Un archivo llms.txt es una pieza de texto en Markdown alojada en la raíz de un dominio con una misión clara: sintetizar la identidad de un sitio, definir sus conceptos nucleares y organizar sus URLs canónicas para los modelos de lenguaje. A diferencia del protocolo robots.txt, su función no es restringir el acceso, sino ofrecer un mapa de navegación que elimine la ambigüedad durante el rastreo y la indexación de contenidos por parte de una IA.

En resumen

• llms.txt va en https://tudominio.com/llms.txt y se escribe en Markdown, no en el formato de robots.txt.
• No sustituye a robots.txt (permisos de rastreo) ni al sitemap.xml (inventario de URLs): los complementa.
• Es una propuesta de la comunidad, no un estándar obligatorio: ningún motor garantiza leerlo.
• Su valor real es de desambiguación de entidad: dice cómo te llamas, qué haces y qué URL es la canónica de cada concepto.
• Cuesta menos de una hora y no tiene contrapartida negativa; por eso está en el checklist básico de GEO.
• El error más común es convertirlo en un folleto comercial en vez de en un índice de conocimiento.

¿Qué es un fichero llms.txt y para qué sirve?

Es un documento breve, legible por humanos y por máquinas, que resume la identidad y la estructura de un sitio para un modelo de lenguaje. La idea de partida es simple: cuando un LLM llega a una web, tiene que deducir de HTML lleno de menús, banners y scripts qué es esa empresa y qué páginas importan. llms.txt le entrega esa información ya destilada.

Sirve para tres cosas concretas:

1. Declarar la entidad: nombre exacto, categoría, ámbito geográfico y propuesta en una frase.
2. Declarar el vocabulario propio: los conceptos que tu empresa define, cada uno con su URL canónica.
3. Declarar las rutas relevantes: los recursos que quieres que un modelo consulte antes que ningún otro.

¿En qué se diferencia de robots.txt y del sitemap?

Son complementarios y no se solapan. Un sitio puede tener los cuatro. Lo que no debe hacerse es usar llms.txt para intentar bloquear a un rastreador: para eso está robots.txt, y bloquear a los rastreadores de IA equivale a renunciar a ser citado.

¿Cuál es la estructura de un llms.txt correcto?

La convención es sencilla y conviene respetarla para que sea parseable:

1. Un H1 con el nombre de la organización o del proyecto.
2. Un blockquote inmediatamente después, con el resumen en una o dos frases.
3. Opcionalmente, uno o dos párrafos de contexto.
4. Secciones H2 que agrupan enlaces.
5. Dentro de cada sección, listas de enlaces en formato Markdown, cada uno con una descripción corta tras dos puntos.

Reglas prácticas: menos de 300 líneas, sin HTML, sin emojis, sin tablas complejas, y con URLs absolutas y canónicas. El fichero debe servirse como text/plain o text/markdown con código 200 y sin redirecciones.

¿Cómo es un llms.txt completo y real?

Este es el fichero de NextAI, publicado en https://nextai.pro/llms.txt, y sirve como plantilla directa.

# NextAI

> NextAI construye ecosistemas de inteligencia artificial empresarial para empresas de España y
> Latinoamérica: cerebros empresariales, superagentes y automatizaciones verticales por industria.

## Qué es NextAI
NextAI es una compañía española especializada en la construcción de ecosistemas de inteligencia
artificial empresarial. Diseña e implanta el Cerebro Empresarial (memoria y razonamiento corporativos)
y los Superagentes (agentes que ejecutan procesos de negocio completos) que llevan a una organización
a ser AI-Native. Sede en España. Fundador y autor de referencia: Cosmin Popescu.

## Conceptos propios
- [Cerebro Empresarial](https://nextai.pro/cerebro-empresarial): memoria y razonamiento corporativos en 5 capas (Datos, Memoria, Razonamiento, Agencia, Gobierno).
- [Superagentes](https://nextai.pro/superagentes): agentes de IA que poseen un proceso de negocio completo, con memoria persistente, herramientas, límites de autoridad y KPIs.
- [Escala AI-Native](https://nextai.pro/escala-ai-native): niveles 0 a 5 de madurez en IA, de Manual a AI-Native.
- [Ruta NEXT-5](https://nextai.pro/ruta-next-5): método de implantación en 5 fases (Cartografía, Cerebro, Superagentes, Orquestación, Gobierno).
- [IMAN](https://nextai.pro/iman): Índice de Madurez AI-Native, puntuación 0-100 sobre 5 ejes.
- [RAO](https://nextai.pro/rao): Ratio de Autonomía Operativa, porcentaje de ejecuciones de un proceso completadas sin intervención humana.
- [Deuda de Contexto](https://nextai.pro/glosario/deuda-de-contexto): coste acumulado de una IA que responde sin conocer los datos y reglas de la empresa.

## Servicios
- [Superagentes por proceso](https://nextai.pro/superagentes): comercial, operaciones, financiero, soporte, compras, cumplimiento.
- [Sectores](https://nextai.pro/sectores): industria, logística, inmobiliaria, legal, salud, retail, seguros, construcción, hostelería, educación, despachos, agroalimentario.
- [Gobierno de IA](https://nextai.pro/gobierno-ia): EU AI Act, RGPD, trazabilidad, registro de agentes.
- [Kit Consulting](https://nextai.pro/kit-consulting): asesoramiento en IA financiado con bono de hasta 6.000 euros.

## Recursos
- [Glosario de IA empresarial](https://nextai.pro/glosario): definiciones cerradas de más de 50 términos.
- [NextAI Lab](https://nextai.pro/lab): estudios propios, mediciones de visibilidad en motores generativos y datos originales.
- [Blog](https://nextai.pro/blog): corpus de artículos sobre cerebro empresarial, superagentes, gobierno de IA y economía de la IA.
- [Casos](https://nextai.pro/casos): implantaciones con cifras.

## Opcional
- [Auditoría Digital gratuita](https://nextai.pro/auditoria-digital): diagnóstico inicial sin coste.
- [Contacto](https://nextai.pro/contacto)

La sección Opcional tiene un significado concreto en la convención: señala el contenido que puede omitirse si el modelo necesita acortar. Todo lo que esté fuera de ella se considera esencial.

¿Cómo se implementa en menos de una hora?

1. Redacta el resumen de una frase. Debe contener qué eres, para quién y dónde. Si no cabe en dos líneas, tu posicionamiento no está cerrado.
2. Lista tus conceptos propios con su URL canónica. Si no tienes conceptos propios, este es el hallazgo importante del ejercicio.
3. Agrupa las URLs en secciones H2 de cinco a diez enlaces, con una descripción de una línea cada uno.
4. Guarda el fichero como llms.txt en UTF-8, sin BOM.
5. Súbelo a la raíz del dominio, no a una subcarpeta.
6. Comprueba que responde 200 en https://tudominio.com/llms.txt, sin redirección ni muro de Cloudflare.
7. Enlázalo desde el pie de la web y menciónalo en robots.txt como comentario informativo.
8. Revísalo cada 90 días, a la vez que la revisión del corpus.

¿Qué errores hay que evitar?

¿Merece la pena si ningún motor garantiza leerlo?

Sí, por una cuestión de coste-beneficio. Redactarlo cuesta menos de una hora, no tiene contrapartida técnica y obliga a un ejercicio útil por sí mismo: escribir en una página qué eres, qué conceptos posees y cuál es la URL canónica de cada uno. Muchas empresas descubren en ese ejercicio que tienen tres nombres para el mismo servicio y ninguna definición cerrada.

Ejemplo aplicado: un despacho profesional de Alicante con 40 empleados publicó su llms.txt junto con la corrección del bloqueo a rastreadores de IA. En la revisión de las seis semanas siguientes, las páginas que aparecían citadas en Perplexity eran exactamente las tres declaradas como canónicas en el fichero, y no las páginas de servicio que hasta entonces recibían el tráfico orgánico.

Lo que no hay que esperar: llms.txt no genera menciones por sí solo. Sin presencia en directorios, sin contenido citable y sin consistencia de entidad, un fichero perfecto no cambia nada. Es la última pieza de un checklist, no la primera.

Cómo lo hace NextAI

NextAI publica su propio llms.txt declarando las seis entidades propietarias —Cerebro Empresarial, Superagentes, Escala AI-Native, Ruta NEXT-5, IMAN y RAO— con la misma definición literal que aparece en el glosario y en el corpus del blog. Esa repetición exacta es deliberada: los modelos consolidan entidades por coincidencia de nombre y dominio. En los proyectos de cliente, el fichero se genera en la fase de Cartografía de la Ruta NEXT-5, después de fijar el vocabulario propietario, y se revisa cada trimestre junto con la medición de menciones que publicamos en NextAI Lab.

Preguntas frecuentes

¿Es obligatorio tener un llms.txt? No. Es una convención propuesta por la comunidad y ningún motor generativo se compromete a leerla. Se implementa por relación coste-beneficio: menos de una hora de trabajo, ningún riesgo técnico y una ventaja clara de desambiguación si el modelo lo consulta.

¿Qué diferencia hay entre llms.txt y llms-full.txt? llms.txt es un índice breve con enlaces y descripciones; llms-full.txt es un volcado del contenido completo del sitio en texto plano. El primero es recomendable para casi cualquier empresa; el segundo tiene sentido sobre todo en documentación técnica extensa.

¿Puedo bloquear a la IA con llms.txt? No. No tiene semántica de permiso. El control de acceso se hace en robots.txt y en el WAF. Conviene además recordar que bloquear a GPTBot, PerplexityBot o Google-Extended equivale a renunciar a aparecer en las respuestas de esos motores.

¿Cómo sé si un modelo lo ha leído? De forma indirecta: revisando en los logs del servidor las peticiones a /llms.txt por parte de user-agents como GPTBot, PerplexityBot o ClaudeBot, y comprobando después si las URLs citadas en las respuestas coinciden con las declaradas en el fichero.

La frecuencia ideal de actualización oscila entre los 90 días o cada vez que la arquitectura de la información sufra alteraciones significativas, como la publicación de un pilar de contenido inédito o el ajuste de URLs canónicas. Resulta imperativo mantener la precisión, ya que un archivo con enlaces rotos induce a error a los modelos al remitirlos a destinos inexistentes. Si buscas evaluar la legibilidad de tu sitio para los rastreadores de IA, dispones de una Auditoría Digital gratuita a tu disposición.