AISO técnico: cómo estructurar tu sitio para los motores de respuesta

Hay una pregunta que casi nadie se hace antes de pulir una sola palabra de su contenido para la IA: ¿la IA puede leer la página? Suena trivial. No lo es. Para una porción enorme de los sitios construidos en la última década, la respuesta honesta es "no del todo", y ninguna cantidad de optimización de texto arregla un problema que ocurre antes, en la capa técnica.

La razón es un detalle que el SEO clásico había dado por resuelto. Googlebot aprendió hace años a ejecutar JavaScript y a renderizar páginas como lo haría un navegador. Los crawlers de IA, en cambio, todavía no. Y esa diferencia, que parece de fontanería, decide si tu sitio existe o es invisible para ChatGPT, Claude y Perplexity.

Qué ve realmente un bot de IA

Vercel publicó un análisis que conviene tener presente: sobre más de 500 millones de peticiones de GPTBot, no encontró evidencia de que el crawler ejecutara JavaScript. Según su informe, GPTBot descarga el HTML inicial que devuelve tu servidor y sigue de largo. No espera a que el navegador pinte la página, no hace un segundo intento, no corre tus scripts. Lo mismo vale para ClaudeBot y PerplexityBot: leen el HTML crudo, extraen lo que encuentran y se van.

La consecuencia es brutal en su simpleza. Si tu contenido principal —el precio, la descripción, el artículo, el listado— solo aparece después de que el JavaScript se ejecuta en el navegador, el bot de IA no lo ve. Ve el esqueleto vacío que llega del servidor: un <div id="root"></div> y poco más. Para ti, en tu navegador, la página se ve perfecta. Para el crawler, está en blanco.

El mismo informe de Vercel dimensiona por qué esto dejó de ser un problema marginal: el tráfico de GPTBot creció alrededor de un 305% interanual, y los bots de IA ya representan cerca del 4,2% de todas las peticiones de páginas HTML. No es un canal experimental; es una porción real y creciente de quién visita tu sitio.

Hay una prueba casera para saber dónde estás parado. Abre tu página, desactiva JavaScript en el navegador y recarga. Lo que quede en pantalla es, más o menos, lo que ve un crawler de IA. Si desaparece tu contenido, ahí está tu primer problema, y es más urgente que cualquier palabra clave.

La jerarquía de palancas técnicas que sí importan

No todas las tareas de AISO técnico pesan lo mismo. Vale ordenarlas por impacto real, de mayor a menor, porque la industria tiende a venderlas todas como igual de críticas y no lo son.

1. Renderizado del lado del servidor

Es la primera y la más importante, por todo lo anterior. Si tu sitio es una single-page application que arma el contenido en el navegador, necesitas server-side rendering o prerenderizado: que el servidor entregue el HTML ya armado, con el texto adentro. Frameworks como Next.js, Nuxt o similares lo resuelven. Un sitio renderizado en servidor —como, de hecho, este— le da al crawler todo en la primera respuesta. Esta sola decisión separa a los sitios visibles de los invisibles.

2. Crawlability: no te dispares en el pie con robots.txt

El segundo punto es no bloquear, por accidente o por miedo, a los bots que pueden citarte. Conviene distinguir dos familias: los crawlers de entrenamiento, que se llevan contenido para entrenar futuros modelos, y los de recuperación en vivo, que buscan fuentes para responder una consulta puntual y te enlazan. Bloquear a los segundos en robots.txt es cortar justo el tráfico de citación que quieres. Si tu intención es controlar el entrenamiento, usa reglas específicas por User-Agent (GPTBot, ClaudeBot, Google-Extended, PerplexityBot y compañía) en vez de un bloqueo general que te deje afuera de las respuestas.

3. Estructura semántica y formato citable

Recién acá entra lo que la mayoría de las guías pone primero. El contenido que la IA cita tiende a tener una estructura reconocible. El análisis de 1,2 millones de respuestas de ChatGPT de Kevin Indig encontró que el 44,2% de las citaciones venían del primer 30% de la página, y que los encabezados en formato de pregunta correlacionaban con cerca del doble de citaciones. Traducido: usa HTML semántico real (h1, h2, p, listas), pon las respuestas concretas arriba y no enterradas, y estructura las secciones como preguntas cuando tenga sentido. No es estética; es darle al modelo bloques limpios y autocontenidos para extraer.

4. Datos estructurados

El schema markup ayuda a que la máquina entienda qué tipo de cosa es cada parte de tu página: un artículo, una FAQ, una organización, un producto. No es un boleto garantizado a las citaciones, pero reduce la ambigüedad y es barato de implementar. Lo tratamos en detalle en la guía de schema del cluster.

5. llms.txt: lo último de la lista, no lo primero

Y acá una corrección al hype. El archivo llms.txt —una propuesta de finales de 2024 para apuntar a los modelos hacia tu mejor contenido— se vende a veces como el nuevo imprescindible. La evidencia dice otra cosa. Un estudio de SE Ranking sobre 300.000 dominios no encontró impacto medible en las citaciones, y los crawlers grandes apenas lo solicitan. Su adopción ronda el 10% de los dominios. No está mal hacerlo —es opcional, gratis y sin riesgo—, pero ponlo al final: primero el renderizado, la crawlability y la estructura, que son los que realmente mueven la aguja.

Los errores técnicos que vemos una y otra vez

Auditando sitios, los mismos tropiezos se repiten. El más común es el de las tiendas y dashboards que cargan todo su contenido por JavaScript: catálogos, fichas, reseñas, datos en tiempo real. Para el usuario funciona; para el crawler de IA es una página vacía. Es la diferencia entre tener mil productos y no tener ninguno, según quién mire.

El segundo es el bloqueo accidental. Equipos que, preocupados por que la IA "les robe" el contenido, bloquean todos los bots en robots.txt y después se preguntan por qué nunca aparecen en las respuestas. Cortaron el cable que querían mantener.

El tercero, más sutil, es el contenido importante escondido detrás de interacciones: acordeones que cargan su texto solo al hacer clic, pestañas que traen el contenido por una llamada posterior, "ver más" que dispara una petición nueva. Si el texto no está en el HTML inicial, asume que la IA no lo tiene.

Y el cuarto es confundir velocidad de Google con legibilidad de IA. Un sitio puede tener métricas de Core Web Vitals impecables y aun así entregarle al crawler de IA un HTML vacío, porque esas métricas miden la experiencia de un navegador que sí ejecuta JavaScript. Son dos problemas distintos.

Lo que nos parece razonable hacer

Una opinión, para tomar como tal. Empieza por la prueba sin JavaScript: si tu contenido sobrevive, ya estás en mejor forma que la mayoría. Si no, esa es la prioridad número uno, por encima de cualquier trabajo de copy o de palabras clave.

Después, revisa tu robots.txt con la pregunta correcta: ¿estás bloqueando a algún bot de recuperación que podría citarte? Distingue entrenamiento de recuperación y decide con intención, no por defecto.

Tercero, ocúpate de la estructura: HTML semántico, respuestas arriba, encabezados claros, datos estructurados donde aporten. Es trabajo de fondo que sirve igual para Google y para la IA.

Y deja llms.txt para cuando lo anterior esté resuelto. Hacerlo no hace daño, pero priorizarlo por encima del renderizado es ordenar la biblioteca mientras la puerta de entrada está tapiada.

Preguntas que nos hacen seguido