En vivo 18.11 · Cohorte 318 nov, 19:00 MSK — taller práctico gratuito de agentes IA · Cohorte 3 en vivo inicia 23.11Taller 18 nov →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarHabr AI→ original

El resumen de IA casi no muestra los sitios de las propias empresas en el 94% de las selecciones B2B

El sitio de un contratista está en el top 10 de Google, pero cuando alguien pregunta a ChatGPT «quién puede hacer esto en mi ciudad», el modelo cita directorios, no a ese contratista. En 200 consultas B2B, el resumen de IA se abrió en 94 de 100 selecciones, y los sitios de las empresas casi no entraron en la lista. El modelo contrasta la empresa por su número fiscal en registros externos y no se fía de su autodescripción. Por eso hace falta una ficha en un registro externo que enlace al sitio.

Procesado por IA desde Habr AI; editado por Hamidun News
El resumen de IA casi no muestra los sitios de las propias empresas en el 94% de las selecciones B2B
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Dato clave #1El modelo toma el UNP de 9 dígitos de la página y verifica la persona jurídica con una consulta aparte
Dato clave #2llms.txt se abrió 14 veces de 773 704 accesos al directorio en 30 días
Dato clave #3GPTBot hizo 383 898 solicitudes; PerplexityBot, 308 764

El problema es que el sitio de una empresa puede estar bien posicionado en el top 10 de la búsqueda tradicional y, aun así, la red neuronal no lo nombra. Imagine que un cliente pregunta a ChatGPT, a Perplexity o al resumen de IA de Google «quién puede hacer esto en mi ciudad». En lugar de los propios proveedores, el modelo devuelve una selección de directorios y catálogos externos.

El autor de un análisis publicado en Habr lanzó 200 consultas B2B reales, es decir, preguntas para buscar contratistas. En 94 de 100 selecciones sectoriales el resumen de IA sí se abrió, pero los sitios corporativos casi no aparecieron en él. El titular sobre «el 94% de las respuestas» se lee con más precisión así: en 94 de 100 selecciones, los sitios de las propias empresas casi no entraron en la lista.

Si usted es responsable del sitio web o del marketing, esto indica qué datos de la empresa conviene publicar fuera de su propio dominio.

Cómo verifica el modelo a un contratista

Después, el autor analizó manualmente cómo se comportan los modelos Gemini 3 Flash y gpt-5-mini con búsqueda web (ejecuciones del 31 de octubre y el 1 de noviembre de 2026). El esquema resultó similar en ambos:

  • primero buscan por el nombre de la empresa, la ciudad y la transliteración latina;
  • luego el modelo extrae de la página el número fiscal de 9 dígitos (UNP) y lanza una consulta aparte solo con esas cifras;
  • después comprueba si la persona jurídica existe y si sus servicios coinciden con la descripción del sitio.

La lógica es sencilla: para el modelo, el texto del propio dominio sigue siendo autopromoción. Ni «veinte años de experiencia» ni ningún precio quedan confirmados por ese texto. Si la búsqueda no ofrece una confirmación independiente por UNP, el modelo descarta el sitio o toma los datos de ficheros antiguos. Allí suelen quedar teléfonos obsoletos y códigos de actividad difusos, como «comercio mayorista de una amplia gama de productos».

Por qué llms.txt no ayuda y los bots leen JSON y Markdown

El 15 de junio de 2026, la guía de Google Search dejó escrito de forma explícita que llms.txt no se usa ni en el ranking ni en las vistas generales de IA. Los registros de un directorio abierto de 30 900 fichas lo confirman. En 30 días se registraron 773 704 accesos. De ellos, 705 323 están verificados por IP oficiales y DNS inverso, es decir, son bots reales y no tráfico que se hace pasar por ellos.

La distribución es la siguiente: selecciones sectoriales, 616 242 accesos; fichas en JSON, 38 139; fichas en Markdown, 20 110. Los archivos /llms.txt y /llms-full.txt se abrieron solo 14 veces. Según el registro diario del 16 de noviembre, clientes externos hicieron 7 087 solicitudes a la API REST abierta: filtraban empresas por ciudad, tipo de servicio y presencia de sitio web.

Por bots: GPTBot, 383 898 solicitudes; PerplexityBot, 308 764; ClaudeBot, 40 614. Entre los buscadores clásicos: YandexBot, 5 534; Applebot, 2 587; Googlebot, 1 956; bingbot, 975. Las consultas de usuarios en tiempo real son bastante más modestas: ChatGPT-User, 82; OAI-SearchBot, 48. El autor señala que los directorios antiguos suelen devolver errores 403 o 429 a los parsers, carecen de Markdown limpio y están saturados de publicidad. Los datos limpios y legibles por máquina ganan simplemente porque son cómodos de recoger.

El «pasaporte digital» de la empresa y las salvedades

Según las conclusiones del autor, no basta con optimizar la landing. Hace falta una ficha externa en un registro neutral que cumpla cuatro requisitos:

  1. Vinculación al registro estatal (UNP o INN): el estado de la persona jurídica, la fecha de registro y la región se obtienen de bases oficiales y no se pueden corregir a mano.
  2. Servicios concretos y geografía en lugar de códigos genéricos OKED, además de referencias de precios y respuestas a preguntas frecuentes.
  3. Entrega sin envoltorios: una sola ficha en HTML de servidor, Markdown, JSON y marcado Schema.org con el campo taxID.
  4. Vínculo bidireccional con el sitio: la declaración del director no basta; hace falta un enlace desde el sitio a la ficha o la propiedad sameAs en el marcado Organization.

El autor lo relaciona con la fusión de Google AI Overviews y AI Mode (19 de mayo de 2026) y con el desarrollo de la especificación WebMCP en el W3C: los agentes de navegador leen cada vez más datos estructurados en lugar de analizar el maquetado.

Hay también salvedades. Los datos proceden del propio directorio del autor, así que tiene un interés comercial y el texto por momentos se lee como una presentación de producto. La muestra es pequeña (200 consultas), y el tráfico de bots al directorio aún no demuestra que el modelo vaya a citar después a una empresa concreta.

La conclusión práctica es útil con independencia del directorio. Compruebe que su UNP o INN sea fácil de encontrar en el sitio y coincida con los datos de los registros. Asegúrese de que existan páginas independientes sobre la empresa con servicios y teléfonos actualizados. Añada el marcado Organization con sameAs y taxID. Y no cuente con llms.txt: con estos datos, casi nadie lo lee.

Historia

Preguntas frecuentes sobre la noticia

Cómo verifica el modelo a un contratista?

Después, el autor analizó manualmente cómo se comportan los modelos Gemini 3 Flash y gpt-5-mini con búsqueda web (ejecuciones del 31 de octubre y el 1 de noviembre de 2026). El esquema resultó similar en ambos: primero buscan por el nombre de la empresa, la ciudad y la transliteración latina; luego el modelo extrae de la página el número fiscal de 9 dígitos (UNP) y lanza una consulta aparte solo con esas cifras; después comprueba si la persona jurídica existe y si sus servicios coinciden con la…

¿Qué se sabe sobre Por qué llms.txt no ayuda y los bots leen JSON y Markdown?

El 15 de junio de 2026, la guía de Google Search dejó escrito de forma explícita que llms.txt no se usa ni en el ranking ni en las vistas generales de IA. Los registros de un directorio abierto de 30 900 fichas lo confirman. En 30 días se registraron 773 704 accesos. De ellos, 705 323 están verificados por IP oficiales y DNS inverso, es decir, son bots reales y no tráfico que se hace pasar por ellos.

¿Qué se sabe sobre El «pasaporte digital» de la empresa y las salvedades?

Según las conclusiones del autor, no basta con optimizar la landing. Hace falta una ficha externa en un registro neutral que cumpla cuatro requisitos: Vinculación al registro estatal (UNP o INN): el estado de la persona jurídica, la fecha de registro y la región se obtienen de bases oficiales y no se pueden corregir a mano. Servicios concretos y geografía en lugar de códigos genéricos OKED, además de referencias de precios y respuestas a preguntas frecuentes.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
¿Qué te parece?
Cargando comentarios…