HTML semántico, robots.txt para bots IA, llms.txt, schema drift y contenido estructurado: las 5 reglas de AI/GEO Readiness para aparecer en ChatGPT, Gemini y Perplexity.
El terreno del SEO ha cambiado. Ya no basta con escalar posiciones en Google: hoy, millones de usuarios obtienen respuestas directamente de ChatGPT, Gemini, Perplexity o Claude sin llegar a ver ni una sola página de resultados. Esa nueva cima —aparecer citado en las respuestas de los modelos de inteligencia artificial— tiene sus propias rutas de ascenso, y se llaman GEO (Generative Engine Optimization).
La buena noticia es que el camino hacia esa cima no exige empezar desde cero. Si tu web ya tiene una base SEO sólida, estás más cerca de lo que crees. Las 5 reglas de AI/GEO Readiness que verás en esta guía son ajustes técnicos y editoriales concretos que cualquier web puede implementar hoy mismo. No son teoría: son los mismos criterios que los modelos de lenguaje utilizan para decidir qué fuentes merecen ser citadas.
Si prefieres que alguien revise el estado de tu web y trace contigo la ruta óptima, puedes escribirnos sin compromiso. Pero si quieres entender el terreno antes de dar el primer paso, sigue leyendo.
TL;DR — Las 5 reglas de GEO Readiness
- HTML semántico: usa los elementos correctos para que la IA entienda la estructura de tu contenido.
- Acceso de bots IA: no bloquees en
robots.txta los rastreadores de los modelos de IA.- llms.txt: crea un archivo-índice que explique a las IAs de qué trata tu web.
- Sin schema drift: mantén tus datos estructurados sincronizados con el contenido real.
- Contenido estructurado para IA: escribe de forma que la IA pueda extraer y citar tus respuestas directamente.
Guarda esta infografía como referencia rápida: las 5 reglas de AI/GEO Readiness con sus estadísticas clave, ejemplos de código y el checklist exprés para auditar cualquier web.
GEO (Generative Engine Optimization) es la práctica de optimizar contenido web para que los modelos de lenguaje (LLMs) lo encuentren, lo entiendan y lo citen en sus respuestas. Es, en esencia, el SEO del nuevo terreno: los motores de búsqueda generativos.
Los datos hablan por sí solos:
¿Qué significa esto para tu web? Que si los rastreadores de los modelos de IA no pueden acceder a tu contenido, si no entienden su estructura o si los datos que encuentran están desactualizados, simplemente no te citarán. No es una penalización: es invisibilidad.
El GEO no reemplaza al SEO clásico: lo complementa. Un buen H1, una canonical correcta y una velocidad de carga óptima siguen siendo la base. Pero encima de esa base, las 5 reglas de AI/GEO Readiness son el equipamiento que necesitas para la ruta de alta montaña.
El HTML semántico consiste en usar los elementos HTML5 correctos para cada tipo de contenido, en lugar de usar <div> y <span> para todo. Un <article> le dice a cualquier sistema —navegador, lector de pantalla, bot de rastreo o modelo de lenguaje— que ese bloque contiene un contenido independiente y completo. Un <div> no dice nada.
Los elementos semánticos clave para GEO Readiness son:
| Elemento | Uso correcto |
|---|---|
<header> | Cabecera del sitio o de una sección |
<nav> | Menú de navegación principal |
<main> | Contenido principal de la página (solo uno por página) |
<article> | Contenido independiente: artículo de blog, noticia, post |
<section> | Agrupación temática dentro de <main> o <article> |
<aside> | Contenido relacionado pero secundario (sidebar, notas) |
<footer> | Pie de página del sitio o de una sección |
<figure> + <figcaption> | Imagen con su descripción asociada |
<time datetime=""> | Fechas y horas legibles por máquinas |
<address> | Información de contacto del autor o del negocio |
Los modelos de lenguaje aprenden a leer webs a través de millones de páginas. Cuando encuentran una estructura semántica consistente, pueden:
<address> y los atributos de fecha de <time>.<h1> dentro de un <article> es el título del artículo; un <h2> en un <section> es una subsección.<article> tiene más peso que el mismo párrafo dentro de un <div id="contenido"> genérico.Un estudio de Botify (2024) mostró que las páginas con HTML semántico correcto tienen un 23 % más de probabilidades de ser incluidas en AI Overviews de Google que las páginas con estructura de divs equivalente.
Inspecciona el DOM de tu página:
# Con curl y grep, busca si existe al menos un <main>
curl -s https://tuweb.com | grep -c "<main"
# Resultado: 0 = problema; 1 = correctoO con las DevTools del navegador: abre la pestaña Elements y busca si el contenido principal está dentro de <main>. Si está dentro de <div class="content"> o <div id="wrapper">, tienes trabajo por hacer.
Señales de alerta:
<div> anidados sin ningún elemento semántico.<main> en páginas de contenido.<div> en lugar de <nav>.<article>.Sustituye los <div> genéricos por sus equivalentes semánticos:
❌ Incorrecto:
<div id="page">
<div id="header">
<div id="nav"><!-- menú --></div>
</div>
<div id="content">
<div class="post">
<div class="post-title"><h1>Mi artículo</h1></div>
<div class="post-body"><!-- contenido --></div>
</div>
</div>
<div id="footer"><!-- pie --></div>
</div>✅ Correcto:
<body>
<header>
<nav aria-label="Navegación principal"><!-- menú --></nav>
</header>
<main>
<article>
<h1>Mi artículo</h1>
<p><!-- contenido --></p>
</article>
</main>
<footer><!-- pie --></footer>
</body>El cambio es sencillo en casi todos los CMS. En WordPress, los temas modernos (GeneratePress, Kadence, Blocksy) ya usan semántica correcta. En Astro, como este mismo blog, los componentes de layout deben envolver el contenido en <main> y <article>.
Cada empresa que desarrolla un modelo de IA tiene su propio rastreador web que visita páginas para recopilar datos de entrenamiento o para responder consultas en tiempo real. Estos bots se identifican mediante un User-agent específico en la cabecera HTTP de sus peticiones.
Los principales bots de IA en 2026:
| Bot | Empresa | Función |
|---|---|---|
GPTBot | OpenAI | Entrenamiento de ChatGPT y rastreo para respuestas web |
OAI-SearchBot | OpenAI | Respuestas de búsqueda en tiempo real de ChatGPT |
ChatGPT-User | OpenAI | Peticiones de usuario en tiempo real |
ClaudeBot | Anthropic | Rastreo y entrenamiento de Claude |
Anthropic-AI | Anthropic | Agente de rastreo de Anthropic |
PerplexityBot | Perplexity AI | Rastreo para respuestas de Perplexity |
GoogleExtended | Datos para Gemini y AI Overviews | |
Bytespider | ByteDance | IA de TikTok y productos ByteDance |
CCBot | Common Crawl | Dataset público usado por muchos modelos |
meta-externalagent | Meta | Productos de IA de Meta |
Si en tu robots.txt tienes una directiva Disallow: / aplicada a todos los bots o específicamente a alguno de estos agentes, ese modelo de IA nunca citará tu contenido. Nunca.
Muchos sitios bloquearon estos bots en 2023-2024 por miedo al scraping y al uso de datos de entrenamiento sin compensación. Es una decisión legítima. Pero si tu objetivo es aparecer en las respuestas de la IA, el bloqueo es contraproducente.
Revisa tu robots.txt en https://tuweb.com/robots.txt:
❌ Configuraciones problemáticas para GEO:
# Bloquea todos los bots (incluidos los de IA)
User-agent: *
Disallow: /
# O bloqueos específicos de bots de IA
User-agent: GPTBot
Disallow: /
User-agent: CCBot
Disallow: /Herramienta rápida: usa el Google Search Console → Herramienta de prueba de robots.txt y prueba las URLs clave con el User-agent GPTBot.
Edita tu robots.txt para permitir el acceso de los bots de IA a las páginas de contenido:
✅ Configuración recomendada:
# Bots de búsqueda tradicionales
User-agent: Googlebot
Allow: /
User-agent: Bingbot
Allow: /
# Bots de IA — permitir acceso al contenido
User-agent: GPTBot
Allow: /
User-agent: OAI-SearchBot
Allow: /
User-agent: ClaudeBot
Allow: /
User-agent: Anthropic-AI
Allow: /
User-agent: PerplexityBot
Allow: /
User-agent: GoogleExtended
Allow: /
User-agent: CCBot
Allow: /
# Regla por defecto
User-agent: *
Allow: /
Sitemap: https://tuweb.com/sitemap.xmlNota sobre privacidad y datos de entrenamiento: OpenAI permite optar por no ser incluido en el entrenamiento futuro de modelos sin dejar de ser citado en respuestas de búsqueda. Para excluirte solo del entrenamiento, usa el formulario de exclusión de OpenAI en lugar de bloquear GPTBot en robots.txt.
llms.txt es un archivo en texto Markdown que se coloca en la raíz de tu dominio (https://tuweb.com/llms.txt) y que sirve como índice estructurado de tu web, diseñado específicamente para que los modelos de lenguaje lo procesen de forma eficiente.
La propuesta fue lanzada en septiembre de 2024 por Jeremy Howard (co-fundador de fast.ai) y desde entonces ha sido adoptada por empresas como Anthropic, Hugging Face, Cloudflare, Stripe y muchas otras.
A diferencia del sitemap.xml —que es una lista de URLs para rastreadores—, el llms.txt explica en lenguaje natural qué hace tu empresa, cuáles son tus páginas más importantes y cómo está organizado tu contenido. Los modelos de IA pueden leerlo directamente sin necesidad de rastrear toda la web.
Cuando un usuario pregunta a Perplexity o a ChatGPT sobre un tema relacionado con tu sector, el modelo necesita:
Un llms.txt bien construido satisface los tres puntos en una sola petición, sin necesidad de rastrear decenas de páginas. Es el equivalente a darle a la IA tu tarjeta de visita con el índice completo de tu trabajo.
Comprueba si existe visitando https://tuweb.com/llms.txt. Si obtienes un 404, no lo tienes. Si la mayoría de tu competencia tampoco lo tiene (aún habitual en España en 2026), es una ventaja competitiva fácil de implementar.
El formato es Markdown con una estructura definida:
# Escala14
> Agencia de marketing digital especializada en SEO, branding y diseño web para pymes españolas.
Escala14 ayuda a negocios a conquistar cimas digitales mediante estrategias SEO personalizadas,
identidad de marca y webs de alto rendimiento. Sin contratos de permanencia. Resultados medibles.
## Servicios principales
- [Agencia SEO](https://escala14.com/agencia-seo/): Posicionamiento en Google con auditorías técnicas, link building y contenido.
- [Diseño web](https://escala14.com/diseno-web/): Webs en WordPress y Astro, optimizadas para velocidad y conversión.
- [Branding](https://escala14.com/agencia-branding/): Identidad visual, logotipo, paleta de color y guía de estilo.
## Recursos del Campamento Base (blog)
- [Guía de SEO técnico](https://escala14.com/seo-tecnico-guia/): Fundamentos de SEO técnico para pymes.
- [HTML semántico y SEO](https://escala14.com/validacion-html-9-reglas-seo/): 9 reglas de validación HTML con impacto en SEO.
- [SEO para móvil](https://escala14.com/seo-movil-reglas/): 5 reglas para auditar el SEO móvil.
## Contacto
- Web: https://escala14.com
- Email: [email protected]
- Localización: Almería, EspañaFormato requerido según la especificación oficial:
# Nombre del sitio — título H1 con el nombre de la empresa.> Descripción breve — una frase en blockquote que resume qué hace el sitio.## Secciones — una por área temática o tipo de contenido, con enlaces a las páginas más importantes.llms-full.txt — versión completa con el texto íntegro de cada página importante.Puedes validar la sintaxis con el LLMs.txt Explorer.
El schema drift (o deriva del schema) ocurre cuando el marcado de datos estructurados (schema.org en JSON-LD) de una página queda desincronizado con el contenido real que muestra esa misma página.
Es uno de los problemas más sutiles y peligrosos para el GEO: el bot de IA puede leer tus datos estructurados y publicar información que ya no es correcta, dañando tu credibilidad.
Ejemplos de schema drift habituales:
| Tipo de schema | Drift típico |
|---|---|
Product | El precio en schema es 49€; en la página es 59€ |
Article | dateModified apunta a 2023; el artículo fue actualizado en 2025 |
FAQPage | Las preguntas del schema no coinciden con las preguntas visibles |
Organization | El número de teléfono del schema está desactualizado |
LocalBusiness | El horario en schema es el de antes de la pandemia |
BreadcrumbList | La ruta de navegación del schema no coincide con la URL real |
Los modelos de lenguaje confían en los datos estructurados porque son señales explícitas que el propio webmaster ha añadido para declarar hechos sobre su contenido. Cuando hay schema drift:
Paso 1 — Extrae el schema actual con el Rich Results Test de Google o con Schema.org Validator.
Paso 2 — Compara cada campo con el contenido visible:
# Con curl y python, extrae los bloques JSON-LD de una página
curl -s https://tuweb.com/producto/ \
| grep -o '<script type="application/ld+json">.*</script>' \
| sed 's/<[^>]*>//g' \
| python3 -m json.toolPaso 3 — Busca estos campos de alto riesgo:
{
"@type": "Product",
"offers": {
"price": "49.00",
"priceCurrency": "EUR",
"priceValidUntil": "2024-12-31"
}
}{
"@type": "Article",
"datePublished": "2023-03-15",
"dateModified": "2023-03-15"
}Solución técnica: genera el schema dinámicamente desde la misma fuente de datos que el contenido visible. Si el precio de tu producto está en una variable del CMS, el schema debe leer esa misma variable, no un valor hardcodeado.
✅ Schema correcto para artículo de blog:
{
"@context": "https://schema.org",
"@type": "Article",
"headline": "GEO Readiness: 5 reglas para que la IA cite tu web en 2026",
"datePublished": "2026-03-29T00:00:00Z",
"dateModified": "2026-03-29T00:00:00Z",
"author": {
"@type": "Organization",
"name": "Escala14",
"url": "https://escala14.com"
},
"publisher": {
"@type": "Organization",
"name": "Escala14",
"logo": {
"@type": "ImageObject",
"url": "https://escala14.com/logo.png"
}
},
"description": "Aprende las 5 reglas de GEO Readiness para que ChatGPT, Gemini y Perplexity encuentren, entiendan y citen tu web.",
"mainEntityOfPage": {
"@type": "WebPage",
"@id": "https://escala14.com/ai-geo-readiness-seo-ia/"
}
}Proceso de mantenimiento recomendado:
Los modelos de lenguaje buscan respuestas claras, directas y extraíbles. Cuando un usuario pregunta “¿cuánto cuesta hacer una web profesional en España?”, la IA escanea miles de páginas buscando una frase o un bloque que responda directamente a esa pregunta.
El contenido estructurado para IA es la práctica de formatear el texto de forma que la respuesta sea obvia, extrayable y citable sin necesidad de leer el artículo completo.
Los investigadores de la Universidad de Princeton (estudio GEO, 2024) identificaron que los factores que más aumentan la probabilidad de ser citado por un modelo de IA son:
Lee tu artículo y responde estas preguntas:
Si la respuesta es “no” en más de dos preguntas, tu contenido no está optimizado para ser citado.
Usa bloques de definición al inicio de cada sección:
❌ Incorrecto (para IA):
Los datos estructurados son algo que todos los desarrolladores deberían considerar en sus proyectos web porque aportan muchos beneficios en términos de visibilidad y la forma en que los buscadores interpretan el contenido de las páginas…
✅ Correcto (para IA):
Los datos estructurados son fragmentos de código JSON-LD que declaras en tu HTML para explicarle a los motores de búsqueda y a los modelos de IA exactamente qué tipo de contenido contiene tu página: un artículo, un producto, una receta, un evento…
Usa tablas comparativas con encabezados claros:
| Técnica | Beneficio para SEO | Beneficio para GEO |
|---|---|---|
| HTML semántico | Mejor rastreo | Mejor comprensión de estructura |
| llms.txt | Sin efecto directo | Indexación eficiente por LLMs |
| Schema actualizado | Rich snippets | Datos fiables para citación |
Incluye respuestas de 40-60 palabras para preguntas concretas — el formato ideal para featured snippets y para citación directa en IA.
Usa esta lista para auditar cualquier página o web antes de publicar o después de una actualización:
<main> que envuelve el contenido principal.<article>.<nav aria-label="...">.<figure> y <figcaption> cuando necesitan descripción.<time datetime="2026-03-29">.robots.txt permite el acceso a GPTBot, ClaudeBot, PerplexityBot y GoogleExtended.Disallow: / global que afecte a los bots de IA.sitemap.xml está referenciado en el robots.txt./llms.txt en la raíz del dominio.llms.txt son URLs absolutas (con https://).Article con datePublished y dateModified correctos.Product coinciden con los precios visibles en la página.Organization tiene el teléfono, dirección y horario actualizados.No. El GEO complementa al SEO sin sustituirlo. Un buen SEO técnico (velocidad, canonicales, H1, enlaces internos) sigue siendo la base imprescindible. El GEO añade una capa de optimización específica para que los modelos de lenguaje entiendan y citen tu contenido. Sin SEO sólido, el GEO tiene poco terreno sobre el que construir.
No necesariamente. Permitir el acceso de GPTBot a tu contenido permite que aparezcas en las respuestas de ChatGPT. Si tu modelo de negocio depende de que los usuarios lleguen a tu web, bloquear a estos bots puede ser contraproducente. Dicho esto, OpenAI ofrece una opción de exclusión del entrenamiento de modelos que te permite aparecer en respuestas sin que tu contenido se use para entrenar futuros modelos.
En 2026, llms.txt es una propuesta ampliamente adoptada pero aún no es un estándar oficial del W3C ni de ningún organismo de normalización. Sin embargo, empresas como Anthropic, Cloudflare, Stripe y Hugging Face ya lo han implementado, y los principales modelos de IA lo reconocen. Implementarlo hoy es una ventaja competitiva con muy poco coste.
Busca tu marca o tus contenidos en ChatGPT, Perplexity y Gemini. Pregunta algo relacionado con tu servicio y observa si tu web aparece entre las fuentes citadas. También puedes usar herramientas como BrandMentions o Mention que empiezan a rastrear menciones en respuestas de IA.
Sí. Google puede penalizar páginas donde detecta una discrepancia significativa entre el schema declarado y el contenido visible. En particular, para schema Product, si el precio del schema difiere del precio visible, Google puede retirar el rich snippet de precio de los resultados de búsqueda.
Depende del estado de tu web. Un sitio nuevo en Astro o en un CMS moderno puede implementar las 5 reglas en 4-8 horas de trabajo técnico. Una web legacy en HTML antiguo puede requerir varios días de refactoring. Lo más rápido de implementar es llms.txt (30 minutos) y la revisión de robots.txt (15 minutos). Lo más complejo suele ser la migración a HTML semántico si la web usa una arquitectura de divs muy anidada.
Revisa el robots.txt y el llms.txt cada trimestre o cuando añadas secciones importantes a tu web. Revisa el schema de tus páginas más importantes cada vez que actualices precios, fechas o FAQs. El HTML semántico, una vez implementado correctamente, es una solución duradera que no requiere mantenimiento frecuente.
Las 5 reglas de GEO Readiness son el equipamiento para la ruta de alta montaña del SEO actual. HTML semántico, robots.txt abierto para los bots correctos, un buen llms.txt, schema siempre sincronizado y contenido diseñado para ser citado: estos cinco ajustes pueden marcar la diferencia entre ser invisible para la IA y convertirte en una fuente que ChatGPT, Gemini o Perplexity recomiendan a sus millones de usuarios.
Si quieres que auditemos el estado de AI/GEO Readiness de tu web, identificar exactamente qué ajustes necesitas y trazar juntos el plan de acción, escríbenos sin compromiso. En Escala14 nos encargamos personalmente de cada proyecto, con transparencia en cada paso y resultados medibles.
Y si quieres seguir ascendiendo, descubre todos los servicios de nuestra agencia SEO.
Aprende a implementar y auditar las 13 reglas de datos estructurados más críticas en SEO: JSON-LD, Schema.org, Article, Organization, FAQPage, Product, Breadcrumb y más. Guía técnica con ejemplos de código y checklist accionable.
Hacer tu web con IA y aparecer en las respuestas de ChatGPT son dos cosas distintas. La mayoría de webs de builders no cumplen lo básico para que la IA las cite. Te lo explicamos sin tecnicismos.
RGPD, ePrivacy, LSSI y Consent Mode v2: todo lo que necesitas para que tu banner de cookies cumpla la ley y supere la auditoría SEO.
/ Volver al campamento
Más de 20 artículos publicados sobre SEO, diseño web y marketing digital, con datos reales y reglas auditables.