¿Qué es llms.txt?
llms.txt es un archivo Markdown sencillo que vive en la raíz de tu dominio y le indica a los grandes modelos de lenguaje cuáles son los contenidos realmente importantes de tu sitio. Pensalo como un sitemap para IA: no es una herramienta de control de rastreo como robots.txt, sino un mapa curado de contenido.
La propuesta la presentó Jeremy Howard (Answer.AI) en septiembre de 2024. La idea: las páginas HTML están llenas de navegación, scripts y publicidad, lo que dificulta que modelos como ChatGPT o Claude encuentren lo importante dentro de ventanas de contexto limitadas. Un Markdown limpio con enlaces claros a tus mejores páginas resuelve eso.
Hoy llms.txt no es un estándar oficial. Ningún proveedor de IA ha confirmado públicamente que lea el archivo durante el entrenamiento o la inferencia. Aun así, miles de sitios lo están adoptando, incluidos Anthropic, Stripe y Cloudflare. Implementarlo temprano no cuesta casi nada y te posiciona si la adopción se confirma.
¿Por qué importa llms.txt?
Saltarte esto significa dejar visibilidad en los canales que más rápido están creciendo.
- Impacto directo en visibilidad por IA. llms.txt influye en lo fácil que los modelos encuentran tus páginas clave dentro de los flujos de answer engine optimization
- Diferenciación competitiva. Pocos competidores lo están haciendo bien. Te aseguras una posición hoy que será más cara en doce meses
- Estructura de datos limpia. El ejercicio te obliga a identificar tu contenido más valioso. Eso ayuda también al SEO clásico
- Retornos compuestos. A diferencia de los anuncios pagados, este archivo no desaparece cuando se acaba el presupuesto. Lo subís una vez bien y sigue trabajando
- Mejores decisiones. Quien entiende el concepto sabe qué páginas aportan valor real y cuáles solo suman volumen
Cualquier negocio con presencia online —desde consultores solos hasta equipos enterprise— se beneficia. La pregunta no es si lo necesitas, es qué tan rápido lo implementas.
Cómo funciona llms.txt
La estructura
El archivo vive en https://tudominio.com/llms.txt. El contenido es Markdown: empieza con un H1 (el nombre de tu marca), seguido de un blockquote con una descripción corta, después secciones H2 opcionales con listas de enlaces Markdown a tus recursos clave.
Un ejemplo mínimo:
# Marca Ejemplo
> Construimos herramientas para equipos de operaciones en empresas medianas.
## Documentación
- [Primeros pasos](https://example.com/docs/start.md): setup paso a paso
- [Referencia de API](https://example.com/docs/api.md): endpoints completos
## Glosario
- [SEO](https://example.com/glossary/seo.md): términos esencialesOpcionalmente publicas una segunda versión —llms-full.txt— con el contenido Markdown completo de todas las páginas enlazadas. Así el modelo no necesita una segunda llamada.
Dónde encaja en tu estrategia
llms.txt no vive en un vacío. Complementa la Generative Engine Optimization, corre paralelo a los datos estructurados y no reemplaza el SEO técnico de base. Ponerlo sin contenido sólido detrás no aporta nada. Ponerlo dentro de una estructura coherente te da otro punto de apalancamiento.
Lo que se ve bien y lo que no
llms.txt bien hecho: corto, curado, cada enlace apunta a una página que realmente quieres que se lea. Mal hecho: 800 líneas, todo el blog listado, sin descripciones. Los modelos premian la claridad. Tú también deberías.
Ejemplos de llms.txt
Una empresa SaaS de Buenos Aires publica un archivo de 60 líneas con enlaces a docs de API, página de precios y 12 artículos pillar. Tres meses después, las respuestas de Perplexity sobre el sector mencionan el producto con más frecuencia. ¿Causalidad clara? No. ¿Contribución plausible? Probable.
Un estudio jurídico en Madrid ignora llms.txt completamente. Competidores con menos contenido pero archivos bien estructurados aparecen en respuestas de ChatGPT sobre “derecho laboral Madrid”. El estudio se entera cuando un cliente menciona haberlo encontrado vía Claude.
Una agencia de marketing automatiza la generación de llms.txt en su build. Cada artículo pillar nuevo entra en la lista sin intervención manual. Esa es la escala correcta.
Mejores prácticas para llms.txt
- Manténlo corto. Máximo 50-100 enlaces. Los modelos premian listas curadas, no archivos completos
- Escribe una descripción real por enlace. “Guía de la API” es mejor que “API”. Tres palabras más, mucha más señal
- Ofrece versión .md de cada página enlazada. Aquí fallan la mayoría. Sin variante Markdown, el modelo tiene que parsear HTML
- Actualízalo mensualmente. ¿Publicas contenido pillar nuevo? El archivo lo tiene que reflejar
- Automatiza en lugar de mantener a mano. Servicios como theStacc se ocupan de la parte estructural en paralelo: 30 artículos SEO al mes, bien enlazados y registrados en el llms.txt
Panorama de herramientas de IA
| Categoría | Caso de uso | Ejemplos | Madurez |
|---|---|---|---|
| Generación de contenido | Texto, imágenes, vídeo | ChatGPT, Claude, Midjourney | Mainstream |
| Optimización de búsqueda | GEO, AEO, AI Overviews | Perplexity, Google AI | Emergente |
| Analytics | Predictivo, atribución | GA4, HubSpot AI | En crecimiento |
| Personalización | Contenido dinámico, recomendaciones | Dynamic Yield, Optimizely | Establecida |
| Automatización | Workflows, campañas | Zapier AI, HubSpot | Mainstream |
Preguntas frecuentes
¿Qué es llms.txt en términos simples?
llms.txt es un archivo Markdown en la raíz de tu dominio que muestra a los modelos de IA tus páginas más importantes. Funciona como un sitemap para ChatGPT, Claude y Perplexity: curado, corto y en un formato que los modelos procesan sin esfuerzo.
¿Cómo empiezo con llms.txt?
Lista tus 20 mejores páginas: contenido pillar, documentación de producto, glosario. Escribe una frase de descripción para cada una. Guarda todo como llms.txt en la raíz. Esa es la parte principal. Refina con el tiempo.
¿Vale la pena el esfuerzo?
Para la mayoría de sitios, sí. Una hora de setup contra visibilidad potencial en respuestas de IA es buena relación. Si ya tienes contenido bien estructurado, capturas el valor en minutos.
¿Cuánto hasta ver resultados?
Los efectos directos y medibles son difíciles de demostrar hoy: los proveedores de IA no publican logs de rastreo. Los beneficios indirectos (estructura limpia, inventario de contenido claro) aparecen al instante. La paciencia rinde más que el activismo.
¿Quieres publicar contenido visible para IA sin construir el flujo tú? theStacc entrega 30 artículos optimizados para SEO en tu sitio cada mes. Automáticamente. Empieza por $1 →