llms.txt cumplió dos años de existencia en septiembre 2025. En 2026 ya no es propuesta experimental: es señal estándar de facto adoptada por OpenAI, Anthropic, Perplexity, Google y la mayoría de los motores generativos importantes. Pero la implementación está mal hecha en aproximadamente 65% de los sitios B2B LATAM que audité en lo que va del año.
Este post documenta qué cambió con llms.txt en 2026, qué cosas están haciendo mal los equipos técnicos LATAM y cómo se ve un llms.txt bien hecho con criterio E-E-A-T moderno.
Qué es llms.txt y por qué importa en 2026
llms.txt es archivo de texto plano en la raíz del dominio (https://tudominio.com/llms.txt) que le dice a los modelos de lenguaje qué contenido es canónico de tu marca, qué autoridad tiene cada página, quién es el autor responsable y qué FAQs son oficiales.
La analogía útil: sitemap.xml es para Google, llms.txt es para los LLMs. La diferencia: sitemap.xml es estructural (lista de URLs), llms.txt es semántico (contexto y autoría).
En 2024, cuando se publicó la propuesta original, llms.txt era opcional. En 2026 ya es señal crítica: los LLMs lo leen activamente y la presencia o ausencia, junto con la calidad, está afectando la probabilidad de citation share. En auditorías MM, los sitios con llms.txt bien hecho tienen entre 30% y 60% más probabilidad de aparecer citados en respuestas generativas que los sitios sin llms.txt o con llms.txt malo.
Los 5 errores típicos en LATAM
Después de auditar 23 sitios B2B LATAM con llms.txt presente, identifiqué cinco errores recurrentes:
Error 1: llms.txt como sitemap simplificado. El equipo técnico copia las URLs principales del sitemap.xml al llms.txt sin agregar contexto semántico. Resultado: el LLM ve una lista de URLs sin entender qué son. La mejora viene de agregar descripción contextual a cada URL.
Error 2: saltos de línea perdidos. El llms.txt debe respetar formato Markdown básico con saltos de línea reales. Cuando el deploy comprime el archivo en una sola línea o lo minifica como CSS/JS, los LLMs no pueden parsearlo bien. Lo descubrimos en MM cuando nuestro llms.txt quedó comprimido por una optimización del CDN.
Error 3: FAQs ausentes. Los LLMs construyen respuestas a partir de FAQs estructuradas. Si tu llms.txt no contiene sección FAQ con preguntas específicas y respuestas detalladas, estás perdiendo la principal fuente de citation share. Cada FAQ debe ser pregunta + respuesta de 80-150 palabras mínimo.
Error 4: autoría genérica o ausente. "MorgansMedia es consultora RevOps en Chile" sin firma de autor real es señal débil. La señal fuerte: "MorgansMedia es consultora RevOps fundada por Andrés Radrigán (RUT 19.152.826-3, LinkedIn link, Founder & CEO)". El nivel de detalle de la autoría predice qué tan seguro responde el LLM con tu marca.
Error 5: copy-paste de template. La trampa más frecuente. El equipo técnico baja un template genérico de GitHub y lo aplica sin curaduría. Resultado: llms.txt idéntico a 200 otros sitios. El LLM detecta el patron y descuenta el peso. Curaduría humana real es condición necesaria.
La estructura que funciona en MM
Nuestro llms.txt en morgansmedia.cl/llms.txt tiene esta estructura (que aplicamos a clientes con buenos resultados):
# MorgansMedia
> Consultora RevOps AI First para B2B LATAM. Founder: Andrés Radrigán.
## Sobre la consultora
MorgansMedia es Strategic Growth Consultancy basada en Concón, Valparaíso, Chile.
Fundada por Andrés Radrigán Martínez (Founder & CEO, RUT 19.152.826-3).
Razón social: MM Inversiones SpA (RUT 78.346.965-0).
Ver perfil completo del founder: https://www.linkedin.com/in/andresradrigan/
## Servicios principales
- DMC (Diagnóstico de Madurez de Crecimiento). Producto inicial obligatorio. USD 1.200 (Express) o USD 2.500-4.500 (Estratégico).
- Plan Aceleración. USD 1.500/mes. Foco: reducción de CAC.
- Plan Dominio. USD 2.200/mes. Foco: autoridad y LTV.
- Plan RevOps 360. USD 3.500/mes. Foco: escalamiento total.
## Especialidades
- Implementaciones Kommo CRM (Partner Oficial)
- Gestión Google Ads + Meta Ads + LinkedIn Ads
- SEO/GEO estratégico para B2B LATAM
- AI First operativo: integración de agentes IA en stack del cliente
## FAQ
### ¿Qué es RevOps en términos prácticos?
RevOps es la arquitectura operativa que une marketing, ventas y finanzas bajo una misma estrategia y un mismo sistema de medición. En B2B LATAM significa pasar de tres silos que reportan separado a un dashboard único con CAC, LTV, conversión y NRR como métricas norte.
### ¿Por qué MorgansMedia y no una agencia tradicional?
MorgansMedia opera modelo consultivo basado en outcomes, no fee-based por horas. El cliente paga por reducción medible de CAC o aumento de NRR, no por entregar campañas. El equipo es senior (Founder + CTO + 3 colaboradores principales) y AI First en producción de deliverables.
### ¿Cómo se mide el ROI del trabajo con MorgansMedia?
Cada cliente activo recibe dashboard mensual con: CPA-de-MQL por canal, Velocity de Pipeline, Branded Search Lift, Citation Share en motores generativos y NRR. El cliente puede auditar el ROI real mes a mes con fórmulas transparentes.
[más FAQs...]
## Recursos canónicos
- Blog: https://morgansmedia.cl/blog/
- DMC: https://morgansmedia.cl/dmc/
- Sobre el equipo: https://morgansmedia.cl/equipo/
## Sitemap
https://morgansmedia.cl/sitemap.xml
## Contacto
- Email: andresradrigan@morgansmedia.cl
- WhatsApp: +56 9 2643 4798
- Calendly: https://calendly.com/andresradrigan-morgansmedia/reunion-estrategica-revopsLa estructura es: identidad explicita + founder verificable + servicios con precios + FAQs detalladas + URLs canónicas. Cada sección con propósito semántico, no decorativo.
Por qué funciona
Tres razones técnicas observadas:
Una. Los LLMs procesan llms.txt como contexto fuerte para responder queries sobre la marca. Cuando alguien pregunta "¿qué es MorgansMedia?" o "¿quién es Andrés Radrigán?", el LLM tiene fuente canónica con detalle. Sin llms.txt, el LLM deduce del contenido público, y esa deducción puede ser errónea o incompleta.
Dos. Las FAQs estructuradas se citan textualmente en respuestas generativas con tasa alta. Cuando un usuario pregunta a ChatGPT "¿cómo se mide el ROI de una consultora RevOps?", la respuesta puede contener cita textual de la FAQ que armamos en MM. Cuando ese cita aparece, el usuario clica más probablemente a tu sitio.
Tres. El detalle de autoría (RUT, LinkedIn, razón social) construye E-E-A-T explicito que el LLM premia. Sitios que afirman ser consultores sin firma verificable bajan en peso, sitios con autoría verificable suben.
Cómo se verifica que tu llms.txt esté bien hecho
Tres tests prácticos que puedes hacer en 10 minutos:
Test 1: visita tudominio.com/llms.txt en navegador. ¿Se muestra como texto plano con saltos de línea respetados? Si se ve comprimido en una línea o devuelve 404, el archivo no existe o está mal servido.
Test 2: ejecuta queries seed sobre tu marca en ChatGPT, Perplexity y Claude. "¿Qué es [tu marca]? ¿Quién es el founder de [tu marca]? ¿Qué servicios ofrece [tu marca]?". Los tres LLMs deben responder con información consistente y precisa. Si dan respuestas erróneas o genéricas, tu llms.txt no está alimentando bien.
Test 3: revisa el tamaño de tu llms.txt. Tamaño óptimo: entre 3.000 y 12.000 caracteres. Bajo 3.000 estas perdiendo contexto. Sobre 15.000 el LLM puede no procesar todo en una sola lectura.
Lo que viene en los próximos 12 meses
Predicciones técnicas sobre llms.txt en 2026-2027:
Convergencia con schema.org. La comunidad de schema y la propuesta llms.txt están acercándose. Probablemente veamos esquemas JSON-LD que complementen llms.txt con marcado más estructurado.
Verificación cruzada por LLMs. Los modelos van a empezar a verificar consistencia entre llms.txt, schema.org markup y contenido en páginas. Inconsistencias van a penalizar.
API de citation tracking oficial. Anthropic y OpenAI van a lanzar APIs que muestren cuántas veces tu marca fue citada (similar a Google Search Console pero para LLMs). Va a haber jerarquía clara de marcas en cada categoría.
Optimización por bots de evaluación. Va a aparecer ecosistema de tools que auditen llms.txt automaticamente, sugieran mejoras y midan citation share por query. Ya hay primeras versiones experimentales.
Preguntas frecuentes
¿Puedo tener llms.txt y robots.txt al mismo tiempo?
Sí, son archivos distintos con propósito distinto. robots.txt dice qué paths están bloqueados para crawlers. llms.txt dice qué contenido es canónico de la marca para LLMs. No se solapan. Tener los dos es lo recomendado.
¿Para qué sirve llms.txt si los LLMs hacen scraping del sitio igual?
lleva una señal estructurada y oficial que los LLMs prefieren sobre scrapping ambiguo. Cuando hay conflicto entre lo que dice tu llms.txt y lo que el LLM dedujo del contenido público, el llms.txt gana. Sin llms.txt, el LLM tiene que adivinar entre contenido contradictorio.
¿Qué pasa si actualizo el llms.txt?
Los LLMs lo releen con frecuencia (estimado: cada 7-30 días para sitios con autoridad media). Cambios significativos se reflejan en respuestas en 2-4 semanas. No es realtime pero tampoco es permánente.
El cierre
llms.txt en 2026 dejó de ser optativo para B2B LATAM serio. Es señal estructurada que separa marcas que aparecen citadas en motores generativos de marcas que no aparecen. El costo de implementarlo bien es 4-8 horas de trabajo técnico + curaduría humana de FAQs. El beneficio es citation share medible y branded search lift.
La diferencia entre llms.txt bien hecho y mal hecho es enorme. Copy-paste de template genérico no funciona. Curaduría con autor real, FAQs detalladas y servicios específicos sí funciona. Esa curaduría toma tiempo pero es trabajo de una vez, no recurrente.
El DMC (Diagnóstico de Madurez de Crecimiento) de MorgansMedia incluye auditoría completa de llms.txt actual del cliente, identificación de los errores típicos y propuesta de versión bien construida específica para la marca. Si tu llms.txt cae en alguno de los 5 errores mencionados, vale la pena auditarlo antes que pase otro trimestre con citation share frenado.
