¿Importa llms.txt realmente para GEO en 2026?

¿Es llms.txt una señal real de GEO en 2026?

No. A mayo 2026, llms.txt no es consumido como señal de ranking ni de recuperación por ningún motor de IA importante — ChatGPT, Perplexity, Gemini, Claude o Google AI Overviews. La guía oficial de búsqueda generativa de Google de mayo 2026 listó llms.txt bajo “mythbusting”: algo que los site owners no necesitan hacer para visibilidad en IA. Ningún vendor LLM importante ha documentado públicamente consumir archivos llms.txt externos. La lectura honesta de Citable es que llms.txt es un hedge — no una táctica que mueve Share of Answer hoy.

La posición de Google está documentada en la publicación de la empresa de mayo 2026 sobre búsqueda generativa. John Mueller y Gary Illyes, ambos ingenieros de Search Relations de Google, confirmaron por separado en canales públicos que Google no soporta el formato llms.txt y no conoce ningún sistema de IA que lo use como señal operativa. El archivo puede ser crawleado como parte de la indexación general de la web si existe — pero no recibe tratamiento especial, ni boost de ranking, ni indexación preferente en respuestas generadas por IA.

Por qué esto importa: la categoría GEO está llena de vendors y agencias posicionando llms.txt como deliverable fundacional. A mediados de 2026, eso no es defendible. Citable ha publicado históricamente guías sobre llms.txt e incluye un check para él en nuestro Checker de AI-readiness gratis — pero nuestra posición es que el archivo es un hedge de bajo coste, no una palanca de Share of Answer. Preferimos decirles la verdad a los clientes antes que vender teatro.

¿Por qué ningún vendor LLM consume llms.txt?

Porque ningún vendor LLM ha construido la infraestructura de retrieval para consumirlo. La especificación llms.txt — propuesta por Jeremy Howard en 2024 — define un formato de archivo y una convención de path, pero depende de que los motores de IA voluntariamente recuperen, parseen y ponderen el archivo durante el retrieval. A mayo 2026, ninguno de los vendors importantes ha enviado esa integración.

OpenAI, Anthropic, Perplexity, Meta y Mistral han estado o bien en silencio sobre la cuestión o explícitamente declarado que no consumen archivos llms.txt externos. Lo más cercano a un endorsement vendor viene de Anthropic y Cloudflare publicando sus propios archivos llms.txt en sus dominios — una señal de alineación editorial con la intención del formato, pero no evidencia de que sus crawlers consuman archivos de terceros. La lectura más clara: las marcas más cercanas a los proveedores de modelos publican llms.txt como declaración pública, no como input de retrieval.

Existe una visión contraria. Algunas plataformas de optimización — Erlin AI es la más citada — afirman tener datos internos mostrando que implementar llms.txt se correlaciona con mejoras en cobertura de citación en 14 días. Citable no ha podido replicar ese hallazgo en nuestros datos de engagement. La explicación más plausible de cualquier correlación observada es confounding: las marcas que publican llms.txt también tienden a tener schema fuerte, contenido fresco y acceso activo para crawlers — todos los cuales sí mueven citaciones. El archivo llms.txt va de polizón; no impulsa el resultado.

¿Deberías publicar llms.txt de todas formas?

Publícalo si no te cuesta nada. No pagues a nadie para convertirlo en táctica fundacional. El framing honesto es que llms.txt hoy ocupa la misma posición que ocupó sitemap.xml en 1997: un formato de archivo publicado que algunos publishers adoptan temprano como hedge, antes de que los buscadores o motores de IA construyan la infraestructura de retrieval que eventualmente podría tratarlo como señal. Sitemap.xml tardó cinco años en volverse operativamente relevante. llms.txt puede tardar más o nunca llegar.

La regla de decisión que Citable usa con clientes:

• Si tienes capacidad de ingeniería y el archivo puede generarse automáticamente desde tu CMS, publícalo. Coste casi cero, la opcionalidad tiene valor.
• Si tendrías que escribirlo manualmente y mantenerlo en cada cambio de contenido, no te molestes. El coste de oportunidad es real — ese tiempo de ingeniería produce más movimiento de Share of Answer gastado en completitud de schema o reescrituras de extractibilidad.
• Si un vendor te está pidiendo 500€+/mes para “gestionar tu estrategia de llms.txt”, sal corriendo. No hay estrategia que gestionar. El archivo es un mapa estático y los consumidores aún no existen.

Cuando la adopción de llms.txt cambie a nivel de model-vendor, el trabajo de añadir o actualizar uno son horas, no semanas. No hay ventaja de first-mover que capturar construyendo un programa robusto de llms.txt en 2026, adelantándose a una demanda que puede no materializarse nunca.

¿Qué mueve de verdad el Share of Answer en 2026?

Las señales que realmente impulsan la frecuencia de citación en IA, ordenadas por impacto en los engagements de Citable:

1. Completitud de schema markup. Organization, Service, Article, FAQPage y BreadcrumbList como JSON-LD. Esta es la señal técnica de mayor leverage. Las marcas con schema completo se citan medibly más en ChatGPT, Perplexity y AI Overviews.
2. Desambiguación de entidad. Entidad Wikidata reclamada, red sameAs conectando cada perfil verificado (LinkedIn, Crunchbase, Companies House, X, tu propio /about). Elimina la confusión cross-source que hace que los motores de IA salten tu marca o citen a la equivocada.
3. Extractibilidad de contenido. Respuestas autocontenidas en los primeros 40-60 words de cada sección. H2s en forma de pregunta. Evidencia con fuente nombrada en los siguientes 100-150 words. Este es el patrón editorial al que los extractores de IA están sesgados — ver Share of Answer vs Share of Model para el protocolo de producción.
4. Acceso para crawlers de IA. robots.txt permitiendo explícitamente GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot y Google-Extended. Trivial de arreglar; muchos sitios siguen bloqueando por defecto.
5. Citaciones de terceros con autoridad. Menciones en publicaciones de industria, citas de expertos llevando tu nombre, listados estructurados en directorios con NAP consistente. Compone lento pero defendible.

llms.txt no aparece en esta lista. Esa es la respuesta honesta.

Cómo maneja Citable llms.txt en 2026

En la Auditoría de Visibilidad IA de Citable, llms.txt se chequea pero no se pondera en el roadmap de Share of Answer. Si lo publicas, lo documentamos. Si no, no lo marcamos como fix prioritario. El trabajo que la auditoría prioriza es la lista de cinco puntos arriba — los entregables que de verdad mueven la frecuencia de citación en ChatGPT, Perplexity, Gemini, Claude y Google AI Overviews.

En el Checker de AI-readiness gratis de Citable, el check de llms.txt ahora se muestra como señal de hedge con framing explícito: presente significa que tienes el hedge en su sitio, ausente significa que no, y ninguno de los dos resultados cambia materialmente tu visibilidad en IA hoy. Si los vendors de modelos actualizan su infraestructura de retrieval para consumir archivos llms.txt, la copy del checker cambiará el día que eso se envíe.

Para equipos que ya tienen un programa de llms.txt: no dejes de mantener el archivo. El coste de mantenerlo actualizado es bajo y la opcionalidad sigue siendo real. Para equipos considerando empezar uno: lee la guía completa de llms.txt para los detalles de formato, publica el archivo si es barato, y sigue. El trabajo que produce crecimiento medible de citaciones está en otra parte.

---

Obtén una línea base documentada de Share of Answer en las cinco superficies principales de IA — ChatGPT, Perplexity, Gemini, Claude y Google AI Overviews — sin el teatro de llms.txt. La Auditoría de Visibilidad IA se entrega en 7–10 días hábiles desde $1.300 / 1.200 €.