Desde que los asistentes de IA empezaron a apoyarse en información extraída de la web para responder consultas, surgió una pregunta práctica: ¿cómo le hacemos saber a un modelo de lenguaje qué contenido de nuestro sitio es relevante y cómo debería interpretarlo?
La respuesta más comentada del último año es el archivo llms.txt, una propuesta publicada en septiembre de 2024 por Jeremy Howard y el equipo de Answer.AI. Su utilidad real está en discusión, y conviene entender qué es y qué no es antes de decidir su implementación.
¿Qué es el archivo llms.txt?
llms.txt es un archivo en formato Markdown que se coloca en la raíz del dominio (por ejemplo, https://ejemplo.com/llms.txt) y que ofrece a los modelos de lenguaje un resumen curado del sitio, junto con enlaces a los recursos más importantes en versión legible por máquina.
Su origen parte de una limitación concreta de los LLM: las ventanas de contexto son demasiado pequeñas para procesar sitios web completos, y convertir HTML complejo, con navegación, scripts, anuncios y elementos visuales, en texto plano útil resulta impreciso.
El formato está definido con precisión. Un archivo llms.txt válido debe contener un encabezado H1 con el nombre del proyecto o sitio (única sección obligatoria), un blockquote con un resumen breve del propósito del sitio, cero o más párrafos con información complementaria, y cero o más secciones delimitadas por H2 que contengan listas de enlaces con descripción opcional.
Adicionalmente, la propuesta original recomienda servir versiones .md de las páginas relevantes en la misma URL, simplemente agregando la extensión .md al final. Esto permite que el modelo acceda a contenido plano sin necesidad de renderizar HTML.
¿Para qué sirve realmente?
A diferencia de robots.txt, que indica qué partes del sitio pueden o no rastrearse, o de sitemap.xml, que enumera todas las URLs indexables, llms.txt está pensado para asistir al modelo en tiempo de inferencia, es decir, cuando un usuario hace una consulta y el asistente busca información específica para responderla. No es un archivo de entrenamiento; es un archivo de orientación contextual.
Los casos de uso son amplios: documentación técnica de software, fichas de producto en e-commerce, normativas legales resumidas para stakeholders, perfiles profesionales o programas académicos.
En cualquier escenario donde se quiera que un asistente de IA entregue información precisa y actualizada de un sitio, llms.txt cumple la función de orientar al modelo hacia el contenido relevante y su versión legible por máquina.
El debate: ¿lo están leyendo los LLM?
La propuesta de llms.txt es del equipo de Answer.AI, no de OpenAI, Anthropic, Google ni Perplexity. Ninguna de las grandes plataformas ha confirmado oficialmente que sus motores de inferencia consulten este archivo de forma sistemática cuando responden consultas. En la práctica hay evidencias mixtas: algunos sistemas con búsqueda en tiempo real podrían beneficiarse del archivo si lo encuentran, pero no existe una política pública que garantice su uso.
Eso ha llevado a una crítica recurrente: si los LLM no leen llms.txt de manera consistente, ¿qué sentido tiene implementarlo? La objeción es razonable, pero ignora dos hechos importantes.
El primero: el ecosistema técnico alrededor de la navegación con agentes ya empezó a considerarlo. Google integró en Lighthouse, dentro de su sección de auditorías de navegación con agentes (agentic browsing), una verificación específica para detectar si un sitio sirve correctamente su archivo llms.txt.
Aunque la auditoría no penaliza la ausencia del archivo (se marca como “No aplicable” si el servidor devuelve un 404), la inclusión de la verificación dentro de la herramienta oficial de Chrome indica que la convención ya forma parte del estándar de evaluación para agentes que navegan en nombre de los usuarios.
El segundo: el costo de implementación es marginal. Un archivo bien construido para un sitio mediano puede generarse en menos de una hora. No requiere infraestructura, no afecta el rendimiento, no interfiere con el SEO clásico, no consume crawl budget y no compromete contenido sensible, porque lo que se incluye lo decide el editor del sitio.
¿Convive con robots.txt y sitemap.xml?
Sí, y sin conflicto. Cada archivo cumple una función distinta. robots.txt regula el acceso de bots automatizados. sitemap.xml lista las URLs indexables para motores de búsqueda. llms.txt ofrece una visión curada y resumida del sitio, optimizada para consumo por modelos de lenguaje. Son capas complementarias, no sustitutas. De hecho, llms.txt puede referenciar el marcado estructurado del sitio para ayudar a los modelos a interpretar correctamente la información.
La verdad de su implementación
La discusión sobre si llms.txt se consolidará como estándar o quedará en una propuesta de adopción minoritaria sigue abierta. Hoy nadie puede garantizar que un asistente de IA específico vaya a leer el archivo cada vez que responda sobre tu marca o tus productos.
Por otro lado, las plataformas que más invierten en agentes navegadores están construyendo infraestructura para consumir contenido estructurado por máquina, y adoptar la convención de forma temprana implica un esfuerzo bajo frente a un beneficio potencial relevante si la adopción crece.
La conclusión razonable no es absoluta: no hay todavía un caso cerrado a favor de llms.txt como factor crítico, pero tampoco existe argumento en contra. Implementarlo no daña el SEO, no requiere recursos significativos y deja al sitio preparado para un escenario plausible en el que la lectura por agentes de IA se vuelva habitual. Dicho de forma directa: no está de más implementarlo.
