Markdown y llms.txt: ¿hay que servirle otra web a la IA?

Markdown es un formato de texto con marcas sencillas: una almohadilla delante de un título, un guion delante de cada punto de una lista. Un modelo lo procesa sin descartar menús, scripts y estilos, que en una página HTML ocupan buena parte del código.

llms.txt es un fichero en Markdown, colocado en la raíz de la web, que resume qué es el sitio y enlaza sus páginas importantes. Lo propuso Jeremy Howard, de Answer.AI, el 3 de septiembre de 2024 en llmstxt.org, y la versión vigente de la propuesta, la segunda, se modificó el 10 de agosto de 2026. Es una propuesta, no un estándar aprobado.

La tercera forma se llama negociación de contenido: el robot pide la página con la cabecera Accept: text/markdown, que viene a decir «prefiero Markdown», y el servidor le responde con esa versión en la misma dirección.

• Google: su guía sobre la optimización para las funciones de IA generativa de la Búsqueda, actualizada el 15 de julio de 2026 en español, dice que «no hace falta que generes nuevos archivos legibles por máquinas, archivos de texto para IA, etiquetas ni Markdown» para aparecer, porque la Búsqueda de Google no los utiliza.
• OpenAI, Anthropic y Perplexity: las páginas donde documentan sus robots, como OAI-SearchBot, Claude-User o PerplexityBot, explican para qué sirve cada uno y no dicen que lean llms.txt ni versiones en Markdown. Consultadas el 13 de noviembre de 2026.
• Esas mismas páginas sí ofrecen Markdown a quien lee documentación: la de OpenAI remite a su llms.txt y a una versión .md de cada página, y la de Perplexity enlaza su llms.txt.
• Agentes de programación: Cloudflare escribió el 12 de febrero de 2026 que agentes como Claude Code y OpenCode ya envían la cabecera que pide Markdown.

Que una empresa de IA publique llms.txt para su documentación no significa que su asistente lo use para decidir a quién citar. Son dos cosas distintas, y solo la primera está documentada.

Chrome también mira el fichero: Lighthouse, su herramienta de auditoría, lo revisa dentro de sus comprobaciones de navegación con agentes. Según la documentación de Chrome, si una web no tiene llms.txt la prueba se marca como no aplicable, porque de momento publicarlo es opcional.

En el estudio de Ahrefs, el 28 % de los 137.000 dominios publica llms.txt, y la propia Ahrefs avisa de que sus clientes son más técnicos que la media de la web, así que esa adopción es un techo. De las peticiones que sí llegaron a algún llms.txt, el 96 % fueron de robots.

SE Ranking probó la variable con análisis estadístico y con un modelo de aprendizaje automático, y quitar llms.txt del modelo mejoró su precisión. Su conclusión, en un estudio publicado el 15 de octubre de 2026 según su propia página, es que hoy el fichero no influye en cómo los sistemas de IA ven o citan un contenido.

• El texto en el HTML inicial. Si los precios, las preguntas frecuentes o las fichas de producto se cargan con JavaScript después, un robot que no lo ejecuta solo ve la cabecera y el pie.
• Una jerarquía de títulos limpia: un H1, un H2 por cada pregunta que responde la página y H3 debajo. Es la misma estructura que Markdown marca con almohadillas, así que un HTML bien ordenado ya da casi todo lo que daría un .md.
• Tablas en HTML, no en imagen. Una cifra dentro de una captura no la puede citar ningún asistente.
• Acceso abierto: que ni robots.txt ni el cortafuegos bloqueen a los robots de búsqueda de cada asistente. Se puede comprobar si los robots de IA pueden leer tu web gratis y sin dar un email.

Con el HTML en orden, lo que decide si un asistente cita una página es cómo está escrita. Esa parte, con definiciones explícitas, datos con fuente y secciones que se entienden solas, está en la guía para escribir contenido que citen las IA.

Un ejemplo: la guía de DoGeo sobre cómo salir en ChatGPT tiene su versión en Markdown con el mismo texto, y el llms.txt de dogeo.io abre con la definición de DoGeo en español, inglés y francés antes de enlazar sus páginas.

La condición que importa es que las dos versiones digan lo mismo, palabra por palabra. Una versión .md que quita menús y estilos es la misma página en otro formato; una que cuenta cosas que la página no dice es otra web.

El encubrimiento está entre las prácticas que Google describe en sus políticas sobre qué considera spam. La línea está en el contenido, no en el formato: una versión para robots con afirmaciones, precios o reseñas que la página no muestra se acerca a lo que esas políticas describen.

Hay un segundo riesgo, más práctico: dos versiones mantenidas a mano acaban diciendo cosas distintas. Un precio cambiado en la página y olvidado en el .md es un dato falso que un agente puede repetir a un cliente. Por eso conviene que el Markdown salga del mismo contenido que el HTML.

• Documentación técnica, API y software para desarrolladores: las dos cosas. Son las webs que leen los agentes de programación, y OpenAI y Perplexity hacen lo mismo con su propia documentación.
• Webs de servicios, despachos, clínicas o agencias: primero el HTML. llms.txt es opcional; sirve para dejar escrita en un sitio la definición de la empresa y en Google ni suma ni resta, porque lo ignora.
• Tiendas online: primero que cada ficha de producto lleve precio, disponibilidad y descripción en el HTML. Una versión .md no arregla una ficha que se monta con JavaScript.
• Webs que dependen de JavaScript para mostrar el texto: ni llms.txt ni Markdown son la prioridad. Lo primero es que el servidor entregue el texto.

La regla registra sin bloquear las peticiones de cada robot, identificado por su user-agent, que es el nombre con el que se presenta, y verificado por IP cuando el proveedor publica sus rangos. Es lo que montamos en DoGeo para cada cliente.

Cada tipo de robot cuenta algo distinto. Los de búsqueda, como OAI-SearchBot de OpenAI o PerplexityBot, dicen qué páginas entran en el índice del asistente. Los que abren una página porque una persona lo ha pedido en una conversación, como ChatGPT-User, Claude-User o Perplexity-User, son la señal más cercana a que el asistente ha leído esa página para responder. GPTBot, que OpenAI usa para sus modelos, solo habla del entrenamiento.

Los registros no dicen qué escribe el asistente en su respuesta. Para eso hace falta un conjunto fijo de preguntas, como se explica en qué es la visibilidad en IA y cómo se mide.