Buscadores con IA: cómo eligen fuentes y qué bots controlar

Los buscadores con inteligencia artificial no devuelven una lista de enlaces para que el usuario elija: recuperan fragmentos de varias páginas, redactan una respuesta y citan algunas fuentes, así que estar bien posicionado en Google ya no asegura aparecer en ella. Lo explica Reetain Raina en una guía publicada el 29 de octubre en freeCodeCamp sobre cómo funciona esta búsqueda y cómo ganar visibilidad. Sus consejos de redacción son razonables, pero la parte que más controla un sitio web, qué rastreadores dejar pasar y qué directivas usar, está en la documentación de Google, OpenAI, Perplexity y Bing, y no siempre coincide con lo que se repite en el sector.

Las claves de cómo eligen fuentes los buscadores con IA en 30 segundos

Qué cambia: estos sistemas recuperan fragmentos por significado y redactan una respuesta, en lugar de ofrecer solo una lista de enlaces.
Google: AI Overviews y AI Mode no piden requisitos extra; basta con estar indexado y poder mostrar fragmento.
OpenAI y Perplexity: separan el bot de búsqueda del que entrena modelos o actúa a petición del usuario.
Bing: la directiva noarchive saca el contenido de las respuestas de Copilot.
Matiz: varias cifras de la guía proceden de estudios de terceros.

Raina describe un proceso en dos tiempos. Primero, el sistema convierte la pregunta en embeddings (representaciones numéricas del significado) y busca pasajes parecidos, ya sea con RAG (Retrieval-Augmented Generation, generación aumentada por recuperación, que consulta documentos externos antes de responder) o con lo que el modelo aprendió durante su entrenamiento. Después evalúa esos pasajes con señales como la relevancia semántica, la densidad de información, la atribución, el consenso entre fuentes, la actualidad y lo fácil que resulta extraerlos. Esa lista es una síntesis del autor a partir de investigaciones publicadas; ningún buscador ha documentado así sus criterios.

Para justificar que el ranking clásico no basta, la guía cita un estudio de Ahrefs según el cual solo en torno al 12 % de las URL citadas por asistentes como ChatGPT y Copilot estaba en el top 10 de Google para la misma consulta, y otro análisis de 680 millones de citas en el que ChatGPT y Perplexity solo compartían el 11 %. También recoge el estudio de Princeton sobre GEO (Generative Engine Optimization) con 10.000 consultas: añadir estadísticas elevó la visibilidad un 41 % y añadir citas, entre un 28 % y un 40 %, mientras que el relleno de palabras clave la dejó un 10 % por debajo de la referencia en Perplexity. Son cifras de terceros que la guía reproduce, no mediciones propias. Que cada motor beba de fuentes distintas encaja con lo que mostró el estudio de Fudan sobre por qué la IA cita más lo que se publica fuera de la propia web.

Lo que dicen Google, OpenAI, Perplexity y Bing

Google es tajante en su página para propietarios de sitios: no hay requisitos adicionales ni optimizaciones especiales para aparecer en AI Overviews o AI Mode. Una página puede salir como enlace de apoyo si está indexada y es apta para mostrarse con fragmento en la búsqueda. Google explica además que ambas funciones pueden usar la técnica de query fan-out, que lanza varias búsquedas relacionadas sobre subtemas y fuentes de datos para componer la respuesta, y que las dos pueden usar modelos distintos, por lo que sus enlaces varían. La documentación descarta expresamente la necesidad de crear archivos de texto para IA o marcado especial, lo que incluye los llms.txt; sobre sus riesgos, seocretos ya contó cómo un llms.txt manipulado engañó a la IA en 22 de 24 respuestas.

OpenAI y Perplexity distinguen entre rastreadores con funciones diferentes, y bloquear uno no afecta a los demás:

Agente	Para qué sirve	robots.txt
OAI-SearchBot (OpenAI)	Mostrar webs en las funciones de búsqueda de ChatGPT	Lo respeta; si se bloquea, la web no aparece en las respuestas de búsqueda
GPTBot (OpenAI)	Rastrear contenido que puede usarse para entrenar modelos	Lo respeta; bloquearlo no afecta a la búsqueda
ChatGPT-User (OpenAI)	Visitar páginas cuando un usuario lo pide	Puede no aplicarse, según OpenAI
PerplexityBot	Mostrar y enlazar webs en los resultados de Perplexity; no entrena modelos	Lo respeta
Perplexity-User	Visitar páginas a petición del usuario	Por lo general lo ignora, según Perplexity

Ambas compañías publican las IP de sus bots en archivos JSON y avisan de que un cambio en robots.txt puede tardar unas 24 horas en aplicarse. En Google, el control de rastreo para estas funciones es el propio Googlebot; Google-Extended solo regula el uso del contenido en otros sistemas de la compañía, no la aparición en AI Overviews.

Bing es el que más detalla en sus directrices cómo afectan las directivas a Copilot y a sus resultados con grounding (respuestas apoyadas en documentos recuperados). Noindex excluye la URL de la búsqueda, de Copilot y de su API de grounding. Noarchive impide que el contenido se use en respuestas de Copilot. Nocache limita a Copilot a la URL, el título y el fragmento. Y nosnippet o data-nosnippet pueden reducir la calidad de las citas. En Google, esas mismas directivas de fragmento (nosnippet, data-nosnippet, max-snippet) limitan lo que se muestra en las funciones de IA. Conviene usarlas con cuidado: un análisis de Natzir Turrado vio que Gemini cita menos las páginas cuando solo recibe su meta description.

Redactar para que un pasaje se entienda solo

Las recomendaciones de redacción de Raina coinciden más con las directrices de Bing que con las de Google, que se limita a pedir contenido útil y fiable. La guía aconseja encabezados H2 y H3 que reflejen preguntas explícitas y, en sus palabras (traducción propia), «colocar respuestas directas e inequívocas en la primera frase bajo cada encabezado». Bing pide algo parecido: información esencial al principio, hechos y definiciones explícitos, entidades nombradas de forma coherente y una sola temática por URL, porque las páginas que se sostienen por sí mismas tienen más opciones de ser elegidas como fuente.

Texto en el HTML: tablas y listas nativas en lugar de widgets en canvas, y nada importante que dependa de JavaScript en el cliente.
Datos verificables: autoría, investigación propia y enlaces a la fuente original.
Actualidad: precios, integraciones y versiones al día. Bing recomienda notificar los cambios con IndexNow.
Datos estructurados: Raina sugiere Article, TechArticle, Product o FAQPage. Google y Bing advierten de que el marcado debe reflejar el contenido visible y no garantiza visibilidad.

Hay una afirmación de la guía que conviene leer con cautela: que los motores descartan entidades cuyas afirmaciones no tienen consenso de terceros. Raina la atribuye a investigaciones, pero ni Google ni OpenAI ni Microsoft lo describen así en su documentación.

Dónde medir las citas de la IA

Raina propone sustituir la posición por palabra clave por la cuota de voz en respuestas generadas. Las herramientas oficiales son más limitadas. Google incluye el tráfico de AI Overviews y AI Mode en el informe de rendimiento de Search Console, dentro del tipo de búsqueda Web y sin separarlo. Bing lanzó en febrero de 2026, en vista previa, un informe de rendimiento de IA en Bing Webmaster Tools que muestra citas totales, páginas citadas y una muestra de las consultas que la IA usó para recuperar contenido en Copilot, los resúmenes con IA de Bing y algunos socios. Para ChatGPT, el recurso más directo sigue siendo filtrar en la analítica las visitas que llegan con su parámetro de origen.

Una comprobación rápida antes de tocar contenidos: revisar que robots.txt, el CDN y el cortafuegos no bloquean a Googlebot, Bingbot, OAI-SearchBot ni PerplexityBot; confirmar que no hay noarchive, nocache o nosnippet heredados de plantillas; y decidir por separado si se quiere permitir el rastreo para entrenamiento.

Preguntas frecuentes

¿Hace falta algo especial para salir en AI Overviews o AI Mode?

No, según Google. La página debe estar indexada y ser apta para mostrarse con fragmento; no se necesitan archivos para IA ni marcado especial.

¿Si bloqueo GPTBot desaparezco de ChatGPT?

No. GPTBot se usa para entrenamiento; la presencia en la búsqueda de ChatGPT depende de OAI-SearchBot, que se controla por separado en robots.txt.

¿Qué directiva impide que Copilot use mi contenido?

Según Bing, noarchive impide su uso en respuestas de Copilot y noindex excluye la URL de la búsqueda y de Copilot. Nocache lo limita a la URL, el título y el fragmento.