Verificador de Visibilidad en IA

Qué comprueba esta herramienta

Cinco señales deciden si un motor de IA puede usar tu página. Están ponderadas según la gravedad con la que cada una rompe la visibilidad: si robots.txt te bloquea, el resto de las señales deja de importar, así que esa pesa más que ninguna.

Todo se lee del HTML en bruto que devuelve tu servidor, que es exactamente lo que ve un rastreador de IA. No se ejecuta JavaScript, porque la mayoría de estos rastreadores tampoco lo ejecuta.

• Acceso de rastreadores de IA (30 pts) — si robots.txt deja entrar a los rastreadores que deciden si apareces en una respuesta. Solo esos restan puntos: bloquear bots de solo entrenamiento como GPTBot es una decisión legítima y aquí no cuesta nada.
• Datos estructurados (20 pts) — JSON-LD válido, que los motores usan para entender y atribuir el contenido.
• Contenido en el HTML en bruto (20 pts) — si tu texto solo aparece tras la hidratación, los rastreadores que omiten JavaScript ven una página vacía.
• Título, descripción y H1 (15 pts) — las cadenas que citan textualmente las respuestas de IA cuando te mencionan.
• Señales de cita (15 pts) — autor, fecha de publicación y subtítulos. Los motores prefieren fuentes que puedan atribuir.

Por qué la visibilidad en IA no es lo mismo que el SEO

Google posiciona páginas; los motores de IA citan pasajes. Esa diferencia cambia lo que importa. Una página puede posicionar bien y no ser citada nunca, porque el motor no encontró un pasaje autocontenido que respondiera a la pregunta.

También cambia quién decide. El SEO clásico es un algoritmo con un índice. Las respuestas de IA vienen de varios motores con rastreadores propios, mecanismos de exclusión propios y ciclos de actualización propios. OpenAI, Anthropic, Google y Perplexity operan el suyo, y cada uno respeta un conjunto distinto de cadenas de user-agent.

La consecuencia práctica: un robots.txt escrito en 2022 para bloquear scrapers, normalmente con un User-agent: * y Disallow: / genérico, hoy excluye a los rastreadores de respuesta que no existían cuando se escribió. Es la causa más común de una visibilidad en IA nula, y se arregla con una línea.

Rastreadores de entrenamiento frente a rastreadores de respuesta

Cada proveedor opera al menos dos user-agents, y la distinción importa más que casi todo lo demás en esta página. Uno recoge datos para entrenar modelos. El otro decide si puedes aparecer en una respuesta.

Bloquear GPTBot no te saca de la búsqueda de ChatGPT. Es el comportamiento que OpenAI documenta: GPTBot rige los datos de entrenamiento, OAI-SearchBot rige la aparición en búsqueda, y bloquear el primero permitiendo el segundo es justo la configuración que OpenAI describe para quien quiere el tráfico pero no el entrenamiento. Google traza la misma línea: Google-Extended cubre el entrenamiento y el grounding de Gemini, y Google afirma que «no afecta a la inclusión de un sitio en la Búsqueda de Google ni se usa como señal de posicionamiento».

Por eso la tabla de resultados de arriba solo cuenta en tu contra los rastreadores de respuesta. Muchos verificadores marcan un GPTBot bloqueado como un fallo de visibilidad en IA. No lo es, y tratarlo como tal te manda a arreglar algo que nunca estuvo roto.

Cómo arreglar los fallos habituales

Si falló el acceso de los rastreadores, abre robots.txt y revisa las reglas Disallow de cada user-agent que aparece en la tabla de resultados. Un bloqueo con comodín (User-agent: * con Disallow: /) bloquea todo salvo que un grupo más específico lo anule.

Si falló el contenido en el HTML en bruto, tu página se renderiza en el cliente. El renderizado en servidor, la generación estática o el prerenderizado lo resuelven. No es una penalización sutil: es la diferencia entre que el rastreador lea 2.000 palabras o ninguna.

Si fallaron los datos estructurados, añade un bloque JSON-LD. Organization más lo que corresponda al tipo de página cubre la mayoría de los casos. Un JSON mal formado es peor que ninguno, porque el bloque entero se descarta en silencio.

Cómo usarla

1. Introduce tu URL — Pega la URL de cualquier página pública. No hace falta registrarse.
2. Ejecuta la comprobación — Descargamos la página y su robots.txt, y puntuamos cinco señales.
3. Corrige lo que falló — Cada comprobación fallida viene con el cambio concreto que hay que hacer.
4. Vuelve a ejecutarla — Despliega el arreglo y comprueba otra vez. Los resultados no se cachean más de cinco minutos.