Google publica oficialmente página de llms.txt en Chrome Developers (y por qué NO contradice el "llms.txt is myth" anterior)
Mayo 2026: Google publica una página oficial sobre llms.txt en su sitio Chrome Developers. Aparente contradicción con el "llms.txt is myth" de hace meses — pero NO lo es. El frame correcto: llms.txt NO es para search (sigue siendo myth ahí), llms.txt SÍ es para AGENTES vía WebMCP (Google lo reconoce oficialmente). Análisis Citora + qué cambia para PYME B2B + cómo desplegar llms.txt sin invertir tiempo en algo que no afecta visibility AIO.
Google publicó en mayo 2026 una página oficial sobre llms.txt en Chrome Developers, lo que aparentemente contradice el "llms.txt is myth" del documento Google AI Optimization Guide hace meses. El frame correcto NO es contradicción — es desambiguación: llms.txt sigue siendo myth para SEARCH (no afecta AI Overviews ni AI Mode), pero ES legítimo y oficial para AGENTES vía WebMCP. Para PYME B2B la implicación operativa es clara: NO inviertas tiempo en llms.txt esperando aparecer más en respuestas IA — invierte en llms.txt si tu producto tiene componentes que agentes (Gemini Spark, Operator, ChatGPT Agents) deben interactuar programáticamente. Son dos universos distintos.
El movimiento Google — qué dijo exactamente
La página oficial publicada en Chrome Developers (developer.chrome.com) documenta llms.txt como protocolo legítimo para que agentes web (browser-resident o externos) puedan descubrir endpoints, capabilities y permissions de un sitio. La aclaración crítica que el documento explicita:
"llms.txt is intended for AGENTS (browser agents, MCP clients, autonomous task runners). It is NOT used by Google Search, AI Overviews, AI Mode, or generative search features."
Esto reconcilia oficialmente lo que la comunidad SEO técnica venía discutiendo desde febrero 2026: dos usos diferentes para dos audiencias diferentes:
Uso
Audiencia
Google policy
llms.txt para SEARCH (aparecer más en AIO)
Crawlers Google + LLMs respondiendo queries
MYTH (no se usa)
llms.txt para AGENTES (interacción programática)
Browser agents, MCP clients, task runners
OFICIAL (documentado)
El documento Google AI Optimization Guide sigue intacto: para aparecer más en AI Overviews, AI Mode o respuestas IA, llms.txt es irrelevante. Para que tu PYME B2B sea operable por agentes autónomos (Gemini Spark, ChatGPT Agents, Operator), llms.txt es protocolo recomendado.
Qué cambia para PYME B2B con esta aclaración
La línea operativa se vuelve más limpia. Para PYME B2B €1-10M ARR españolas que quieren aparecer mejor en respuestas IA:
NO inviertas tiempo SEO/GEO en llms.txt — no afecta tu Citation Rate. Sigue siendo myth para search. Tu agencia GEO no debería estar facturando "implementación llms.txt" como driver de visibility AI.
SÍ invierte si tu producto es agentificable — si tu PYME B2B tiene API pública, app web, marketplace o cualquier superficie donde un agente autónomo podría completar tareas, despliega llms.txt según el spec Chrome Developers oficial. Coste: 1-2h una vez.
El payoff de llms.txt para agentes es 6-12 meses delante — Gemini Spark acaba de lanzar (mayo 2026, US), ChatGPT Agents está en preview limitado, Operator (Anthropic) es estado experimental. La masa crítica de agentes autónomos haciendo compras B2B llegará Q1-Q3 2027.
El detalle técnico — qué incluye llms.txt para agentes
El spec oficial Chrome Developers define estructura mínima:
capabilities/ — qué puede hacer un agente (read, submit form, complete purchase, modify resource)
auth/ — método de autenticación si el agente actúa en nombre de usuario
policies/ — limitaciones, rate-limits, terms of automated access
schema/ — link a JSON Schema describiendo data shapes
El protocolo es complementario a sitemap.xml (humanos + crawlers) y robots.txt (crawlers control). Tres protocolos para tres audiencias.
El caso 48h que la comunidad debate
Casos observados en mayo 2026 reportan que una página de "AI instructions" desplegada con metadata estructurada y referencia llms.txt aparece citada en respuestas ChatGPT en 48 horas tras publicación. Casos contrastados muestran cero efecto. Análisis Citora cross-fuente sugiere que la causa real NO es llms.txt — es:
Calidad estructural alta (clean HTML + definiciones + listas + comparaciones)
Densidad factual elevada (claims con cifras + sources)
Internal linking entrante desde páginas autoridad propias
Una página con estos 4 elementos puede aparecer citada en 48h sin llms.txt. Una página solo con llms.txt sin los otros 4 elementos NO aparece. Correlación, no causalidad.
Las 3 acciones operativas para PYME B2B esta semana
NO añadas llms.txt a tu site esperando más citas AIO. Es myth para search confirmado por Google.
Audita si tu producto necesita superficie agentificable. SaaS B2B con API pública o flujos completables programáticamente: sí. Servicio profesional sin componente self-serve: no.
Invierte tiempo en lo que SÍ funciona — Schema.org completo + densidad factual + consenso digital + internal linking. Esos sí mueven Citation Rate. Ver nuestra guía completa cómo aparecer en ChatGPT.
Preguntas frecuentes
¿Entonces llms.txt sirve o no sirve?
Depende de para qué. Sirve para AGENTES (browser agents, MCP clients) — Google lo reconoce oficialmente. NO sirve para SEARCH (AI Overviews, AI Mode, respuestas ChatGPT/Perplexity) — sigue siendo myth confirmado por Google AI Optimization Guide.
¿Mi agencia SEO/GEO me debería cobrar por "implementar llms.txt"?
Si te lo vende como driver de visibility AI / Citation Rate / aparecer en ChatGPT: NO, es myth. Si te lo vende como preparación para agentes autónomos (caso técnico legítimo): puede tener sentido si tu producto es agentificable. Coste justo: 1-2h una vez, no recurrente.
¿Cuándo va a importar de verdad el llms.txt para agentes?
Estimación cross-fuente Citora: Q1-Q3 2027. Gemini Spark lanzó mayo 2026 en US. ChatGPT Agents en preview limitado. Operator (Anthropic) experimental. La masa crítica de agentes haciendo compras B2B automatizadas llegará cuando estos productos salgan de preview + tengan adopción >5% empresas con presupuesto IA.
¿Cómo distingo si mi PYME B2B necesita llms.txt para agentes?
3 preguntas: (1) ¿tienes API pública o componente self-serve? (2) ¿un agente autónomo podría completar una transacción/conversión sin intervención humana en tu site? (3) ¿tienes algún flujo donde delegar a un agente añadiría valor? Si respondes "sí" a 2 de las 3, llms.txt para agentes tiene sentido.
¿Schema.org sigue siendo importante?
Sí, MUCHO más que llms.txt para visibility AI. Schema.org (Article, FAQPage, Organization, Product) sigue siendo de los factores estructurales con más peso en Citation Rate de respuestas IA. Ver nuestra guía paso a paso de Schema JSON-LD.
¿Cómo me preparo para la era de agentes autónomos?
3 capas: (1) Schema.org completo + Open Graph + Twitter Cards (legible por crawlers + agentes), (2) API REST documentada con OpenAPI 3.0 si tu producto es agentificable, (3) llms.txt para agentes según spec Chrome Developers oficial. Coste total: 4-8h técnico. ROI esperado: 12-18 meses delante.
Siguiente paso
Si tu agencia GEO te está facturando "implementación llms.txt" como driver de visibility AI, tienes derecho a pedir explicación. El audit gratuito de Citora mide tu Citation Rate cross-4-motores + identifica qué inversiones técnicas SÍ mueven la aguja. 2 minutos.
Microsoft publicó en mayo 2026 una guía oficial titulada "How To Get Traffic From ChatGPT" — primera vez que una de las big tech detrás de un motor IA documenta públicamente cómo optimizar para aparecer en sus respuestas. Análisis Citora del documento + 6 acciones concretas para PYME B2B española.
Google expandió Preferred Sources en mayo 2026 de solo medios news a CUALQUIER web (B2B incluido). 345.000 sources registradas + integración con AI Overviews y AI Mode. Cómo añadir tu PYME B2B al programa en 5 minutos y por qué es la palanca AIO más concreta de 2026.
Insight técnico GEO mayo 2026: Claude usa Brave Search como backend para web search, NO Google. Implicación operativa para PYME B2B: optimizar para Brave Search es la palanca específica para visibilidad en Claude — y nadie lo está haciendo. Cómo aprovechar la asimetría competitiva.