¿Bloquear o no a los bots de IA? Guía para decidir sin perder visibilidad

Cada semana aparece un nuevo bot de inteligencia artificial recorriendo la web, y la pregunta se repite: ¿los bloqueo? Si lo haces, proteges tu contenido. Si te pasas, desapareces de las respuestas de ChatGPT, Claude, Perplexity o Gemini, que para muchos sitios ya son una fuente de visitas.

La clave para decidir bien es entender que no todos los bots de IA hacen lo mismo.

Los tres tipos de bots de IA

1. Bots de entrenamiento. Copian contenido para entrenar modelos futuros. No te traen visitas: tu texto pasa a formar parte del modelo. Ejemplos: GPTBot (OpenAI), ClaudeBot (Anthropic), CCBot (Common Crawl, usado por muchos), Meta-ExternalAgent, Bytespider (ByteDance).
2. Bots de búsqueda. Indexan tu sitio para poder citarte con enlace cuando alguien pregunta algo. Funcionan como un buscador. Ejemplos: OAI-SearchBot, Claude-SearchBot, PerplexityBot.
3. Bots a pedido del usuario. Visitan una página concreta porque una persona le pidió a la IA que la leyera. Ejemplos: ChatGPT-User, Claude-User, Perplexity-User.

¿Y Google? Google usa el mismo Googlebot para el buscador y para las respuestas con IA (AI Overviews). El token Google-Extended solo controla si tu contenido se usa para entrenar Gemini; bloquearlo no te saca de las respuestas con IA de Google ni afecta tu posicionamiento.

La estrategia más equilibrada

Para la mayoría de blogs, tiendas y sitios de servicios:

• Bloquear los bots de entrenamiento.
• Permitir los de búsqueda y los de usuario, porque son los que te pueden citar y enviar visitas.

Si tu contenido es tu producto (un curso de pago, una base de datos, noticias exclusivas), puede tener sentido bloquear también los de búsqueda. Es una decisión de negocio, no técnica.

Cómo hacerlo desde WordPress, sin plugins

WordPress genera un robots.txt virtual. Si no tienes un archivo robots.txt físico en la raíz, puedes agregarle reglas con un mu-plugin. Crea wp-content/mu-plugins/cwp-robots-ia.php:

<?php
/**
 * Plugin Name: Bots de IA en robots.txt (Curso WordPress)
 */

add_filter( 'robots_txt', function ( $salida, $publico ) {
	if ( ! $publico ) {
		return $salida; // Sitio oculto a buscadores: no tocar.
	}

	// Bots de entrenamiento que no queremos.
	$bloquear = array(
		'GPTBot',
		'ClaudeBot',
		'CCBot',
		'Google-Extended',
		'Applebot-Extended',
		'Meta-ExternalAgent',
		'Bytespider',
	);

	$salida .= "\n# Bots de entrenamiento de IA\n";
	foreach ( $bloquear as $bot ) {
		$salida .= "User-agent: {$bot}\nDisallow: /\n\n";
	}
	return $salida;
}, 20, 2 );

Revisa el resultado en tudominio.cl/robots.txt. Si ves otro contenido, es que existe un archivo físico (o tu plugin de SEO lo maneja): edita ese archivo en lugar de usar el mu-plugin.

robots.txt es una petición, no un candado. Los bots serios de OpenAI, Anthropic, Google o Apple lo respetan. Otros no. Para esos necesitas un bloqueo a nivel del servidor.

Bloqueo duro en el servidor

Para los bots que ignoran robots.txt, agrega al principio del .htaccess (Apache y LiteSpeed):

# Bloqueo de bots que ignoran robots.txt
<IfModule mod_rewrite.c>
RewriteEngine On
RewriteCond %{HTTP_USER_AGENT} (Bytespider|PetalBot|Scrapy) [NC]
RewriteRule .* - [F,L]
</IfModule>

Usa esto solo con bots que realmente te causan problemas. El nombre del bot puede falsificarse, así que es un filtro básico, no una protección completa.

Si usas Cloudflare, en el panel de tu dominio busca la sección de control de bots de IA (AI Crawl Control). Te permite bloquear categorías completas con un clic, ver qué bots te visitan y hasta mantener un robots.txt administrado. Es la opción más cómoda si ya tienes el sitio detrás de Cloudflare.

Mide antes de decidir

¿Quién te visita realmente? En cPanel, activa Métricas → Acceso sin procesar y descarga el registro, o por SSH:

# Visitas de bots de IA en el registro de hoy
grep -oiE "GPTBot|OAI-SearchBot|ChatGPT-User|ClaudeBot|Claude-SearchBot|Claude-User|PerplexityBot|Perplexity-User|CCBot|Bytespider|Meta-ExternalAgent" ~/access-logs/tudominio.cl* | sort | uniq -c | sort -rn

Si los bots de entrenamiento te consumen mucho ancho de banda y los de búsqueda casi no aparecen, bloquear tiene poco costo. Si ves muchas visitas de ChatGPT-User o Perplexity-User, significa que la gente está preguntando por tu contenido: no las cortes.

¿No sabes qué es un bot que aparece en tus registros? Compártelo en el foro y te ayudamos a identificarlo y decidir si vale la pena bloquearlo.