Cómo eligen sus fuentes ChatGPT, Gemini y Copilot
OpenAI tiene tres bots, y cada uno se decide por separado en el robots.txt. OAI-SearchBot es el que hace aparecer las webs en la búsqueda de ChatGPT: si lo bloqueáis, la web no sale en las respuestas de búsqueda, aunque puede aparecer como enlace de navegación. GPTBot es el del entrenamiento de los modelos, y bloquearlo no os saca de la búsqueda. ChatGPT-User es el que visita una página cuando una persona lo pide en una conversación; OpenAI dice que, como lo pide una persona, puede que el robots.txt no se aplique. Los tres tienen la lista de IP publicada.
Las AI Overviews y el AI Mode de Google salen del índice del buscador, el de Googlebot: para aparecer, la página tiene que estar indexada y poder salir con un fragmento. Desde el 31 de agosto de 2026, Search Console tiene, además, un control para aparecer o no en las funciones de IA generativa del buscador, activado por defecto. Google-Extended es otra cosa: decide si el contenido puede servir para entrenar los modelos Gemini y para fundamentar las respuestas de la app de Gemini y de Vertex AI, y Google dice que no afecta ni a la presencia ni al posicionamiento en Google Search.
En Microsoft, Bing, Copilot y las respuestas que usan la API de Bing comparten el rastreo y el índice, los de Bingbot. Una metaetiqueta «noarchive» saca el contenido de las respuestas de Copilot, y «nocache» lo limita a la dirección, el título y el fragmento.
La conclusión práctica: si Google y Bing no os tienen indexados, los asistentes difícilmente os citarán.
Qué hemos visto en nuestras webs
Hemos mirado los registros de acceso del servidor (Amplify) de siete webs propias, del 18 de agosto al 18 de octubre de 2026: sanfeliusoftware.com, joansanfeliu.com, formacio.joansanfeliu.com, social.joansanfeliu.com, cv.joansanfeliu.com, taula.ai y getguestproof.com. Son 62 días con datos, sin cookies ni scripts, y cada bot se ha verificado comprobando si la IP está en la lista que publica su empresa.
Pocas visitas, pero muy cualificadas. Personas que llegan desde un asistente, ha habido 8 en total: 6 desde ChatGPT, 1 desde Perplexity y 1 desde Gemini. Por web, 4 en taula.ai, 2 en joansanfeliu.com, 1 en getguestproof.com y 1 en sanfeliusoftware.com.
La de Gemini fue el 18 de octubre de 2026 a las 13:41, en la portada de sanfeliusoftware.com. Cuatro minutos después llegó una petición de presupuesto para un software a medida. No nos dijo cómo nos había encontrado, pero la hora coincide. Que coincida no quiere decir que sea la causa: por eso ahora se lo preguntamos a cada persona que nos escribe.
taula.ai, que tiene páginas de precios, de ciudad y de «alternativa a» otros programas, es la web que recibe más visitas desde ChatGPT: una entró directamente en los precios del software de reservas. Además, una persona de Estados Unidos nos escribió para decirnos que había encontrado taula.ai en ChatGPT.
En sanfeliusoftware.com, en cambio, OAI-SearchBot, el bot de búsqueda de ChatGPT, hizo 45 peticiones en los últimos 30 días (del 19 de septiembre al 18 de octubre de 2026). Las 42 que venían de IP verificadas fueron todas al robots.txt: no leyó ninguna página de contenido, aunque el robots.txt se lo permite. En el mismo periodo, GPTBot (el del entrenamiento) hizo 338 peticiones, y Googlebot, 967.
Muchos «bots» no lo son. En la tabla, las peticiones que dicen ser un bot pero vienen de una IP que no está en la lista oficial de su empresa, sobre las peticiones que se pudieron comprobar:
| Bot | Falsas | Comprobadas | % |
|---|---|---|---|
| PerplexityBot | 1200 | 1260 | 95 % |
| ChatGPT-User | 1150 | 1421 | 81 % |
| OAI-SearchBot | 714 | 1800 | 40 % |
| GPTBot | 749 | 2604 | 29 % |
| ClaudeBot | 230 | 1624 | 14 % |
| Googlebot | 486 | 3659 | 13 % |
| Bingbot | 59 | 1138 | 5 % |
Las siete webs, del 18 de agosto al 18 de octubre de 2026.
Muchas de las falsas no buscan páginas, sino archivos secretos. En las siete webs hubo 56.923 peticiones que buscaban archivos como .env, .git, claves o credenciales, y 4471 se hacían pasar por un bot conocido, de IA o de buscador. Ninguna encontró nada expuesto.
El «directo» esconde visitas
El 86 % de las sesiones de sanfeliusoftware.com de los últimos 30 días llegan como «directas», sin origen. Es donde van a parar las visitas que no dicen de dónde vienen, como pasa a menudo con las apps. Es decir, las visitas que veis desde un asistente son un mínimo: puede haber más dentro del «directo».
Qué ayuda, por orden
- Dejar entrar en el robots.txt a los bots que cuentan. Cuidado con la trampa: un grupo con nombre (por ejemplo, «User-agent: GPTBot») sustituye al grupo «*» para ese bot, no se le suma; si no repetís las reglas de «*», ese bot no las sigue. Y bloquear GPTBot solo afecta al entrenamiento: no os saca de la búsqueda de ChatGPT, que depende de OAI-SearchBot.
- Revisar la CDN, el cortafuegos o el hosting. Los hay que bloquean los bots de IA sin que el propietario lo sepa. Cloudflare los bloqueaba por defecto en los dominios nuevos desde julio de 2025, y desde el 15 de septiembre de 2026, en los dominios nuevos, bloquea los de entrenamiento y los de agentes en las páginas con anuncios y deja pasar los de búsqueda. Vercel, Fastly y Akamai también tienen opciones para bloquearlos.
- Tener el contenido en el HTML, y no solo en JavaScript. Algunos bots leen el HTML tal como llega, sin ejecutar JavaScript: si el texto lo pinta el navegador, no lo ven.
- Hacer páginas que respondan una pregunta concreta con datos: precios, comparativas, alternativas y zona. Es lo que tienen las páginas que hemos visto recibir visitas desde ChatGPT.
- Tener los datos de la empresa iguales en todas partes: la ficha de Google, los directorios y LinkedIn, con el mismo nombre, la misma dirección y el mismo teléfono.
- Estar indexados: Google Search Console y Bing Webmaster Tools, con el sitemap enviado, e IndexNow para avisar de los cambios a Bing y a los otros buscadores que lo aceptan (Google no está). En Search Console, comprobad también que la web tiene activadas las funciones de IA generativa.
Qué no hace falta
- llms.txt. Tenemos uno porque no cuesta nada, pero la guía de Google de 2026 sobre las funciones de IA generativa dice que no hace falta ningún archivo especial y que Google Search no lo usa. Ningún gran asistente ha confirmado que lo lea: ni OpenAI, ni Anthropic, ni Perplexity lo dicen en las páginas donde explican sus bots.
- Content-Signal. Es la línea del robots.txt que dice si dejáis usar el contenido para la búsqueda, para responder o para entrenar. Es una preferencia declarada, no un candado: la propia Cloudflare, que la propuso, dice que no impide técnicamente nada.
- «Trucos GEO» de pago y páginas hechas en serie con IA. Según la propia guía de Google, optimizar para las funciones de IA del buscador sigue siendo SEO, y no hace falta ningún marcado especial.
Cómo medirlo
- Mirad los orígenes como chatgpt.com, gemini.google.com y perplexity.ai. En nuestros registros, las visitas desde ChatGPT suelen llevar utm_source=chatgpt.com en la dirección.
- Muchas visitas que llegan desde una app no dicen de dónde vienen y salen como «directas».
- Preguntad a cada persona que os escribe cómo os ha encontrado. Es la única manera de saberlo con certeza.
- Verificad los bots por IP y no por el nombre: en nuestros registros, el 95 % de las peticiones comprobadas que decían ser PerplexityBot eran falsas.
- Mirad los registros del servidor: los bots no ejecutan el JavaScript de la analítica, así que la analítica habitual no los ve.
Comprobad vuestra web
Hemos hecho una herramienta gratuita que dice si los asistentes de IA pueden leer vuestra web: el robots.txt para trece bots, la portada tal como la ve un bot que no ejecuta JavaScript, el sitemap y la CDN. No os dice si ChatGPT o Gemini la recomiendan, porque eso depende de muchas más cosas y cambia cada día.