Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarHabr AI→ original

Los bots de ChatGPT y Claude no ven el 40% del texto en una de cada ocho páginas con precios

Un sitio describe el producto con detalle, pero ChatGPT responde con frases genéricas: los bots de ChatGPT y Claude descargan el JavaScript, pero no lo ejecutan, así que el texto que la página completa en el navegador nunca llega a ellos. La empresa Profound revisó 77 páginas con precios: en 10 de ellas, es decir, en una de cada ocho, los bots no veían al menos el 40% del texto principal. Por eso conviene mantener el nombre, el precio y el público objetivo en el HTML original, no en los scripts.

Procesado por IA desde Habr AI; editado por Hamidun News
Los bots de ChatGPT y Claude no ven el 40% del texto en una de cada ocho páginas con precios
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Anthropicuna aclaración en el fragmento redujo las búsquedas fallidas del 5,7% al 2,9%
Ahrefscinco sistemas de IA ignoran JSON-LD, Microdata y RDFa
Dato clave #3Sin una página de precios, la IA citaba entre $100 y $2 400 por usuario

La descripción del producto en el sitio ocupa tres pantallas, todo está explicado con detalle, pero ChatGPT, GigaChat o Alice AI responden sobre él con frases genéricas o lo confunden con un competidor. Una de las causas es técnica: los bots de ChatGPT y Claude descargan los archivos JavaScript (el código que completa la página en el navegador del visitante), pero no los ejecutan. Si los precios o la descripción los dibuja un script, el bot ve un espacio vacío.

La empresa Profound revisó 77 páginas públicas con precios: en 10 de ellas, es decir, aproximadamente en una de cada ocho, los bots no veían al menos el 40% del texto principal. La página podía estar escrita de cualquier manera; para la IA, esa parte simplemente no existe. La segunda causa es que la red neuronal no lee el sitio entero, sino varios fragmentos encontrados.

La conclusión práctica: los datos clave del producto deben estar en el HTML original y repetirse en cada párrafo con sentido propio.

Qué lee realmente la red neuronal

La red neuronal no descarga el sitio completo. Recibe varios fragmentos encontrados y, si en ellos no hay texto directo sobre qué es el producto y para quién está destinado, los detalles de otras páginas no le servirán.

Las fuentes varían según el servicio. ChatGPT tiene sus propios bots. Según la documentación de OpenAI, la búsqueda la gestiona OAI-SearchBot: a través de él los sitios llegan a los resultados. GPTBot recopila datos para el entrenamiento y no está vinculado a la búsqueda, y ChatGPT-User abre una página cuando el usuario hace una pregunta. Sus configuraciones en robots.txt son independientes. Alice AI no recorre los sitios por sí misma: divide la pregunta en subpreguntas, las envía al Buscador de Yandex y se apoya en las páginas con mejor posicionamiento. Para ella, una página con un posicionamiento bajo casi no tiene opciones de convertirse en fuente.

Los bots no ven el texto de los scripts

Un estudio de Vercel y MERJ, publicado en diciembre de 2024, mostró que los bots de ChatGPT y Claude obtienen el HTML (el código fuente de la página antes de ejecutar los scripts) y los archivos JavaScript, pero no ejecutan los scripts. Los archivos JavaScript representaban el 11,50% de las solicitudes del rastreador de ChatGPT y el 23,84% de las de Claude. El bot los descarga, pero para él solo es texto de un programa. Si la descripción del producto se carga mediante un script, no está en el HTML original y, por tanto, el bot tampoco la ve.

Profound midió la magnitud del problema: en 10 de 77 páginas con precios, el bot no veía al menos el 40% del texto. En el propio sitio de Profound, los precios también los dibujaba un script, y los rastreadores de IA no los detectaban. Lo que resolvió el problema fue migrar al renderizado en el servidor (SSR): la página la ensambla el servidor y el bot recibe el texto ya terminado.

Si no existe ninguna página de precios, la red neuronal toma las cifras de terceros. En uno de los productos del estudio, las respuestas de la IA citaban precios de entre unos $100 y $2 400 por usuario al mes, a menudo basándose en debates de Reddit. Una diferencia de 24 veces para el mismo producto: el comprador no puede apoyarse en una respuesta así.

El marcado de Schema.org tampoco basta. Ahrefs comprobó ChatGPT, Claude, Perplexity, Gemini y Google AI Mode: los cinco, al leer en tiempo real, tomaban solo el HTML visible e ignoraban JSON-LD, Microdata y RDFa. En 1 885 páginas que añadieron JSON-LD entre agosto de 2025 y marzo de 2026, las citas en AI Mode y ChatGPT no aumentaron, y en AI Overviews disminuyeron un 4,6%, aunque los autores no pueden atribuir esto con seguridad al marcado. El marcado puede mantenerse, pero no debe ser la única copia de un dato.

Cada párrafo debe nombrar el producto

Incluso el texto visible la red neuronal lo toma en fragmentos. Anthropic lo ilustra con un ejemplo: el fragmento «los ingresos crecieron un 3% en el trimestre» no nombra ni la empresa ni el periodo. Si antes de indexar se añade a cada fragmento una aclaración de entre 50 y 100 tokens, la búsqueda falla casi la mitad de las veces: 2,9% de búsquedas fallidas frente al 5,7%. Un sitio no puede añadir una aclaración a un párrafo que un sistema ajeno ha recortado, pero sí puede incluir el nombre del producto en cada párrafo con sentido propio.

Compárese: «Una solución que ayuda a crecer y ahorrar tiempo» encaja con mil productos. «Kassir es una caja registradora en la nube para tiendas online pequeñas: cobra el pago, imprime el recibo y lo envía al comprador» nombra el producto, el público y la tarea incluso si se extrae aislado.

Seis comprobaciones

  1. Abra robots.txt y busque el bloque de OAI-SearchBot. La línea Disallow: / cierra el sitio a la búsqueda de ChatGPT. Si no hay un bloque propio, se aplican las reglas de User-agent: *.
  2. Obtenga la página sin JavaScript (el código fuente o curl con grep) y busque el nombre, el precio y el público. Cero coincidencias significa que el texto lo dibuja un script. Haga lo mismo con las pestañas y los carruseles, y duplique en texto los datos de PDF e imágenes.
  3. Si el texto no está en el HTML, pase al renderizado en el servidor o a la prerrenderización.
  4. Compare el JSON-LD con el texto visible: cada valor debe aparecer también en la página.
  5. Lea cada párrafo sobre el producto por separado, sin el título. Si no queda claro qué es el producto y para quién está destinado, añada la información.
  6. Pregunte a ChatGPT, GigaChat, Alice AI y Perplexity sobre el producto y compare las respuestas con el sitio. Si una respuesta es incorrecta, abra las fuentes y localice la página ajena con el error.

Conviene empezar por el punto 2: mientras el texto no esté en el HTML original, reescribir los párrafos es prematuro. Después viene el punto 5.

Limitaciones

Los datos son incompletos. El estudio de Vercel y MERJ es de 2024, los bots pudieron cambiar y se desconoce si GigaChat y Perplexity ejecutan scripts. Profound recopiló respuestas entre el 29 de julio y el 10 de agosto de 2026 y solo sobre precios, y Ahrefs midió la frecuencia de citas, pero no la precisión de la reformulación. El texto en el HTML y los nombres de producto en los párrafos no garantizan una respuesta correcta de la red neuronal, pero sin ellos, la IA tendrá que armar el producto con frases genéricas y páginas ajenas.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué lee realmente la red neuronal?

La red neuronal no descarga el sitio completo. Recibe varios fragmentos encontrados y, si en ellos no hay texto directo sobre qué es el producto y para quién está destinado, los detalles de otras páginas no le servirán. Las fuentes varían según el servicio. ChatGPT tiene sus propios bots. Según la documentación de OpenAI, la búsqueda la gestiona OAI-SearchBot: a través de él los sitios llegan a los resultados.

¿Qué se sabe sobre Los bots no ven el texto de los scripts?

Un estudio de Vercel y MERJ, publicado en diciembre de 2024, mostró que los bots de ChatGPT y Claude obtienen el HTML (el código fuente de la página antes de ejecutar los scripts) y los archivos JavaScript, pero no ejecutan los scripts. Los archivos JavaScript representaban el 11,50% de las solicitudes del rastreador de ChatGPT y el 23,84% de las de Claude. El bot los descarga, pero para él solo es texto de un programa.

¿Qué se sabe sobre Cada párrafo debe nombrar el producto?

Incluso el texto visible la red neuronal lo toma en fragmentos. Anthropic lo ilustra con un ejemplo: el fragmento «los ingresos crecieron un 3% en el trimestre» no nombra ni la empresa ni el periodo. Si antes de indexar se añade a cada fragmento una aclaración de entre 50 y 100 tokens, la búsqueda falla casi la mitad de las veces: 2,9% de búsquedas fallidas frente al 5,7%.

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.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…