# Rastreador de IA: qué es y cómo funciona

> Un rastreador de IA es un bot de una empresa de IA que descarga páginas para entrenar modelos, crear un índice de búsqueda o atender peticiones en vivo.

URL: https://yes-seo.com/es/glosario/rastreador-ia

Un **rastreador de IA** es un cliente automatizado, operado por una empresa de inteligencia artificial, que descarga páginas web. Como un [rastreador web](https://yes-seo.com/es/glosario/rastreador-web) de búsqueda clásico, se identifica con una cadena de user-agent y se supone que respeta el archivo robots.txt. Lo que lo distingue es lo que ocurre después con tu contenido, y eso depende de cuál de los tres trabajos haga el bot.

## Tres finalidades, tres decisiones

| Finalidad | Qué hace | Ejemplos |
| --- | --- | --- |
| Entrenamiento | Recopila contenido que puede usarse para entrenar futuros modelos | GPTBot, ClaudeBot, CCBot, Meta-ExternalAgent, Bytespider; tokens de exclusión Google-Extended y Applebot-Extended |
| Indexación para búsqueda | Construye el índice del que cita un producto de búsqueda con IA | OAI-SearchBot (búsqueda de ChatGPT), Claude-SearchBot, PerplexityBot, DuckAssistBot |
| Consulta de usuario | Descarga una página en vivo porque una persona le preguntó al asistente por ella | ChatGPT-User, Claude-User, Perplexity-User |

La división importa porque bloquear un bot de entrenamiento no te saca de la búsqueda con IA, y bloquear un bot de búsqueda puede hacerte invisible en las respuestas de ese producto. Cada proveedor documenta sus bots: [OpenAI](https://platform.openai.com/docs/bots), [Anthropic](https://support.claude.com/en/articles/8896518-does-anthropic-crawl-data-from-the-web-and-how-can-site-owners-block-the-crawler) y [Perplexity](https://docs.perplexity.ai/guides/bots). Ten en cuenta que los bots activados por el usuario se comportan más como un navegador que actúa en nombre de una persona; Perplexity dice que `Perplexity-User` generalmente ignora robots.txt por ese motivo.

## Una política habitual en robots.txt

Muchos editores permiten la búsqueda con IA y las consultas de usuario (por la visibilidad y las visitas de referencia) y se excluyen del entrenamiento:

```
# Permitir la búsqueda con IA y las consultas en vivo
User-agent: OAI-SearchBot
User-agent: ChatGPT-User
User-agent: Claude-SearchBot
User-agent: Claude-User
User-agent: PerplexityBot
Allow: /

# Excluirse del entrenamiento de modelos
User-agent: GPTBot
User-agent: ClaudeBot
User-agent: Google-Extended
User-agent: Applebot-Extended
User-agent: CCBot
Disallow: /
```

Permitir o no el entrenamiento es una decisión de negocio sin una respuesta universal; lo importante es tomarla de forma deliberada, para cada finalidad. Consulta [GPTBot](https://yes-seo.com/es/glosario/gptbot) y [google-Extended](https://yes-seo.com/es/glosario/google-extended) para los dos casos más preguntados.

## Errores habituales

- **Bloquear «toda la IA» con una sola regla** y luego preguntarse por qué ChatGPT o Perplexity nunca citan el sitio.

- **Olvidar el firewall.** La protección contra bots de un CDN y los interruptores de «bloquear bots de IA» pueden devolver un 403 a los rastreadores de IA aunque robots.txt los permita. robots.txt es una petición; el firewall es la verdadera puerta.

- **Fiarse solo del user-agent.** Cualquiera puede falsificar un user-agent. Si autorizas bots en el firewall, verifícalos con los rangos de IP que publican los proveedores.

- **Depender de JavaScript.** Muchos rastreadores de IA descargan el HTML en bruto y no ejecutan scripts, así que el contenido renderizado en el cliente puede ser invisible para ellos.

## Cómo comprobarlo

El [Comprobar bots de IA](https://yes-seo.com/es/comprobador-bots-ia) prueba tu [robots.txt](https://yes-seo.com/es/glosario/robots-txt) frente a más de 25 bots de IA, agrupados por finalidad (búsqueda, consulta de usuario, entrenamiento), y ejecuta una prueba de firewall en vivo que solicita tu página con user-agents reales de IA para detectar los bloqueos 403 que robots.txt no puede revelar. Para ver las reglas paso a paso, consulta [Cómo bloquear rastreadores de IA con robots.txt (lista 2026 y recetas)](https://yes-seo.com/es/blog/bloquear-bots-ia-robots-txt).

## Preguntas frecuentes

### ¿Bloquear los rastreadores de IA perjudica mi posicionamiento en Google?

Bloquear bots específicos de IA como GPTBot, ClaudeBot o el token Google-Extended no afecta al posicionamiento en la Búsqueda de Google. Bloquear al propio Googlebot sí lo haría, así que nunca bloquees a Googlebot para frenar el entrenamiento de IA.

### ¿Qué rastreadores de IA debo permitir?

Si quieres aparecer en las respuestas de IA, permite los bots de búsqueda y de consulta de usuario: OAI-SearchBot, ChatGPT-User, Claude-SearchBot, Claude-User y PerplexityBot. Permitir los bots de entrenamiento es una opción aparte y opcional.

### ¿Los rastreadores de IA respetan robots.txt?

Los principales proveedores dicen que sus rastreadores siguen robots.txt, aunque los bots activados por el usuario, como Perplexity-User, pueden no hacerlo. Al final, el cumplimiento depende de tu firewall, y por eso resulta útil una prueba de acceso en vivo.