llms.txt: qué es, para qué sirve y si de verdad lo necesitas
Qué es el archivo llms.txt, qué problema resuelve, qué motores lo usan hoy y cómo escribir uno que sirva en vez de uno que solo esté.
11 min de lectura
Cada pocos meses aparece un archivo nuevo que supuestamente hay que tener. A veces es real y a veces es ruido, y distinguirlo cuesta tiempo. El llms.txt lleva año y medio circulando, y merece una explicación honesta: qué es, qué problema resuelve de verdad, qué no resuelve, y si tu empresa debería publicar uno.
Adelanto la conclusión porque este artículo defiende escribir las conclusiones arriba: probablemente sí, pero no por la razón que te están contando, y desde luego no en primer lugar.
El problema que intenta resolver
Imagina a un agente de IA que llega a tu sitio por primera vez con una pregunta concreta. Lo que encuentra es un sitio pensado para ojos humanos: un menú, una cabecera, banners de cookies, bloques de diseño, texto repartido entre quince plantillas, un pie con enlaces legales. Tiene que recorrer todo eso, decidir qué es contenido y qué es decoración, y reconstruir por su cuenta qué hace la empresa.
Es un trabajo de interpretación, y como todo trabajo de interpretación, falla. La pregunta razonable es: ¿y si en vez de hacer que lo deduzca, se lo decimos?
Eso es el llms.txt. Un archivo de texto en la raíz del dominio —tudominio.com/llms.txt— escrito en Markdown, que dice sin rodeos qué es la organización, qué hace y dónde está su contenido.
La analogía útil es el sitemap.xml. Google podía descubrir las páginas de un sitio siguiendo enlaces, pero el sitemap se lo da declarado y se ahorra el trabajo de deducirlo. El llms.txt es la misma idea para el contenido semántico, no solo para la lista de direcciones.
Tres archivos en la raíz, tres funciones distintas
robots.txt — el portero
- ¿Puedes entrar?
- Permiso por agente
- Lo respetan los agentes serios
- Si está mal, nada más importa
sitemap.xml y llms.txt — los mapas
- sitemap: qué direcciones existen, para buscadores
- llms.txt: qué significa el sitio, para modelos
- Ambos ahorran trabajo de deducción
- Ninguno sirve si el portero dijo no
El orden no es opcional: permiso, luego mapa. Publicar un llms.txt teniendo bloqueados a los agentes de IA es colgar un plano en una puerta cerrada.
Lo que hay que decir con honestidad
Aquí es donde la mayoría de los artículos sobre este tema se pone comercial, así que vamos con lo incómodo.
No es un estándar oficial. No lo publica ningún organismo. Es una propuesta de la comunidad que ganó tracción. Eso no lo invalida —el robots.txt también nació así en 1994— pero significa que nadie está obligado a respetarlo.
Ningún motor garantiza que lo lea. Hay evidencia de agentes que lo solicitan: aparece en los registros de acceso de servidores que lo publican. Pero «un agente pidió el archivo» no es lo mismo que «ese archivo cambió la respuesta que dio el modelo», y no hay forma pública de verificar lo segundo.
No va a rescatar un sitio ilegible. Si tu contenido solo existe después de ejecutar JavaScript, o si tu robots.txt bloquea a GPTBot, el llms.txt no arregla nada. Es un mapa de un territorio al que no se puede entrar.
Entonces, ¿por qué publicarlo? Por la asimetría. Cuesta una hora escribirlo, cero mantenerlo, y no tiene ningún riesgo. El posible beneficio es pequeño pero real; el coste es despreciable. En una lista de prioridades honesta no está arriba, pero tampoco hay razón para que no esté.
Si una propuesta comercial pone el llms.txt como la pieza central de una estrategia de visibilidad en IA, hay un problema de criterio. Es el último diez por ciento del trabajo, no el primero. Lo que decide si te citan es que te puedan leer, que respondas preguntas concretas y que otros te mencionen.
Cómo se escribe uno que sirva
La diferencia entre un llms.txt útil y uno decorativo está en tres cosas: que los enlaces existan, que las afirmaciones sean verificables, y que esté escrito para ser leído y no para posicionar.
La estructura que funciona
Encabezado y descripción. El nombre de la organización y, debajo, una o dos frases que digan qué hace de verdad. Sin adjetivos de folleto. «Agencia de marketing digital B2B con sede en Puebla» informa; «líderes en soluciones innovadoras de transformación digital» no dice nada que una máquina pueda usar.
Identidad verificable. Razón social, año de fundación, dirección, teléfono, correo. Esto hace dos cosas: ayuda al modelo a distinguirte de otra empresa con nombre parecido, y da coherencia con lo que diga tu ficha de negocio y tus datos estructurados. La coherencia entre fuentes es precisamente lo que un modelo pondera.
Servicios, uno por línea. Con una frase de qué incluye cada uno. No un párrafo corrido donde todo se mezcla.
El contenido, agrupado por tema y con enlaces reales. Esta es la parte que más valor aporta y donde más errores se cometen. Cada línea es un enlace a una página que existe, con una frase de qué contiene. Si tienes cinco líneas temáticas, cinco grupos.
Quién firma. El nombre de la persona que escribe el contenido editorial, con su cargo. Los modelos ponderan autoría, y una organización sin autor identificable pesa menos que una persona con trayectoria.
Notas técnicas. Cómo se sirve el sitio, si hay versiones en Markdown de los artículos, qué datos estructurados se publican, y cuál es tu política de uso declarada. Es información que un agente no tiene por qué deducir.
Cómo prefieres ser citado. Una línea. No es vinculante, pero cuesta nada decirlo.
Los cinco errores que lo vuelven inútil
- Enlaces a páginas que no existen El fallo más común y el más dañino. Un mapa con calles inventadas no es un mapa incompleto: es un mapa que enseña a desconfiar del resto. Verifica cada enlace cada vez que lo edites.
- Relleno de palabras clave Repetir «agencia SEO Puebla» doce veces no ayuda. Este archivo lo lee un modelo de lenguaje, que detecta la densidad artificial igual que detecta un correo de spam. Escríbelo como si lo fuera a leer un colega.
- Cifras inflamadas o sin respaldo Si dices «más de mil proyectos» y en otra página dices seiscientos, un modelo encuentra la contradicción y pierde confianza en las dos. Peor: puede repetir la cifra inflada con tu nombre pegado, y entonces es un prospecto quien la verifica.
- Copiar el texto del folleto comercial El lenguaje de venta está lleno de afirmaciones no verificables, que es exactamente lo que un modelo descarta. Un párrafo entusiasta sin un solo dato comprobable ocupa espacio y no aporta ninguna señal.
- Publicarlo y olvidarlo Un archivo que describe una estructura de hace dos años describe un sitio que ya no existe. Revisión al trimestre y cada vez que se publique una sección nueva.
El complemento que sí aporta: servir el contenido en Markdown
Hay una práctica relacionada que, a nuestro juicio, vale más que el propio llms.txt y casi nadie aplica: publicar una versión en Markdown de cada artículo.
La idea es simple. El mismo contenido, en la misma dirección más .md al final. Lo que recibe un agente ahí es el texto limpio: sin menú, sin maquetación, sin scripts, sin banner de cookies. Solo el artículo, con sus encabezados y sus datos.
Por qué importa más de lo que parece: los agentes trabajan con límites de tiempo y de cantidad de texto que pueden procesar. Si tu página pesa doscientos kilobytes de los cuales treinta son el artículo, el agente gasta su presupuesto en interpretar lo que no importa. Si le das los treinta limpios, los lee enteros.
Dos cuidados al implementarlo:
- La versión Markdown no entra en el sitemap y se marca como no indexable. Es el mismo contenido en dos direcciones; anunciarla a Google sería pedirle que indexe un duplicado.
- Se referencia desde el
llms.txt, que es donde los agentes miran. Esa es, de hecho, la mejor razón para tener unllms.txt: ser el lugar donde se anuncia esto.
Entre publicar un llms.txt y revisar que tu robots.txt no esté bloqueando a los agentes de IA, haz lo segundo. Tarda cinco minutos y resuelve un problema real. Lo primero tarda una hora y resuelve un problema posible.
Dónde encaja en una lista de prioridades honesta
Si estás decidiendo en qué invertir las próximas semanas para visibilidad en IA, este es el orden por retorno real:
- Que los agentes puedan entrar. Robots.txt revisado agente por agente.
- Que el contenido exista sin JavaScript. Prueba del navegador con JS desactivado.
- Que las páginas carguen rápido. Los agentes abandonan antes que las personas.
- Datos estructurados declarados. Organización, artículo, autor, preguntas frecuentes.
- Respuestas concretas y autocontenidas bajo encabezados que son preguntas reales.
- Datos con fuente en cada afirmación relevante.
- Menciones fuera de tu sitio. La parte lenta y la que más diferencia.
- Versiones en Markdown de los artículos.
llms.txtque lo declare todo.
Nueve de nueve. No es que no valga: es que vale lo que vale. Una hora de trabajo en el puesto nueve de una lista de nueve es una buena inversión; dos meses de proyecto facturado por esa misma hora, no.
Y hay una prueba de coherencia que vale la pena mencionar: este sitio publica su llms.txt, sirve cada artículo en Markdown y declara su política de uso en la cabecera HTTP. No porque sea obligatorio, sino porque recomendarlo sin hacerlo sería exactamente el tipo de incoherencia que un modelo —y un cliente— detecta.
Si quieres recorrer los nueve puntos sobre tu propio sitio, el documento descargable de esta sección es esa revisión paso a paso.
Preguntas frecuentes
- ¿Qué es el archivo llms.txt?
- Es un archivo de texto plano que se coloca en la raíz de un sitio web y describe, en lenguaje claro y en formato Markdown, qué es la organización y dónde está su contenido relevante. Está pensado para que un modelo de lenguaje entienda el sitio sin tener que recorrerlo e interpretar menús, scripts y maquetación. Es al modelo de lenguaje lo que el sitemap.xml es al buscador: un índice declarado en vez de deducido.
- ¿Los modelos de IA leen de verdad el llms.txt?
- No es un estándar oficial ni hay garantía de que ningún motor lo consulte, y conviene decirlo con claridad en vez de venderlo como obligatorio. Lo que sí es verificable es que varios agentes lo solicitan en sus registros de acceso, y que el coste de publicarlo es de una hora de trabajo y cero mantenimiento mensual. Esa asimetría entre coste bajo y beneficio posible es todo el argumento.
- ¿El llms.txt sustituye al robots.txt?
- No, hacen cosas opuestas. El robots.txt otorga o niega permiso de rastreo; es un control de acceso. El llms.txt explica el contenido a quien ya tiene permiso; es un mapa. Un sitio puede tener un llms.txt impecable y seguir siendo invisible porque el robots.txt bloquea a los agentes. El permiso va primero, siempre.
- ¿Qué debe contener un llms.txt?
- Una descripción de una o dos frases de qué hace la organización, los datos identificativos verificables, la lista de servicios o productos con una línea cada uno, los enlaces reales al contenido relevante agrupado por tema, quién firma el contenido, y las notas técnicas de cómo se sirve el sitio. Lo importante es que todos los enlaces existan y que ninguna afirmación esté inflada.
- ¿Cada cuánto hay que actualizar el llms.txt?
- Cada vez que se publique una sección nueva o cambie algo de los datos de la organización. En la práctica, revisarlo una vez al trimestre y al publicar contenido estructuralmente nuevo es suficiente. Lo que no se puede permitir es que contenga enlaces a páginas que ya no existen: un mapa con calles inventadas es peor que ningún mapa.