Bloquear los rastreadores de IA en robots.txt protege tu tienda Shopify o la oculta?
En algún momento del historial de tu tienda, alguien pudo pegar una lista de nombres de rastreadores de IA en robots.txt.liquid. Quizás fue un desarrollador tras una noticia sobre datos de entrenamiento, o una lista de verificación de una agencia durante la migración de un tema. Si nadie anotó por qué, ese archivo toma una decisión en su nombre todos los días.
La respuesta corta es que bloquear un rastreador de entrenamiento y bloquear un rastreador de búsqueda son dos decisiones distintas, y muchos sitios toman la segunda sin pretenderlo. Este artículo le ofrece una forma de leer lo que dice su archivo hoy, decidir bot por bot y registrar la elección para que la siguiente persona no tenga que adivinar.
¿Qué permite hoy su robots.txt?
Abra yourstore.com/robots.txt en un navegador y léalo de principio a fin. Busque agentes de usuario de IA mencionados por nombre, un grupo "User-agent: *" seguido de "Disallow: /", y cualquier regla que afecte a políticas, productos o colecciones. Luego revise la configuración de su CDN o cortafuegos, porque robots.txt no puede mostrarle un bloqueo aplicado allí.
En una configuración predeterminada de Shopify, el archivo suele estar abierto a los rastreadores de IA. Un artículo de Craftshift (6 de mayo de 2026) indica que las reglas predeterminadas cubren rutas como admin, carrito, checkout y resultados de búsqueda, y no bloquean GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot ni Claude-SearchBot. Una auditoría de la comunidad de Shopify publicada el 20 de octubre de 2026 apunta en la misma dirección: 2 de 98 tiendas bloqueaban alguno de 14 rastreadores de IA, ninguna usaba un bloqueo con comodín, y 0 de 52 tiendas consultadas como GPTBot estaban bloqueadas en el CDN o en el cortafuegos.
Tome esa auditoría como una muestra pequeña e informal. Su autor señala que las tiendas habían instalado una aplicación de visibilidad en IA, por lo que probablemente prestan más atención a esto que el promedio. La lectura honesta es que las tiendas con un archivo predeterminado suelen estar abiertas, y las que están cerradas tienden a haber sido editadas por alguien.
Hay dos comprobaciones más que toman un minuto cada una. Cargue sus páginas de políticas de devoluciones y envíos en una ventana privada (en Shopify están bajo /policies/) para confirmar que se abren sin inicio de sesión ni error. Después ejecute una verificación GEO gratuita que lee sus páginas públicas, para que vea lo que ve un lector externo y no lo que muestra el editor de su tema.
¿Buscador de entrenamiento, rastreador de búsqueda o recuperador activado por el usuario: qué hace cada uno?
Un rastreador de entrenamiento recopila páginas que pueden usarse para construir modelos futuros. Un rastreador de búsqueda indexa páginas para que un asistente pueda mostrarlas en sus respuestas. Un recuperador activado por el usuario carga una sola página porque alguien la pidió. Cada uno tiene una consecuencia distinta al bloquearlo, y el tercero quizá ni siquiera siga robots.txt.
| Función | OpenAI | Anthropic | Perplexity |
|---|---|---|---|
| Entrenamiento | GPTBot | ClaudeBot | Ninguno. PerplexityBot no recopila datos de entrenamiento. |
| Búsqueda y citación | OAI-SearchBot | Claude-SearchBot | PerplexityBot |
| Carga por petición de una persona | ChatGPT-User | Claude-User | Perplexity-User |
Los proveedores describen esta división en su propia documentación. OpenAI indica que bloquear GPTBot señala que el contenido del sitio no debe usarse para entrenamiento, que la configuración de cada bot es independiente, y que los sitios que se excluyen de OAI-SearchBot no aparecerán en las respuestas de búsqueda de ChatGPT, aunque sí pueden aparecer como enlaces de navegación. Para ChatGPT-User, OpenAI dice que las reglas de robots.txt pueden no aplicarse, porque la visita la inicia una persona.
Anthropic documenta que ClaudeBot, Claude-User y Claude-SearchBot respetan robots.txt. Indica que bloquear Claude-SearchBot detiene la indexación para búsqueda y puede reducir la visibilidad en los resultados de búsqueda de los usuarios. En cuanto a Perplexity, el resumen de Anagram de su documentación indica que PerplexityBot admite resultados de búsqueda, mientras que Perplexity-User carga páginas individuales a petición y generalmente ignora robots.txt.
¿Cuántos sitios bloquean un bot y olvidan el otro?
Un estudio de aicrawlercheck.com recuperó los archivos robots.txt de los 10.000 dominios principales de Tranco el 5 de octubre de 2026. De 4.962 archivos analizables, 710 bloqueaban GPTBot, y 347 de ellos (48,9 %) seguían permitiendo OAI-SearchBot. En el caso de Anthropic, 307 de 665 sitios que bloqueaban ClaudeBot (46,2 %) seguían permitiendo Claude-SearchBot.
¿Qué puede editar en Shopify y qué no puede controlar?
No sube un archivo robots.txt a Shopify. Añade una plantilla de tema llamada robots.txt.liquid, que reemplaza la salida generada por Shopify, y edita las reglas ahí. No puede controlar los rastreadores que ignoran robots.txt, las reglas aplicadas por un CDN o cortafuegos delante de la tienda, ni lo que un proveedor hace con páginas que ya tiene.
La documentación de Shopify recomienda partir del objeto Liquid robots en lugar de texto plano. Los pasos son breves:
- Guarde una copia de su /robots.txt actual, para poder compararla con la nueva salida.
- En su administrador, vaya a Tienda online, luego Temas, luego Editar código. Añada un nuevo archivo llamado robots.txt.liquid en la carpeta Templates.
- Mantenga el bucle sobre robots.default_groups que usa el ejemplo de Shopify, y añada sus propios grupos después.
- Recargue /robots.txt y compárelo línea por línea con su copia guardada. Shopify indica que la salida renderizada no siempre coincide exactamente con el archivo generado.
¿Qué ediciones causan el daño?
Los errores que aparecen en los artículos son consistentes. Craftshift menciona un grupo con comodín que bloquea a todos excepto Googlebot y, por tanto, también atrapa a los bots de IA; un Disallow en /products/ o /collections/; y una plantilla que nunca se volvió a revisar tras una migración de tema. Otras guías añaden copiar una lista de bloqueo total que incluye bots de búsqueda, y eliminar el bucle Liquid predeterminado. También ocurre el error contrario: bloquear ClaudeBot pero olvidar Claude-SearchBot y Claude-User, de modo que la regla hace menos de lo que cree su autor.
¿Cuándo es correcto bloquear?
Bloquear es una opción legítima cuando se opone a que su contenido entrene modelos futuros, tiene razones de licencias o de política de marca, o percibe una carga de rastreo que no puede absorber. El costo recae en el lado de la recuperación: OpenAI indica que los sitios excluidos de OAI-SearchBot no aparecerán en las respuestas de búsqueda de ChatGPT. Decida cada bot por sus propios méritos.
Tomemos como ejemplo ilustrativo una marca de artículos para el hogar cuyo trabajo de tema de 2023 dejó una lista copiada de catorce agentes de usuario de IA en robots.txt.liquid. Su fotografía tiene licencia, así que el propietario quiere bloquear GPTBot y ClaudeBot. Sin embargo, nadie del equipo quiere estar ausente de las respuestas de los asistentes, y la misma lista también bloquea OAI-SearchBot, Claude-SearchBot y PerplexityBot. El propietario mantiene los dos bloqueos de entrenamiento y elimina las tres entradas de búsqueda. OpenAI indica que sus sistemas pueden tardar unas 24 horas en reflejar un cambio en robots.txt para la búsqueda.
Ese cambio hace que las páginas sean elegibles. No consigue una mención. En la auditoría comunitaria citada antes, 65 de 94 tiendas con al menos 10 comprobaciones nunca fueron nombradas en una pregunta de compra sin marca, y la conclusión de su autor fue que el acceso de los rastreadores explica casi nada de esa brecha. Las comprobaciones de visibilidad de la auditoría se inclinaban hacia Gemini y se generaron por categoría de tienda, así que un conjunto distinto de preguntas daría cifras diferentes. Las puertas abiertas son necesarias para ser citado, pero no suficientes.
Si la preocupación es la carga de rastreo y no un principio, Anthropic dice que admite la directiva no estándar Crawl-delay, por ejemplo "Crawl-delay: 1" bajo un grupo de ClaudeBot. Anthropic también desaconseja bloquear por dirección IP, porque eso impide que el rastreador lea su robots.txt en primer lugar.
¿Cómo registrar la decisión y cuándo revisarla?
Escriba la decisión donde la encuentre la siguiente persona: qué bots están permitidos o bloqueados, el motivo de cada uno, quién lo aprobó, la fecha y la fecha de revisión. Un comentario dentro de robots.txt.liquid mantiene el motivo junto a la regla. Revísela al menos dos veces al año y después de cualquier cambio de tema o migración.
| Campo | Qué escribir |
|---|---|
| Regla | Cada agente de usuario y si está permitido o bloqueado |
| Motivo | Derechos sobre el contenido, política de marca, carga de rastreo o visibilidad en respuestas de asistentes |
| Aprobado por | Una persona concreta con autoridad sobre el contenido de la marca |
| Fecha | El día en que el cambio de plantilla entró en vigor |
| Disparador de revisión | Una fecha del calendario, más cualquier reemplazo de tema o migración |
| Comprobación | Una copia guardada de /robots.txt antes y después, y una nota de la configuración del cortafuegos o CDN en ese momento |
El aprobador importa más de lo que parece. Una regla que bloquea rastreadores de búsqueda cambia si los asistentes que los compradores consultan pueden leer sus páginas de devoluciones y envíos, así que debe pertenecer a alguien que sea responsable de la reputación de la marca, no solo a quien tenga acceso al tema.
Preguntas frecuentes
¿El robots.txt predeterminado de Shopify bloquea los rastreadores de IA?
No. Los artículos de terceros y una auditoría de 98 tiendas de la comunidad indican que las reglas predeterminadas excluyen rutas como admin, carrito, checkout y resultados de búsqueda, y dejan en paz a los principales rastreadores de IA. Revise su propio archivo de todos modos, porque una edición del tema o una migración pudo haber reemplazado el predeterminado.
Si bloqueo GPTBot, ¿ChatGPT dejará de mencionar mi tienda?
OpenAI documenta la configuración de cada bot como independiente. GPTBot se relaciona con el uso para entrenamiento, mientras que OAI-SearchBot regula si un sitio aparece en las respuestas de búsqueda de ChatGPT. Bloquear solo GPTBot no le excluye de la búsqueda, pero bloquear OAI-SearchBot sí.
¿Basta con robots.txt para mantener una página alejada de los asistentes de IA?
No. OpenAI indica que las reglas de robots.txt pueden no aplicarse a ChatGPT-User, y Perplexity-User generalmente las ignora, según la lectura de la documentación de Perplexity que hace Anagram. Si una página no debe ser recuperada, aplíquelo en el CDN o cortafuegos, o no la publique.
¿Cuánto tarda en funcionar un cambio en robots.txt?
OpenAI indica que sus sistemas de búsqueda pueden tardar unas 24 horas en reflejar una actualización. No encontré un plazo indicado por Anthropic ni por Perplexity, así que recargue el archivo para confirmar que se renderiza como pretendía y vuelva a comprobarlo en unos días.
