Un director de TI en Medellín revisa los logs del servidor por rutina, una tarea programada cada trimestre. Entre miles de líneas encuentra un dato concreto, GPTBot intentó entrar 340 veces durante el último mes, y 340 veces recibió la misma respuesta: ¡acceso denegado! El firewall heredado de una configuración de seguridad, instalada tres años atrás para bloquear bots maliciosos, jamás distinguió entre un scraper malintencionado y el sistema que hoy construye las respuestas de ChatGPT.
Esa empresa invirtió meses completos en contenido, casos de éxito, artículos técnicos, vocería de su equipo directivo, todo pensado bajo la mejor estrategia editorial disponible. Y ninguna palabra de ese esfuerzo llegó jamás hasta un modelo de inteligencia artificial, porque la puerta técnica permaneció cerrada desde el principio, sin que ningún área de marketing lo supiera.
Ese escenario, mucho más común de lo que cualquier comité de marketing imagina, expone la parte menos visible de cómo posicionar una marca en la inteligencia artificial, ninguna cantidad de contenido excelente compensa una arquitectura técnica que bloquea el acceso desde el origen.
Este artículo entrega un checklist concreto, pensado para que marketing y tecnología trabajen sobre el mismo mapa, y confirmen juntos que la puerta hacia los motores de IA queda abierta donde importa.
¿Por qué un Comité de Marketing en LATAM necesita entender esto?
La conversación técnica descrita en la introducción suele quedar atrapada dentro del departamento de TI, lejos de la mesa donde se discute presupuesto de marketing. Ese aislamiento produce un costo que no se evidencia, decisiones de arquitectura tomadas sin visión de negocio que bloquean, sin intención alguna y mucha veces sin saberlo, la estrategia completa de visibilidad frente a la inteligencia artificial que el área comercial desea construir por todos los canales.
- El bloqueo técnico cuesta oportunidad de negocio medible: una empresa B2B colombiana que vende software de logística, por ejemplo, puede construir el mejor artículo del sector sobre optimización de rutas, con casos documentados y cifras verificables, y jamás aparecer citada en una consulta de ChatGPT o Claude sobre su categoría, simplemente porque su configuración de seguridad bloquea el acceso del bot que alimenta esa respuesta.
- La región enfrenta un riesgo adicional, plantillas heredadas de proveedores extranjeros: muchos sitios corporativos en Colombia y la región operan sobre plataformas o plugins de seguridad configurados por defecto para bloquear tráfico «sospechoso», una categoría que con frecuencia incluye bots de IA sin que el equipo local participe en esa decisión original.
- Exigir presencia conjunta de marketing y tecnología, jamás delegación completa hacia un solo equipo: marketing entiende qué bots importan para la estrategia de negocio, cuáles priorizar según el objetivo, visibilidad en búsqueda conversacional frente a protección de propiedad intelectual. Tecnología ejecuta la configuración correcta. Ninguno de los dos equipos avanza bien trabajando en solitario.
- El costo de corregir resulta mínimo comparado con el costo de ignorar: ajustar un archivo de configuración toma minutos una vez identificado el problema. La oportunidad perdida durante meses de bloqueo involuntario, en cambio, representa visibilidad completa cedida a la competencia directa que sí mantiene su puerta técnica abierta.
Fabio Araujo, CEO de la agencia Los Creativos, subraya la urgencia de este tema para cualquier comité directivo que opere en la región:
«… en Colombia todavía veo empresas invirtiendo presupuesto grande en contenido mientras su propio firewall bloquea el acceso a los sistemas de IA, es la versión moderna de construir un local comercial hermoso con la puerta cerrada con llave, y muchas veces sin saber dónde está esa llave».
¿Qué bots de IA están tocando la puerta de los sitios web ahora mismo?
Ningún bot de IA se comporta igual a otro, y esa diferencia importa dentro de cualquier decisión de configuración. La distinción central que cualquier equipo técnico necesita dominar separa dos funciones completamente distintas, entrenamiento frente a recuperación en tiempo real.
Bots de entrenamiento, los que construyen el conocimiento futuro de un modelo
GPTBot de OpenAI, ClaudeBot de Anthropic y Google-Extended rastrean contenido para incorporarlo dentro de versiones futuras de cada modelo. El efecto de bloquearlos jamás resulta inmediato, aparece meses después, cuando el modelo entrenado con esa información responde consultas sobre cada categoría sin conocer la marca.
Bots de recuperación, los que alimentan respuestas que ocurren en el día a día
OAI-SearchBot de OpenAI, PerplexityBot de Perplexity y ChatGPT-User rastrean contenido en vivo para construir la respuesta que una persona recibe en ese instante. Bloquear estos bots produce un efecto inmediato, la marca desaparece de la conversación desde el mismo día del bloqueo.
Cada empresa decide su propia postura frente a estos dos grupos, según su modelo de negocio. Una empresa cuyo contenido constituye su producto principal, un medio de comunicación, un proveedor de datos especializado, puede considerar bloquear bots de entrenamiento mientras mantiene abiertos los de recuperación, protegiendo propiedad intelectual sin perder visibilidad conversacional. Una marca que vende productos o servicios, en cambio, casi siempre gana más permitiendo ambos grupos sin restricción, porque su objetivo prioritario es máxima visibilidad, jamás protección de contenido editorial.
Es necesario verificar qué bots visitan el sitio hoy exige revisión directa de logs de servidor. Buscar los nombres exactos de estos user-agents dentro del registro de acceso confirma, con evidencia concreta, si esos bots llegan hasta el contenido o si existe algún tipo bloqueo que no se tiene en el panorama, que por lo general es heredado de configuración antigua, que corta el acceso antes de que la solicitud complete su recorrido.
Juan David Uribe, director de Estrategia de Los Creativos, conecta esta distinción con un principio que aplica en cualquier sistema complejo que analiza:
«Cada actor dentro de un ecosistema digital cumple una función distinta, tratar a todos los bots como amenaza equivalente equivale a cerrar la puerta principal de un edificio completo porque alguna vez entró una persona indebida por ahí. Es cuestión de tener un control frente a la flexibilidad que puede ocurrir en términos de aplicaciones de seguridad».
¿Es posible que el robots.txt abra o cierre la puerta sin que nadie lo sepa?
El archivo robots.txt vive en la raíz de cualquier dominio: tudominio.com/robots.txt, y desde el año 1994 cumple la misma simple función: ¡indicar a los rastreadores qué rutas pueden visitar! Su naturaleza es apenas una solicitud educada, jamás una barrera técnica absoluta, pero los rastreadores serios de OpenAI, Anthropic y Google respetan esa solicitud disciplinadamente, por eso configurarlo bien sigue importando muchísimo.
- Paso uno: Auditar qué configuración existe hoy: abrir directamente tudominio.com/robots.txt desde el navegador y revisar línea por línea. Buscar directivas genéricas del tipo «User-agent: *» seguidas de «Disallow: /», una configuración heredada de plantillas antiguas o plugins de seguridad que bloquea, sin distinción alguna, absolutamente todo tráfico automatizado, incluidos los bots de IA que interesan.
- Paso dos: Decidir postura explícita para cada grupo de bots: con base en la distinción del bloque anterior, definir reglas puntuales, jamás dejar esa decisión en manos de una directiva genérica ambigua. Un ejemplo de configuración pensada para maximizar visibilidad que puede ser típica de una empresa que vende productos o servicios:
| User-agent: GPTBot Allow: / User-agent: ClaudeBot Allow: / User-agent: PerplexityBot Allow: / User-agent: Google-Extended Allow: / User-agent: OAI-SearchBot Allow: / |
- Paso tres: Mantener rutas sensibles bloqueadas para todos los bots por igual: áreas administrativas, paneles de cliente o contenido interno continúan protegidos bajo directivas generales, sin importar el tipo de bot, la apertura hacia IA jamás implica exponer información que ninguna audiencia externa debería consultar.
- Paso cuatro: Incluir referencia explícita al sitemap dentro del mismo archivo: una línea final, «Sitemap: https://tudominio.com/sitemap.xml«, ayuda a cualquier rastreador a descubrir con rapidez la estructura completa del sitio, un detalle sencillo que muchas configuraciones olvidan por completo. Claramente debes configurar el sitemap, de lo contrario sería un Error 404 que sería claramente grave en cuestión de enrutamiento a los bots.
- Paso cinco: Validar con pruebas concretas después de cada cambio: herramientas de verificación de robots.txt, disponibles dentro de Google Search Console y en plataformas especializadas, confirman si la sintaxis quedó correcta, y una revisión posterior de logs de servidor. Se recomienda que durante dos o tres semanas, confirmar si los bots relevantes efectivamente aumentaron su actividad tras el ajuste.
David Martínez Mata, Director SEO de Los Creativos, es insistente en el hallazgo que más se repite cuando su equipo audita clientes nuevos:
«Casi la mitad de las empresas que revisamos bloquean sin saberlo algún bot importante de IA, casi siempre por una configuración de seguridad instalada hace años, jamás por decisión estratégica consciente de nadie dentro de la organización. Existe mucho desconocimiento técnico frente al robots.txt, el sitemap y la indexación y canibalización de contenido.».
Archivos que necesita los sitios web para hablar y entender el Idioma de los LLMs o modelos de inteligencia artificial
El robots.txt resuelve una pregunta de acceso, quién puede entrar y quién no. Existe una pregunta distinta, igual de importante, qué contenido conviene priorizar una vez dentro. Ahí entra un estándar emergente que pocas empresas en la región desconocen todavía.
El archivo llms.txt como refuerzo de GEO
Funciona como mapa curado del mejor contenido que se considere. Jeremy Howard, desarrollador reconocido del sector, propuso este estándar en 2024, un archivo de texto simple en formato Markdown, ubicado también en la raíz del dominio, que entrega a un modelo de lenguaje una lista organizada de tus páginas más relevantes, sin obligarlo a interpretar HTML completo cargado de menús, banners y elementos decorativos.
La adopción de este archivo todavía resulta baja, y eso representa una clara oportunidad. Estimaciones recientes del sector calculan una adopción cercana al diez por ciento entre sitios corporativos, cifra que abre espacio de ventaja temprana para cualquier empresa dispuesta a implementarlo antes que su competencia directa dentro de la misma categoría.
Ejemplo: https://loscreativos.co/llms.txt
Construir uno exige apenas un archivo de texto simple, sin desarrollo técnico complejo. Un llms.txt básico incluye nombre de la empresa, descripción breve de su actividad, y enlaces organizados hacia las secciones más importantes del sitio, casos de éxito, servicios principales, contenido educativo destacado. Compañías reconocidas Vercel ya publican el suyo, disponible como referencia pública para cualquier equipo que construya el propio por primera vez.
Ningún archivo reemplaza al otro, ambos trabajan en conjunto. El robots.txt abre la puerta de acceso, el llms.txt guía la atención una vez adentro, y el marcado estructurado, tema que se tocará a continuación, confirma el significado exacto de cada pieza de contenido. Los tres elementos juntos constituyen la base técnica completa que exige cualquier estrategia seria de visibilidad frente a motores de IA.
¿El marcado de datos estructurados (Schema.org) de un sitio web ayuda o confunde a un motor de IA?
Datos estructurados, o Schema markup, funcionan como una capa de etiquetas no visibles para el visitante humano, pero completamente legible para un sistema automatizado, inteligente y robotizado. Esa capa le dice, sin ambigüedad, qué tipo de contenido representa cada parte de una página, un artículo, un producto, una organización, una pregunta con su respuesta.
Paso a paso a seguir:
1. Priorizar los tipos de Schema según el modelo de negocio
Una empresa B2B que publica contenido educativo se beneficia primero de Article para sus artículos de blog, y de FAQPage para secciones de preguntas frecuentes bien estructuradas. Una institución educativa suma valor con Course para programas académicos y Organization para reforzar su identidad institucional completa. Un negocio con presencia física gana con LocalBusiness, y cualquier empresa con oferta de servicios o productos se beneficia de Service o Product, según corresponda.
2. Implementar el marcado en formato JSON-LD
Este formato es el estándar que Google y los principales motores de IA recomiendan hoy. Se coloca dentro del código de la página sin alterar el diseño visible, y resulta más sencillo de mantener que otras alternativas antiguas de marcado.
3. Verificar que el marcado coincida exactamente con el contenido visible en pantalla
Este punto merece atención particular, porque un error común y costoso ocurre justo aquí cuando un equipo marca una página como FAQPage con preguntas que jamás aparecen visibles para la persona que visita el sitio. Esa discrepancia, lejos de ayudar, genera desconfianza dentro del sistema que procesa esa información, y puede incluso desactivar la elegibilidad de esa página para funciones especiales de búsqueda. Si marcas las preguntas es porque las preguntas están expuestas en la página de aterrizaje.
4. Validar cada implementación con herramientas antes de publicar
Existen herramientas gratuitas que permiten validar la correcta implementación. El Rich Results Test de Google y el validador de Schema.org confirman, en segundos, si la sintaxis quedó correcta y si el tipo de marcado elegido corresponde de forma adecuada al contenido real de la página.
5. Priorizar páginas de alto valor estratégico
La priorización es clave antes de escalar hacia el sitio completo. Casos de éxito, programas o servicios principales, y contenido educativo con mayor tráfico, representan el punto de partida más eficiente para cualquier equipo con recursos técnicos limitados.
Esteban Ortiz, especialista SEO de Los Creativos, plantea el motivo por el cual insiste en este detalle con cada cliente de la agencia:
«Un sitio sin marcado estructurado le pide a la inteligencia artificial que adivine de qué trata cada página, y ningún negocio serio debería depender de que un sistema externo adivine correctamente algo tan importante como su propia categoría».
¿Cómo confirmar que las configuraciones técnicas para que la IA rastreen y entiendan un sitio web funcionan en la práctica?
Configurar robots.txt, llms.txt y marcado estructurado resuelve la mitad del trabajo. La otra mitad exige una constante verificación, porque una configuración correcta hoy puede quedar obsoleta frente a un cambio de plataforma, un plugin nuevo, un upgrade de Google o los LLMs o una actualización de seguridad instalada sin coordinación con el equipo de marketing.
- Revisar logs de servidor con frecuencia mensual, buscando los user-agents relevantes: filtrar el registro de acceso por nombres como GPTBot, ClaudeBot, PerplexityBot y OAI-SearchBot confirma, de manera explícita, cuáles bots visitan el sitio hoy, con qué frecuencia y si esa frecuencia crece o cae mes a mes.
- Probar el acceso desde ubicaciones distintas, jamás solo desde la oficina: algunas configuraciones de CDN o firewall aplican reglas diferentes según el país de origen de la solicitud, un detalle que pasa inadvertido cuando el equipo técnico verifica todo desde la misma red corporativa donde trabaja a diario.
- Validar el marcado estructurado cada vez que el equipo de contenido publique una pieza nueva: convertir esta validación en paso obligatorio del flujo editorial, jamás en revisión ocasional, evita que errores pequeños se acumulen durante meses sin que nadie los detecte.
- Hacer preguntas directas dentro de ChatGPT, Perplexity y Gemini sobre la categoría de la empresa: al menos con frecuencia trimestral, esta verificación cualitativa, confirma el resultado final de todo el trabajo técnico, si tu marca aparece mencionada o continúa ausente frente a las consultas que importan dentro de tu sector.
- Documentar cada hallazgo dentro de un reporte simple, compartido entre marketing y tecnología: un archivo compartido con fecha, bots detectados, errores corregidos y menciones observadas construye memoria institucional, evita que el mismo problema se repita sin que nadie recuerde cómo se resolvió la primera vez.
Existe una advertencia que aplica a cualquier proceso técnico sostenido:
¡La configuración perfecta de hoy se vuelve obsoleta sin aviso alguno, cada actualización de plataforma o cada plugin nuevo puede abrir o cerrar una puerta sin que nadie dentro de la empresa lo note, por eso la revisión constante importa tanto como la configuración inicial misma!
La puerta técnica como primer paso de cualquier estrategia de posicionamiento en la IA
El director de TI de la introducción encontró, en sus propios logs, 340 intentos bloqueados de un bot que hoy decide si su marca existe frente a millones de conversaciones con inteligencia artificial cada día. Esa cifra, multiplicada por cientos de empresas en Colombia y la región que probablemente enfrentan el mismo problema sin saberlo, expone el punto ciego más costoso dentro de cualquier estrategia digital actual.
Ningún artículo brillante, ningún caso de éxito documentado con cifras impecables, ninguna vocería de liderazgo bien construida, produce efecto alguno si la puerta técnica permanece cerrada desde el origen. Este checklist, robots.txt configurado con intención, llms.txt implementado como ventaja temprana, marcado estructurado coherente y verificación constante entre marketing y tecnología, construye la base sin la cual ningún otro esfuerzo de mercadeo llega jamás a su destino.
Cada pieza de contenido, cada caso documentado, cada mención lograda con esfuerzo, depende de una condición previa que casi nadie revisa, que la puerta esté abierta para quien debe leer todo ese trabajo, ese detalle técnico sostiene la estrategia completa.
Los Creativos acompaña este proceso de principio a fin, desde la auditoría técnica inicial hasta la construcción sostenida de contenido y entidad bajo la Metodología de Densidad de Señales, construida para posicionar las marcas en los diferentes modelos de inteligencia artificial.
Si tu empresa jamás verificó si su propia puerta técnica permanece abierta para los motores de IA, hablemos.
Juan David Uribe es profesor universitario, gestor de contenidos y estratega digital con más de 15 años de experiencia en proyectos de innovación y marketing en Colombia, México y España. Administrador Tecnológico y magíster en Ciencia, Tecnología, Sociedad e Innovación, ha sido consultor y líder digital de entidades públicas y privadas como el Área Metropolitana del Valle de Aburrá, la Alcaldía de Medellín y la Universidad Tecnológica de Bolívar. Es consultor experto en la creación de estrategias de captación de leads para universidades, colegios e institutos. También coordina equipos y optimiza operaciones para mejorar la eficiencia en entornos académicos y organizacionales.