Utilizaremos una empresa ficticia de servicios digitales. El ejemplo es didáctico: no representa una auditoría real ni presupone que un proveedor de IA vaya a utilizar el archivo.

Situación inicial

Imaginemos una empresa que ofrece diseño web, comercio electrónico, posicionamiento SEO y mantenimiento. Su web tiene páginas de servicios, casos de éxito, artículos, formularios, políticas y noticias. La información existe, pero está distribuida y algunas páginas se solapan.

Paso 1. Auditar la arquitectura

Reunimos las URL públicas y las clasificamos por función: identidad, servicios, metodología, proyectos, recursos, contacto y políticas. Excluimos borradores, páginas privadas, búsquedas internas, filtros, etiquetas vacías y URL duplicadas.

Antes de crear llms.txt, corregimos problemas básicos: enlaces internos rotos, títulos ambiguos, páginas de servicio sin alcance definido y datos de contacto inconsistentes. El archivo no debe utilizarse para ocultar una arquitectura deficiente.

Paso 2. Elegir los recursos prioritarios

Seleccionamos una página corporativa, una página por servicio principal, un documento de metodología, una selección reducida de casos y una página de contacto. Añadimos preguntas frecuentes si responden dudas relevantes y están actualizadas.

Paso 3. Redactar el archivo

# Estudio Digital Ejemplo

> Estudio de servicios digitales especializado en diseño y desarrollo web, comercio electrónico, SEO y mantenimiento para pequeñas y medianas empresas.

Este sitio contiene información corporativa y documentación pública sobre los servicios, la metodología de trabajo y los canales de contacto del estudio.

## Empresa
- [Quiénes somos](https://www.ejemplo.com/empresa/): equipo, especialidades y ámbito de trabajo.
- [Contacto](https://www.ejemplo.com/contacto/): canales para solicitar información.

## Servicios
- [Diseño web](https://www.ejemplo.com/diseno-web/): alcance y proceso de diseño.
- [Comercio electrónico](https://www.ejemplo.com/tiendas-online/): desarrollo y mantenimiento de tiendas.
- [SEO](https://www.ejemplo.com/seo/): auditoría, estrategia y optimización.

## Recursos
- [Metodología](https://www.ejemplo.com/metodologia/): fases y entregables de los proyectos.
- [Preguntas frecuentes](https://www.ejemplo.com/faq/): respuestas a consultas habituales.

## Optional
- [Blog](https://www.ejemplo.com/blog/): artículos y novedades.

Las URL y la empresa son ficticias. En un proyecto real se sustituyen por las páginas verificadas del dominio. No se deben copiar enlaces de ejemplo a producción.

Paso 4. Publicar y validar

Guardamos el documento como llms.txt en UTF-8 y lo publicamos en la raíz del dominio. Comprobamos que la URL responde correctamente, que el contenido es legible, que los enlaces funcionan y que no se ha incluido información interna. Revisamos caché y redirecciones si la versión pública no coincide con el archivo subido.

Paso 5. Revisar robots y rastreo por separado

La gestión de rastreadores se hace mediante las directrices y mecanismos que documenta cada proveedor, no mediante llms.txt. Por ejemplo, OpenAI distingue OAI-SearchBot de GPTBot y explica sus funciones en su documentación oficial. Antes de permitir o bloquear agentes, hay que decidir qué uso se desea autorizar y revisar las implicaciones.

Paso 6. Medir lo que realmente ocurre

Registramos la fecha de publicación, las URL incluidas, los cambios y las solicitudes observadas en los logs. Si aparecen visitas de crawlers, verificamos su procedencia. También podemos realizar pruebas manuales en distintos asistentes con preguntas sobre los servicios y observar si las respuestas identifican correctamente la empresa y enlazan fuentes adecuadas.

Estas pruebas son exploratorias: las respuestas pueden variar por usuario, ubicación, momento, disponibilidad de búsqueda y cambios del modelo. No demuestran causalidad ni permiten atribuir una cita al archivo.

Resultados que sí podemos evaluar

  • El archivo está disponible y responde correctamente.
  • Los enlaces llevan a recursos vigentes.
  • La descripción representa fielmente el negocio.
  • La información crítica de la web es coherente.
  • El equipo dispone de un proceso para mantener el archivo.

No debemos presentar como resultado probado un aumento de posiciones en Google, de citas en ChatGPT o de tráfico causado por llms.txt. Google indica que Search no utiliza este archivo para sus resultados ni para sus funciones generativas.

Conclusión: una mejora documental, no un atajo SEO

El mayor beneficio del ejercicio puede ser la revisión de la propia arquitectura y la selección de fuentes oficiales. Si el archivo ayuda a orientar a determinados agentes, será un complemento. Si no lo utiliza ningún sistema relevante, la web seguirá beneficiándose de una estructura clara y de contenidos útiles para sus visitantes.

Para ampliar, consulta la propuesta llms.txt y la guía de Google sobre búsqueda e IA.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Analizo Su Web
Esta web utiliza cookies

Utilizamos cookies propias y de terceros para garantizar el funcionamiento de la web, analizar nuestro tráfico con fines estadísticos y mostrarte publicidad o contenido multimedia personalizado a partir de un perfil elaborado según tus hábitos de navegación. Puedes aceptar todas las cookies, rechazarlas o configurar tus preferencias pulsando en «Ajustes». Para más información, consulta nuestra Política de Cookies.