Google dice que llms.txt no hace nada para Search - aquí está para qué sirve realmente
La documentación de Search Central de Google de junio de 2026 es inequívoca: Google Search no utiliza llms.txt - ni para rankings, ni para AI Overviews, ni para nada. Los estudios de adopción de terceros lo respaldan: en cientos de miles de dominios, el 97% de los archivos llms.txt nunca fueron descargados y los modelos estadísticos encontraron cero efecto de citación. Sin embargo, Stripe, Vercel, Cloudflare, Anthropic y Mastercard distribuyen el archivo. Saben exactamente lo que están haciendo. Están construyendo para una audiencia completamente diferente: agentes de codificación y navegadores agénticos que sí lo leen.
Search Central lo hizo oficial en junio de 2026
La guía de optimización de IA de Google, actualizada el 15 de junio de 2026, ahora establece directamente: "No necesitas crear nuevos archivos legibles por máquina, archivos de texto de IA, markup o Markdown para aparecer en Google Search (incluidas sus capacidades de IA generativa), ya que Google Search en sí no los utiliza." La actualización fue añadida, en palabras de Google, "para responder preguntas de la comunidad" - una forma diplomática de decir que el hype había superado los hechos. John Mueller había señalado lo mismo en Reddit meses antes, comparando llms.txt con la meta etiqueta de palabras clave: un archivo que describe lo que un sitio afirma ser, cuando Google preferiría simplemente leer el sitio. Gary Illyes confirmó en julio de 2025 que Google no lo soporta y no tiene planes para hacerlo.
Ampliamente implementado, raramente leído, cero efecto medible
SE Ranking analizó aproximadamente 300,000 dominios y encontró que ~10% había adoptado el archivo - pero cuando ejecutaron tanto un modelo estadístico como un clasificador XGBoost para verificar si el archivo se correlacionaba con citas de IA, el resultado fue plano: sin efecto, e incluso eliminarlo mejoró la precisión del modelo. La adopción fue casi idéntica en todos los niveles de tráfico (sitios con poco tráfico: 9.88%, medio: 10.54%, alto: 8.27%) - lo que significa que no es algo que los de alto rendimiento estén haciendo y otros copiando. Ahrefs encontró un panorama similar desde el lado de lectura: de 137,210 dominios que rastrearon (una muestra sesgada técnicamente, por lo que un límite superior en la adopción real), 97% no vio solicitudes en mayo de 2026. De los 3% que fueron obtenidos, solo el 19.5% de esas solicitudes provinieron de herramientas de IA nombradas - GPTBot primero, Claude Code segundo. La auditoría de Chrome Lighthouse representó aproximadamente 1 de cada 1,000 obtenciones.
| Estudio | Muestra | Hallazgo clave |
|---|---|---|
| SE Ranking (finales de 2025) | ~300,000 dominios | Sin efecto de cita; eliminar la variable mejoró la precisión del modelo |
| Ahrefs (mayo de 2026) | 137,210 dominios | 97% nunca obtenido; 19.5% de obtenciones de herramientas de IA nombradas |
| Limy.AI (registro de 90 días) | 500M+ eventos de bot de IA | ~408 obtenciones de llms.txt dirigidas en total |
| Otterly.AI (registro del servidor) | 62,100 visitas de bot de IA | 84 llms.txt dirigidos (0.1% del tráfico de IA) |
El estudio de registro del servidor de 90 días de Limy.AI puso la escala pura en perspectiva: de más de 500 millones de eventos de bot de IA, aproximadamente 408 dirigidos a llms.txt. La prueba paralela de Otterly.AI encontró solo 84 de 62,100 visitas de bot de IA - 0.1% - que accedieron al archivo en absoluto. Esos números son pequeños, pero son la señal real de los registros reales.
Quién realmente lo lee: agentes de codificación y navegadores agénticos
Las clasificaciones no son la razón por la que estas empresas publican llms.txt. Lo distribuyen
porque una clase específica y creciente de herramientas lo lee por convención: Cursor,
Windsurf, Claude Code, GitHub Copilot, Cline y Aider buscan
/llms.txt y /llms-full.txt como una pista de navegación cuando
un desarrollador le pide al agente que "use la documentación de Stripe" o "consulte la API de Vercel".
El servidor mcpdoc de código abierto de LangChain expone llms.txt como una
fuente de datos de primera clase. Para estos agentes, el archivo es lo que un mapa del sitio es para Googlebot:
un índice estructurado de dónde vive el contenido útil, para que el agente no tenga que
rastrear y adivinar. Chrome Lighthouse 13.3 - lanzado el 7 de mayo de 2026 - movió la auditoría de llms.txt
fuera del estado experimental y hacia la categoría predeterminada "Agentic Browsing",
apuntando en la dirección opuesta al equipo de Search. Es una división dentro de
Google: Search dice omitirlo, Chrome dice auditarlo.
Los matices honestos
Algunas cosas que vale la pena considerar junto con los números principales:
La división Chrome/Search es real. Lighthouse 13.3 audita llms.txt bajo "Agentic Browsing" mientras que Search Central dice omitirlo. Cada equipo tiene razón en sus propios términos, porque están optimizando para diferentes rastreadores y casos de uso. Si la navegación agéntica crece como fuente de tráfico, el equipo de Lighthouse puede terminar en el lado correcto de la historia.
La crítica de jugabilidad de Mueller tiene mérito. Un archivo que le dice a la IA qué un sitio afirma ser - sin verificación alguna - es estructuralmente similar a la etiqueta meta de palabras clave. Ningún proveedor de IA importante (OpenAI, Anthropic, Google, Meta, Mistral) se ha comprometido con ella como señal de citación en producción. Hasta que uno lo haga, tratarla como una palanca GEO es especulación.
Un caso temprano fue direccional, no prueba. Una única prueba de concepto autoinformada (dev5310, febrero de 2026) encontró que después de enviar llms.txt a Search Console, Google AI Mode la citó como una fuente principal dentro de 24 horas - mientras que las clasificaciones de palabras clave rastreadas no se movieron. Esto es direccional e interesante, pero es n=1, autoinformado, y no un estudio reproducible. Lo señalamos por completitud, no como evidencia de un efecto amplio.
El costo de distribuirlo es bajo. Medio día para redactar, sin mantenimiento continuo, sin riesgo de penalizaciones. Eso lo convierte en una apuesta asimétrica barata: si el tráfico de agentes crece y el archivo importa, estás listo; si se mantiene como ruido, casi no has perdido nada. El marco a usar es infraestructura de preparación para agentes - no una palanca de clasificación o citación.
"Comparable to the keywords meta tag"
El comentario de John Mueller en Reddit es el marco más claro desde dentro de Google: "AFAIK none of the AI services have said they're using LLMs.TXT (and you can tell when you look at your server logs that they don't even check for it). To me, it's comparable to the keywords meta tag - this is what a site-owner claims their site is about… why not just check the site directly?" La analogía es exacta: la etiqueta meta de palabras clave fue ignorada porque los propietarios de sitios la abusaban; llms.txt conlleva el mismo riesgo estructural. Gary Illyes, por separado, confirmó en julio de 2025 que Google no lo admite y no tiene planes de hacerlo. Los documentos de junio de 2026 hacen que la posición de Google sea oficial en lugar de revertir una anterior.
Constrúyelo para los agentes que realmente lo leen
llms.txt no hace nada para el ranking de búsqueda. Los datos de Ahrefs, SE Ranking, Limy.AI y Otterly.AI están de acuerdo: no tiene efecto medible en las citas de IA en los productos que la mayoría de la gente considera "búsqueda de IA". Google ahora lo ha puesto por escrito. Es una convención de navegación para la capa creciente de agentes de codificación y navegadores agénticos que rastrean tu documentación cuando un desarrollador les hace una pregunta. Stripe y Vercel lo incluyen porque su audiencia principal incluye cada vez más desarrolladores que trabajan dentro de Cursor y Claude Code. Si la tuya también, vale la pena dedicar medio día a escribir uno. Si tu audiencia son consumidores que te encuentran a través de Google o Perplexity, invierte ese tiempo en algo que los modelos realmente usan: contenido de alta calidad y bien estructurado que gane citas por sí solo.
Fuentes: Google Search Central - AI optimisation guide (Jun 2026) · Search Engine Roundtable - Barry Schwartz · SE Ranking - llms.txt adoption study · Ahrefs - llms.txt study (137,210 domains) · Limy.AI - server-log analysis · Search Engine Journal - Chrome vs Search split · Search Engine Journal - Mueller keywords meta tag comparison · dev5310 - single self-reported case study (directional only)