¿Están listos los sitios web de las empresas para la búsqueda con IA?

Hallazgos clave

• 27% de los sitios accesibles rechazaron a nuestro analizador automático con un error o una página de verificación contra bots. Los filtros de seguridad, no el robots.txt, son la barrera técnica más común.
• Solo 1.1% de los robots.txt bloquean a un rastreador de búsqueda con IA (OAI-SearchBot, PerplexityBot o Claude-SearchBot). 4.5% bloquean al menos un rastreador de entrenamiento, casi siempre dejando pasar a los de búsqueda.
• 40% de las páginas de inicio que cargaron no tienen datos estructurados de Organization ni del negocio, así que los motores tienen que adivinar quién es el negocio.
• 21% no tienen encabezado H1 y 19% no tienen meta descripción, dos de las primeras cosas que leen los motores.
• 23% ya publican un archivo llms.txt, muchos creados automáticamente por plugins de SEO, aunque los principales motores no han dicho que lo usen.
• Solo 34% de los sitios accesibles cumplen los cinco básicos que revisamos. Los despachos de abogados obtuvieron el mejor resultado (55%); las cervecerías y vinícolas, el más bajo (19%).

Por qué hicimos este estudio

Cuando alguien le pide una recomendación a ChatGPT, Perplexity, Claude, Gemini o Google Ai Overviews (los resúmenes con IA de Google), el motor normalmente busca primero en la web y lee las páginas que encuentra. Un negocio solo puede ser citado si esos motores pueden llegar a su sitio y entender quién es. Queríamos saber con qué frecuencia existe esa capa técnica básica, entre industrias, usando las mismas revisiones que ejecuta nuestro analizador gratis de visibilidad en IA.

Este estudio mide solo la preparación técnica. Que un motor recomiende o no a un negocio depende mucho más de su reputación en la web: reseñas, menciones de marca y backlinks. Ese lado lo cubrimos en nuestra guía sobre cómo ChatGPT recomienda negocios.

Hallazgo 1: los filtros de seguridad rechazan a los visitantes automáticos

De los 1,144 sitios a los que pudimos llegar, 27% respondió a nuestro analizador con un error o una página de verificación contra bots en lugar de la página de inicio. 17% mostró una página de verificación (“Just a moment…”, un CAPTCHA o algo similar) y 16% devolvió un código de error como 403 Forbidden o 429 Too Many Requests. 42% de los sitios que alcanzamos están detrás de Cloudflare.

Nuestro analizador se identifica con honestidad, pide una página a la vez y corre desde un servidor en la nube, como muchos de los lectores de IA. Esto no prueba que un motor de IA en particular esté bloqueado: los servicios de seguridad suelen permitir a los rastreadores verificados de Google, Bing y las empresas de IA más grandes. Pero sí muestra cuántos sitios están detrás de filtros que deciden, sin que el dueño lo vea, qué visitantes automáticos pasan. En julio de 2025, Cloudflare también empezó a bloquear por defecto a los bots de IA en los sitios que atiende, con ajustes que los dueños pueden cambiar.

Qué hacer: abre tu CDN o tu plugin de seguridad y revisa cómo trata a los rastreadores de IA, en especial a los de búsqueda (OAI-SearchBot, PerplexityBot, Claude-SearchBot, Googlebot y Bingbot). Nuestro analizador lo prueba pidiendo tu página de inicio como si fuera cada uno de ellos.

Hallazgo 2: el robots.txt casi nunca es el problema

Gran parte del consejo sobre visibilidad en IA empieza por el robots.txt. En nuestra muestra casi nunca es el problema. De los 958 sitios con un robots.txt legible, solo 1.1% bloquean a un rastreador de búsqueda con IA en la página de inicio. Los bloqueos a rastreadores de entrenamiento son más comunes, pero siguen siendo poco frecuentes: 4.5% bloquean al menos uno y 3.4% bloquean el entrenamiento dejando pasar a los rastreadores de búsqueda, que es la configuración que recomendamos a los dueños que no quieren que su contenido se use para entrenar modelos.

Destacan dos señales menores. 16% de los robots.txt nombran al menos a un rastreador de IA, así que los dueños empiezan a manejarlos de forma deliberada. Y 7.7% de los sitios accesibles no tienen robots.txt, mientras que otro 8.6% lo sirvió detrás de una página de verificación, lo que significa que los rastreadores que respetan el robots.txt no pueden leer las reglas, ni la ubicación del sitemap, antes de visitar.

Hallazgo 3: muchos negocios no dicen quiénes son en el código

Los datos estructurados son la forma en que un sitio le dice a las máquinas, en un formato estándar, a qué negocio pertenece: su nombre, logotipo, dirección, teléfono, horario y perfiles vinculados. De las 834 páginas de inicio que cargaron, 40% no tienen datos estructurados de Organization ni de un tipo de negocio, y 29% no tienen datos estructurados JSON-LD de ningún tipo. Entre los sitios que sí marcan su negocio, 30% omiten los enlaces sameAs a sus otros perfiles, el campo que conecta un sitio web con sus listados de reseñas, redes sociales y directorios.

Los motores pueden deducir quién es un negocio a partir del texto de la página, pero unos datos estructurados claros y consistentes eliminan las conjeturas. Además, es una de las correcciones más baratas de esta lista. Consulta datos estructurados en nuestro glosario.

Hallazgo 4: a menudo faltan las señales básicas de la página

El título, la meta descripción y el encabezado principal están entre las primeras cosas que lee cualquier buscador o motor de IA para entender una página. Con frecuencia faltan:

9.4% de las páginas de inicio tenían menos de 150 palabras de texto en el propio HTML. En esos sitios, la mayor parte del contenido aparece solo después de ejecutar JavaScript, y muchos rastreadores de IA no ejecutan JavaScript. Solo 0.7% de las páginas de inicio tenían noindex, así que en esta muestra es raro que un sitio se desindexe por accidente.

Hallazgo 5: llms.txt se extiende más rápido que su uso

llms.txt es un archivo propuesto que resume un sitio web para los modelos de lenguaje. 23% de los sitios accesibles de nuestra muestra ya publican uno. Muchos incluyen una nota que indica que lo creó automáticamente un plugin de SEO como Yoast o All in One SEO. Los principales motores no han confirmado que lo usen, y Google dice que no hace falta para sus funciones de IA en la Búsqueda, así que nuestro analizador lo trata como opcional y no lo puntúa. No hace daño tenerlo, pero no sustituye a los básicos de arriba.

Cómo se comparan las industrias

Calificamos cada sitio accesible en cinco básicos: la página de inicio carga para un visitante automático, el robots.txt permite a los rastreadores de búsqueda con IA y a los buscadores principales, la página de inicio tiene datos estructurados del negocio, tiene título, meta descripción y H1, y se puede encontrar un sitemap XML. Solo 34% de los sitios accesibles cumplen los cinco (46% de los sitios cuya página de inicio cargó).

Los despachos de abogados y las empresas de bienes raíces van adelante, sobre todo porque más de ellos marcan su negocio con datos estructurados (81% y 73% de las páginas de inicio que cargaron). Las tiendas, los hoteles y los restaurantes fueron los que más rechazaron a nuestro analizador (37%, 35% y 32% de los sitios accesibles). Las cervecerías y vinícolas se quedaron atrás en los básicos: solo 47% de sus páginas de inicio tienen datos estructurados del negocio y 33% no tienen meta descripción.

Metodología

Muestra. Sacamos la muestra de Wikidata, la base de conocimiento abierta: organizaciones ubicadas en Estados Unidos con un sitio web oficial registrado y sin fecha de disolución registrada, en ocho grupos de industria. Elegimos al azar hasta 160 dominios únicos por grupo (semilla fija 20261022; los 88 dominios únicos de las empresas de bienes raíces, que tenían menos registros). Eso dio 1,208 sitios web. Como Wikidata favorece a las organizaciones lo bastante notables como para estar registradas, la muestra se inclina hacia negocios establecidos; los pequeños negocios locales podrían verse distintos.

Revisiones. El 22 de octubre de 2026 revisamos cada página de inicio con las mismas reglas de nuestro analizador gratis de visibilidad en IA: robots.txt interpretado según el RFC 9309 para 16 rastreadores, las etiquetas meta robots y el encabezado X-Robots-Tag de la página de inicio, título, meta descripción, H1, texto legible, datos estructurados JSON-LD y microdata, etiquetas Open Graph, enlaces de contacto, sitemap XML y llms.txt. Las solicitudes salieron de un servidor en la nube, identificadas como nuestro analizador con un user agent de navegador, con un tiempo de espera de 10 segundos.

Lo que no hicimos. No ejecutamos la prueba de firewall del analizador, que pide la página de inicio identificándose como cada rastreador de búsqueda con IA; desde un servidor que no es el rastreador real, no sería una prueba justa a esta escala. Revisamos solo páginas de inicio, no todas las páginas. 64 sitios (5.3%) no se pudieron alcanzar en absoluto y se excluyen de todos los porcentajes. Las cifras de robots.txt usan los 958 sitios con un archivo legible; las cifras de páginas de inicio usan las 834 que cargaron.

Límites. Es una foto de un solo día. Los sitios cambian, y las herramientas de seguridad pueden tratar a un rastreador real de forma distinta que a nuestro analizador. Las cifras describen solo la preparación técnica; no dicen nada sobre si los motores recomiendan a estos negocios. La muestra es de empresas de Estados Unidos y no representa a otros países.

Qué hacer al respecto

1. Revisa tu capa de seguridad. Asegúrate de que tu CDN, firewall o plugin de seguridad deje pasar a los rastreadores verificados de búsqueda y de búsqueda con IA.
2. Mantén permitidos en el robots.txt a los rastreadores de búsqueda con IA. Bloquea por separado a los de entrenamiento si lo prefieres; no afecta las respuestas de búsqueda.
3. Agrega datos estructurados del negocio. Organization o el tipo correcto de LocalBusiness, con tu nombre, logotipo, dirección, teléfono y enlaces sameAs a tus perfiles.
4. Corrige los básicos. Un H1 claro, un título y una meta descripción descriptivos, y la información clave en texto HTML simple.
5. Publica un sitemap e inclúyelo en el robots.txt.
6. Después trabaja la reputación. Las reseñas, las menciones de marca y los backlinks deciden a quién se recomienda una vez que los motores pueden leerte.

Nuestro analizador gratis de visibilidad en IA prueba tu propio sitio con las mismas reglas en unos 20 segundos.

Cómo citar este estudio

Puedes citar estos hallazgos. Por favor da el crédito a Ai Boutique y enlaza a esta página.

Periodistas e investigadores pueden escribirnos para pedir las cifras agregadas por industria o preguntar sobre el método.