llms.txt y GEO: escribir contenidos con los que la IA pueda responder

Las AI Overviews y los chatbots no posicionan su página: la leen y responden con ella. Esto es el estándar llms.txt, qué significa de verdad la capacidad de respuesta y cómo AdAstra evalúa sus contenidos frente a ella.

~6 min de lectura . GEO

Buscar era diez enlaces azules y un clic. Cada vez más es una AI Overview, la respuesta de un chatbot o un extracto resumido que nunca envía al lector a su sitio. La Generative Engine Optimization (GEO) consiste en escribir contenidos de forma que, cuando un sistema de IA lea su página, pueda extraer de ella una respuesta correcta y bien documentada y citarle por ella. Alrededor de eso se construyen el estándar llms.txt, la capacidad de respuesta y la puntuación AIO de AdAstra.

Qué cambiaron GEO y las AI Overviews

El SEO clásico optimiza para el posicionamiento: usted quiere que su página aparezca lo más arriba posible en una lista de resultados que después una persona repasa y en la que hace clic. Las AI Overviews, y los chatbots que cada vez más se usan como primera parada de una investigación, funcionan de otra manera. Leen el contenido que hay detrás de varias fuentes, generan una respuesta sintetizada y muestran esa respuesta directamente. Puede que nadie llegue a hacer clic en la página, incluso cuando era la fuente en la que se apoyó la IA.

Así que el objetivo se desplaza. Ya no basta con posicionar para una palabra clave: sus contenidos tienen que estar estructurados para que un sistema de IA pueda extraer de ellos un dato, una definición o una respuesta con limpieza y atribuirla correctamente. GEO es el conjunto de prácticas que persiguen ese objetivo.

El estándar llms.txt (qué es)

llms.txt es una convención propuesta, no una ley: un archivo de texto plano o markdown situado en la raíz de un sitio (conceptualmente al lado de robots.txt y sitemap.xml) que ofrece a los rastreadores de IA y a los modelos de lenguaje un mapa curado de los contenidos más importantes del sitio, en un formato pensado para la lectura automática y no para una persona que recorre un menú de navegación. No hay ninguna autoridad que lo imponga y su adopción en la web sigue siendo desigual.

Publique o no un sitio un archivo llms.txt literal, la idea de fondo, contenidos que enuncian sus datos con claridad, definen sus términos y se organizan para que un lector automático no tenga que adivinar, es lo que separa una página que un sistema de IA cita con confianza de otra que pasa por alto.

La capacidad de respuesta (estilo FAQ)

Lo primero que busca un sistema de IA es una respuesta extraíble: un dato o una definición que pueda tomar de sus contenidos sin tener que deducirla del texto que la rodea. Un contenido preparado para responder se estructura en pares claros de pregunta y respuesta, enuncia los datos y las definiciones como frases autónomas en lugar de enterrarlos en un párrafo largo, y usa listas o tablas allí donde faciliten la extracción de un fragmento directo.

Esta es la reescritura FAQ Style: la misma información, reestructurada para que la respuesta no necesite retoques antes de que un sistema de IA pueda citarla.

Profundidad y valor como fuente

Ser citable no basta si no hay nada debajo. Los sistemas de IA valoran hasta qué punto una fuente es completa y citable: ¿cubre el tema con verdadera sustancia o se limita a repetir lo evidente? La profundidad y el valor como fuente vienen de usar entidades inequívocas y términos claramente definidos en lugar de referencias vagas, y de mantener un foco temático estrecho para que el texto se lea como una autoridad sobre un solo asunto y no como un repaso superficial de varios.

Esto se corresponde con la reescritura In-depth Analysis: levantar la sustancia de la que una respuesta generada por IA pueda tirar de verdad y que pueda citar con confianza.

Los puntos clave

El tercer elemento es la presentación. Incluso un contenido realmente profundo y bien documentado puede ser difícil de resumir para un sistema de IA si la idea central está enterrada al final de una sección larga. Un contenido que abre cada sección con su idea central y destaca un resumen claro y extraíble de los puntos clave le da a un sistema de IA justo lo que necesita, sin obligarle a reconstruir el argumento por su cuenta.

Este es el estilo de reescritura Key Takeaways: enunciar primero la conclusión y después sostenerla.

Qué evalúa AdAstra

El análisis de SEO y LLM de AdAstra lee el contenido de su página y lo evalúa frente a estas tres categorías, es decir, FAQ y capacidad de respuesta, profundidad y valor como fuente, y puntos clave, para producir recomendaciones accionables y una puntuación de cumplimiento de tipo llms.txt.

Conviene ser preciso sobre lo que eso significa. AdAstra no rastrea su sitio, no descarga ningún archivo /llms.txt real ni verifica que exista. El modelo lee sus contenidos y estima, a partir de la calidad y la estructura de lo que usted ha escrito realmente, si una página como esta tendría probablemente un archivo llms.txt correspondiente, y después puntúa esa estimación en una escala de 0 a 100.

En la práctica, esto significa que AdAstra evalúa la preparación AIO de sus contenidos, es decir, cómo se comportarían si un sistema de IA intentara extraerlos, citarlos o resumirlos, y no la existencia de un archivo que puede estar o no en su servidor. La puntuación y las recomendaciones le dicen dónde están sus contenidos frente a las categorías de FAQ, profundidad y puntos clave de arriba; no son un informe de rastreo.

En resumen

• GEO significa escribir para sistemas de IA que leen y citan contenidos, y no solo para los rankings de búsqueda.
• llms.txt es una convención propuesta que da a los rastreadores de IA un mapa estructurado de un sitio; su adopción sigue siendo desigual y ninguna autoridad lo impone.
• La capacidad de respuesta (FAQ Style) supone datos autónomos y extraíbles y una estructura de pregunta y respuesta.
• La profundidad y el valor como fuente (In-depth Analysis) suponen entidades inequívocas, términos definidos y verdadera sustancia temática.
• Los puntos clave consisten en abrir con la idea central y destacar un resumen claro.
• AdAstra evalúa la preparación AIO y el cumplimiento de tipo llms.txt de sus contenidos leyéndolos; no rastrea su sitio ni verifica ningún archivo llms.txt real.