¿ChatGPT puede leer tu web? Cuatro comprobaciones que lo deciden

"Leer tu web" significa cuatro cosas distintas

Cuando alguien pregunta si ChatGPT puede leer su web, normalmente quiere decir una sola cosa: si el bot está bloqueado. Esa es la primera comprobación, no la pregunta entera.

Hay cuatro puertas, y una página tiene que pasarlas todas antes de que un asistente pueda nombrarte en una respuesta. El rastreador tiene que descargar la página. El contenido tiene que existir en lo que llega. El modelo tiene que poder saber de qué va. Y tiene que haber algo en lo que apoyarse para describir tu negocio con precisión.

Esto importa porque los cuatro fallos se ven idénticos desde tu lado. No salta ningún error, no aparece nada en tus analíticas y no cae ninguna posición. El tráfico desde asistentes simplemente no arranca nunca. Así que hay que ir a mirar.

Comprobación 1: ¿puede descargarte el rastreador?

Abre tudominio.com/robots.txt y léelo. Busca grupos que nombren a los agentes de OpenAI, que son GPTBot, OAI-SearchBot y ChatGPT-User. Hacen trabajos distintos: uno alimenta y fundamenta el modelo, otro sirve resultados de búsqueda dentro de ChatGPT, y otro descarga una página porque alguien acaba de preguntar por ella.

Aquí está lo que pilla a casi todo el mundo. Los rastreadores siguen una regla de precedencia según la cual el bot obedece al grupo que lo nombra específicamente y solo cae al comodín User-agent: * cuando no existe un grupo con su nombre. Un comodín generoso no anula un grupo restrictivo con nombre propio. Así es exactamente como una web acaba pareciendo abierta de par en par mientras bloquea a OpenAI del todo.

Leer eso bien en una docena de agentes es tedioso, y por eso hicimos una herramienta que lo hace. El verificador de acceso para IA descarga tu robots.txt, aplica las reglas reales de precedencia e informa permitido o bloqueado bot por bot.

Comprobación 2: ¿existe tu contenido sin JavaScript?

Googlebot renderiza JavaScript. La mayoría de rastreadores de IA descargan el HTML y trabajan con lo que reciben.

Esa diferencia es invisible hasta que te cuesta dinero. Si tus precios, descripciones de producto o textos de servicio los inyecta un script después de cargar, el rastreador puede recibir un armazón con el menú y poco más. La página se ve perfecta para ti y casi vacía para el modelo.

La prueba de dos segundos: botón derecho y ver código fuente, no inspeccionar elemento. Inspeccionar te enseña la página después de que corriera el JavaScript. Ver código fuente te enseña aproximadamente lo que recibió el rastreador. Busca ahí una frase que sepas que está en la página. Si no aparece, el asistente tampoco la está leyendo.

Comprobación 3: ¿puede el modelo saber de qué va la página?

Los asistentes citan pasajes, no páginas. Así que una página puede ser descargable y renderizar perfecta y aun así no servirle de nada.

Lo que hace citable a un pasaje es que se sostenga solo. Si un párrafo solo se entiende después de los dos anteriores, el modelo no puede levantarlo a una respuesta sin arrastrar contexto, así que busca una fuente donde alguien escribió la respuesta completa en un bloque. Tu título y tu meta descripción hacen lo mismo a nivel de página: deberían decir sin rodeos quién eres y qué cubre esa página, no insinuarlo.

Aquí también pierden muchas webs por lo demás sólidas. La redacción es buena y la estructura es un montón de encabezados que no corresponden a preguntas que alguien haga.

Comprobación 4: ¿hay algo en lo que apoyarse?

La última puerta es si el modelo puede describir tu negocio con precisión una vez ha decidido mencionarte.

Dos cosas cargan con esto. El schema en JSON-LD nombra tus entidades de forma explícita: esto es una Organization, esto es un Service, estas son preguntas frecuentes con respuestas reales. Sin eso el modelo deduce tu negocio del texto corrido, y ahí es donde se equivoca con tu nombre, tu ciudad o lo que vendes. Un archivo llms.txt es un resumen en texto plano en la raíz de tu dominio, con tus palabras, que el rastreador puede pedir en el momento de responder.

Ninguna de las dos hace que un asistente te visite. Las dos hacen que acierte contigo cuando lo hace. Si todavía no tienes llms.txt, nuestro generador lo crea en tu navegador en unos minutos.

Arréglalas en este orden

Si fallan varias, el orden no es negociable, porque las puertas de antes vuelven irrelevantes a las de después.

Reescribir tus páginas de servicio mientras GPTBot sigue bloqueado es el trabajo desperdiciado que más vemos. Las páginas mejoran y no cambia absolutamente nada, porque el rastreador sigue sin llegar.

La forma rápida de comprobar las cuatro

Hacerlo a mano se lleva una tarde. Nuestro verificador de visibilidad en IA puntúa una web de 0 a 100 en nueve señales concretas que cubren las cuatro puertas: acceso de rastreo, datos estructurados, llms.txt, título y meta, estructura de encabezados, canonical y HTTPS, sitemap, y señales de entidad y contacto.

Es gratis, no pide registro y devuelve las carencias concretas en vez de una nota. Es además la misma auditoría con la que abrimos un proyecto de SEO para IA, que es la razón honesta de que exista: sale mejor enseñarte las carencias que describírtelas.