llms.txt
llms.txt es un archivo de texto plano, propuesto como estándar, que va en la raíz del sitio para indicar a los rastreadores de IA y a los modelos de lenguaje qué páginas y datos considera la tienda más relevantes, escrito en Markdown para que el modelo lo lea sin procesar el HTML completo.
La idea es sencilla: en lugar de hacer que un modelo navegue entre menús, scripts y código de relleno, tú le entregas un mapa organizado de tu mejor contenido con descripciones breves y enlaces. El formato es deliberadamente simple. Un encabezado indica el nombre del sitio, una o dos frases describen lo que hace, y una lista de enlaces agrupa las páginas que vale la pena leer, cada una con un resumen de una línea. Sigue el espíritu de robots.txt y sitemap.xml, pero es una propuesta de la comunidad, no un estándar acordado, y ningún proveedor de IA relevante ha confirmado que cambie la forma en que sus sistemas rastrean, clasifican o citan contenido.
La lectura honesta es que llms.txt es barato de implementar y tiene pocos efectos medibles hoy. Los grandes motores de respuesta con IA construyen su comprensión a partir de las páginas que ya rastrean y de la corroboración en toda la web, no de un archivo autodeclarado que cualquier tienda puede llenar con afirmaciones de marketing. Tratarlo como una palanca de posicionamiento es un error. Tratarlo como higiene de bajo costo que podría importar más adelante, cuando las herramientas y las convenciones maduren, es la posición razonable.
Imagina un comerciante en Shopify que vende cosmética natural. Publica llms.txt en la raíz de la tienda con su guía de ingredientes, su página de preguntas frecuentes sobre cuidado de la piel y tres páginas de producto principales, cada una con una descripción breve como "Sérum de vitamina C, 30 ml, para piel mixta". Es ordenado y no cuesta mantenerlo. Lo que no hará por sí solo es conseguir que ChatGPT o Perplexity recomienden la marca cuando alguien pregunte por una rutina de cuidado para piel sensible. Esos sistemas evalúan las páginas de producto activas, las reseñas que contienen y lo que dicen sitios y foros independientes, no el resumen que el propio comerciante hace de sí mismo.
Para la búsqueda con IA y los motores de respuesta, el archivo importa principalmente como señal de intención, no como fuente de verdad. Un modelo puede leer una autodescripción, pero tiene todas las razones para descontar las afirmaciones que una marca hace sobre sí misma y para favorecer la evidencia que puede corroborar en otro lugar. Esa asimetría es el fundamento de cómo Google AI Overviews, Perplexity y herramientas similares deciden qué citar: premian los hechos que se sostienen en múltiples fuentes, no las afirmaciones publicadas en una URL predefinida.
Lo que realmente impulsa la citación de IA es más mundano: páginas limpias y rastreables, respuestas claras y específicas cerca del principio de cada una, datos estructurados donde corresponden y los mismos hechos confirmados por fuentes independientes en las que el modelo ya confía. Las reseñas son una de las formas más sólidas de esa corroboración, porque son el lenguaje del cliente sobre el producto, ubicadas en la página de producto y repetidas por muchos compradores. Conseguir que las reseñas existentes sean legibles, indexables y citadas por los buscadores y la IA es la brecha que cierra BeyondReviews, y hace mucho más por la visibilidad que cualquier archivo de texto en la raíz. Publica llms.txt si te gusta esa higiene, y dedica el esfuerzo real a las páginas y a la evidencia que un modelo pueda verificar.