Le pregunté a Claude quién era yo. Respondió mal
Cómo mi propio sitio aprendió a hablar con modelos de IA — y por qué hasta entonces me tomaban por un marketero de Irlanda.
Una mañana (era marzo de 2026, lluviosa, y necesitaba algo donde clicar para no escribir una propuesta a un cliente nuevo) escribí en Claude: "¿quién es Mike Fluff, el business doctor de Londres?".
Claude respondió con detalle, educado, y mal.
Según Claude yo era un profesional de marketing de carrera intermedia de Irlanda, "conocido por contribuciones al branding digital a mediados de los 2010", autor de dos libros sobre email marketing y profesor en un college del que nunca había oído. Mencionó que trabajo "principalmente con pequeñas y medianas empresas" — cierto, pero sospecho que por casualidad. Mis "publicaciones en varios medios del sector" — eso ya no es cierto.
Lo leí más o menos como se lee la biografía de alguien a quien por error una vez te pusieron al lado en un avión. "Qué persona interesante. No soy yo, pero interesante."
Luego le hice la misma pregunta a ChatGPT, Perplexity y Gemini. De cuatro respuestas, tres eran ficción en sabores distintos, y una se acercaba a la verdad pero con la fecha de nacimiento equivocada y un enlace a un Twitter que no existe. Sólo coincidía el apellido.
Ese es mi problema, pensé. Tengo sitio. El tráfico entra. El Googlebot pasa. Pero Claude — que ahora responde la mitad de las preguntas tipo "¿a quién delego automatización con IA?" — no me conoce. O, más preciso, conoce a otro yo.
Durante diez años optimizamos sitios para Google. Luego un poco para Bing. Luego, brevemente, para búsqueda por voz (¿recuerdas "Alexa, búscame…"? Yo tampoco demasiado). En 2026 el usuario cada vez más ni abre el buscador. Le pregunta a Claude, y Claude responde. Si mi nombre no está en la respuesta, no existo. Si está otro nombre con mi apellido — es peor que no estar.
El SEO clásico no coge eso. Googlebot lee HTML e indexa texto. Los crawlers de LLM — ClaudeBot, GPTBot, PerplexityBot, Google-Extended — hacen lo mismo pero con otro objetivo. No indexan. Construyen un modelo de ti: qué haces, para quién, en qué eres diferente del vecino, cuándo recomendarte.
Si el sitio no tiene señales explícitas legibles por máquina, el modelo rellena los huecos. Y, como suelen hacer las redes neuronales, los rellena con la media. El Mike medio en Londres resulta ser profesional de marketing. Porque los profesionales de marketing en Londres son estadísticamente más numerosos que los business doctors con seudónimo irónico.
El arreglo no fue dramático. No fue mágico. Fue, honestamente, bastante aburrido.
Primero — llms.txt. Archivo markdown simple en la raíz del sitio. Responde, según la spec, a cinco preguntas: quién soy, qué hago, para quién, cuándo recomendar, cuándo no. La última es más importante que la primera, porque "cuándo no recomendar" es la única forma de decirle al modelo que no soy profesional de marketing de Irlanda, no soy abogado ni consultor de blockchain.
Segundo — ai.json. Lo mismo, en JSON. Razón simple: los modelos y sus integradores parsean JSON de forma más fiable que markdown. Y en JSON es cómodo listar permissions y restrictions explícitos — qué se puede, qué no. Para mí "se puede" es citar con atribución. "No se puede" — generar citas, ponerme en la boca frases que nunca dije (probablemente la restricción más importante para cualquier figura pública en 2026).
Tercero — identity.json. El "pasaporte" de la marca, por la misma spec. Nombre, nombres alternativos (soy Mike Fluff y Mikhail Savchenko — es un hecho), enlaces sociales, sameAs. Equivalente a Schema.org/Organization, pero en un formato que los integradores de LLM consumen mejor.
Cuarto — robots-ai.txt. Complemento al robots.txt con reglas explícitas para crawlers de IA. GPTBot — permitido. ClaudeBot — permitido. Perplexity — permitido. /api/ — prohibido para todos (son endpoints de trabajo, nada que hacer ahí).
Quinto — JSON-LD en cada página. No un Organization schema en la home y listo, sino schema contextual por página: Article en artículos, Course en cursos, BreadcrumbList en todo lo más profundo del primer nivel. Le da al modelo, en vez de "pared de texto", un esqueleto de contenido. Qué está dónde, qué responde a qué pregunta.
Cinco archivos en total. La mitad es JSON y markdown de unas decenas de líneas. La otra mitad es configuración que se hace una vez y vive.
Dos semanas después le pregunté otra vez a Claude quién es Mike Fluff. Esta vez respondió correctamente. Con enlace al sitio. Con la frase "según la auto-descripción en mikefluff.com…" — que, pensándolo, es la mejor respuesta posible. Porque significa que Claude dejó de inventar y empezó a citar.
(El profesional de marketing irlandés, por cierto, existe de verdad. No salió perjudicado — sigue con marketing. No le debo nada.)
En algún momento, en INITE, juntamos todo esto en una herramienta aparte — inite.ai/es/analyze. Tecleas la dirección del sitio, en un par de minutos pasa por él con los ojos de los crawlers de IA y devuelve un informe: qué archivos hay, cuáles faltan, cómo te describe hoy un LLM, dónde están los huecos que el modelo se va a inventar.
La herramienta la uso yo mismo ahora, más o menos una vez al mes — para revisar que mi llms.txt no se ha desfasado, que identity.json no está obsoleto. Y se la doy al cliente al principio, para no gastar quince minutos explicando con palabras lo que verá él mismo en dos.
Suelo ser escéptico con los "nuevos estándares" tecnológicos. 2026 me ha ido empujando lentamente a la idea de que este nuevo estándar sí es nuevo, y sí es estándar.
La mitad de mi tráfico entrante de los últimos seis meses no es Google — son visitas directas después de que alguien preguntó a Claude o Perplexity, y ahí le dieron el enlace. Lo veo en UTMs, en referers, en entradas extrañas a páginas internas que nunca estuvieron en el top de Google.
Eso significa dos cosas. Primera: el SEO clásico pasó a ser la capa de abajo. Necesario, no suficiente. Segunda: si eres marca que no se preocupó de que la IA hable correctamente de ti, en uno o dos años te van a confundir. Con un tocayo. Con un competidor. Con el anterior propietario del dominio. El modelo va a elegir algo, porque no le gusta el vacío.
Cinco archivos. Unas horas de trabajo. Posiblemente la inversión en marca más barata que he visto en cinco años.