de sitios con un archivo llms.txt lo obtienen mal

De los 142 sitios web que auditamos entre el 4 de mayo y el 19 de julio de 2026, 79 no tenían ningún archivo llms.txt. De los que publicaron uno, publicaron uno roto. Eso deja sitios — de la muestra — con un archivo válido. La propuesta llms.txt es simple: colocar un archivo markdown en la raíz de su dominio que proporcione a los agentes de IA un mapa curado y de texto plano de su sitio. Cuando alguien pregunta ChatGPT, Claude o Perplexity una pregunta que su sitio podría responder, un agente que recupera su llms.txt en tiempo de inferencia obtiene exactamente el contexto que eligió — en lugar de un raspado de esfuerzo máximo de su página de inicio HTML. La especificación es deliberadamente mínima: un H1 con el nombre de su sitio, un resumen en blockquote y listas markdown de enlaces a su contenido más importante. Un año después de la adopción, la brecha ya no es conciencia. Es ejecución.

El conjunto de datos

Metodología: última instantánea de auditoría completada por dominio, extraída de verificaciones de producción entre mayo y . Todos los dominios anonimados. La muestra es auto-seleccionada — sitios cuyos propietarios realizaron una auditoría — y se inclina hacia propiedades pequeñas y medianas, así que trátala como una orientación más que como un censo de la web.

Los errores detrás de casi cada archivo inválido

Nuestro motor valida un llms.txt contra la estructura de la especificación, y la evidencia de fallo es notablemente consistente. problemas representan casi todo — la mayoría de los archivos rotos tienen o de ellos a la vez:

. Sin enlaces de referencia ( de archivos inválidos). El archivo existe, pero no contiene enlaces markdown. Este es el punto completo del formato — una lista curada de URLs que un agente debe leer. Un archivo sin enlaces es un póster sin mapa. 2. Falta el bloque de cita del resumen (38 de 48). La especificación exige un bloque de cita > Summary justo después del título que indica a un agente qué es el sitio y cómo interpretar los enlaces. Sin él, un agente recibe una lista de URLs sin marco para elegir entre ellas. . Falta el título H ( de ). La única sección que la especificación marca como estrictamente requerida. Los archivos que abren con prosa, un comentario o un H no dan a los analizadores nada con lo que anclar.

El patrón debajo de todos los es el mismo: los equipos generan un marcador de posición — a veces literalmente la palabra "llms.txt" repetida, o un párrafo de texto publicitario — y lo despliegan como una casilla de verificación. Un agente que lee tal archivo no aprende nada y sigue adelante. La búsqueda se desperdició.

Cuando los propios enlaces están muertos

La validez es la estructura. La siguiente verificación es si las URLs referenciadas realmente se resuelven. La mayoría de los sitios con estructura válida también pasan esto, pero los fracasos son instructivos: sitios listaron enlaces que devolvieron errores, con una mediana de referencias muertas por sitio. Una propiedad de comercio electrónico listó 3,042 URLs de productos en su llms.txt que ya no se resolvieron — el archivo claramente había sido generado una vez a partir de un feed de productos y nunca regenerado. Ese anécdota es una muestra de , así que trátala como una advertencia más que como una estadística. Pero el mecanismo vale la pena recordar: un llms.txt es un documento vivo. Si tu catálogo, documentación o páginas de precios se mueven, el archivo se pudre — y un agente que sigue enlaces muertos puede concluir que tu contenido se ha ido, no que se ha movido.

Cómo se ve un archivo válido

El propio ejemplo de la especificación es la mejor plantilla. Un llms.txt mínimo y válido necesita un H1, un bloque de cita del resumen y al menos una lista de enlaces anotados:

# Acme Analytics

> Acme Analytics is a reporting API for ecommerce teams. This file lists our most useful resources for AI agents.

## Docs

- [API quickstart](https://acme.example/docs/quickstart): Authentication and first request in 5 minutes
- [Metrics reference](https://acme.example/docs/metrics): Every metric, its definition, and its SQL

## Product

- [Pricing](https://acme.example/pricing): Plans and usage limits
- [Changelog](https://acme.example/changelog): Release notes since 2024

## Optional

- [Full documentation index](https://acme.example/docs): Everything else, for larger context windows

La sección Optional tiene un significado definido: los agentes con poco contexto pueden omitirla. Pon tu mejor material encima de ella.

Por qué esto vale minutos

Los sitemaps indican a los motores de búsqueda lo que existe. robots.txt indica a los rastreadores lo que está permitido. llms.txt es el único archivo que indica a un agente IA lo que importa — escrito en el formato que lee nativamente, en el momento en que decide si tu sitio ayuda a responder una pregunta del usuario. También es uno de los pocos palancas de búsqueda IA que controlas completamente: sin proveedor de modelo, sin algoritmo de ranking, sin esperar un rastreo. La secuencia de corrección es corta. Escribe el archivo a partir de la plantilla anterior — minutos. Enlaza solo a páginas que resuelvan, y prefiere URLs estables. Regenera o revísalo cada vez que cambie tu arquitectura de información. Luego verifícalo de la manera que un agente lo haría: lo obtenga, lo analice y siga los enlaces. Cada auditoría que realizamos verifica todas las capas — presencia, validez y si las referencias se resuelven — como parte de la familia de preparación de IA. Si quieres saber a cuál de los 3 grupos pertenece tu sitio, puedes ejecutar tu propio informe y encontrar las comprobaciones llms.txt en la sección de preparación de IA.

La conclusión

La adopción es la primera brecha: de los sitios auditados no tienen archivo. Pero el hallazgo más agudo es que publicar un archivo no es la línea de meta — en de los sitios que publicaron uno, un agente no puede usarlo. Los sitios en la minoría válida no hicieron nada exótico. Escribieron un H, un resumen de frases y una lista de enlaces que funcionan. Eso es todo el tramo — y de la muestra está bajo él.