¿Bloquear rastreadores de IA perjudica tu posicionamiento en Google?

La versión corta, con las palabras de Google

Google publica una página que describe específicamente sus rastreadores y recuperadores, y traza la línea con la mayor claridad que un documento así puede ofrecer. Sobre Google-Extended, la página indica: «Google-Extended no afecta a la inclusión de un sitio en la Búsqueda de Google ni se usa como señal de posicionamiento en la Búsqueda de Google».

Sobre Googlebot, la misma página describe su propósito como rastrear «para encontrar información con la que construir los índices de búsqueda de Google, realizar otros rastreos específicos de producto, y para análisis». Dos funciones distintas, dichas con claridad, por la misma empresa que gestiona ambas.

Qué es realmente Google-Extended

Esta es la parte que sorprende a la mayoría: Google-Extended no es un robot aparte que llega a tu sitio con su propia etiqueta. La documentación de Google es específica al respecto — «Google-Extended no opera mediante una cadena de user-agent HTTP separada. En cambio, el rastreo se realiza con las cadenas de user-agent de Google ya existentes; el token de user-agent en robots.txt se usa a modo de control».

En términos sencillos: el mismo rastreo que ya hace Googlebot puede servir a dos fines. Google-Extended es la instrucción que das en tu archivo robots.txt sobre si ese contenido ya rastreado también puede usarse para entrenar futuros modelos de Gemini y fundamentar sus respuestas. Es un ajuste de permiso superpuesto a una visita existente, no un segundo visitante.

Cómo configurarlos de forma independiente, en términos sencillos

Como Googlebot y Google-Extended se rigen por reglas de robots.txt separadas, puedes elegir cada uno por su cuenta. Un negocio que quiere seguir totalmente visible en los resultados de la Búsqueda de Google, pero no quiere que su contenido alimente el entrenamiento de Gemini ni sus respuestas, puede hacer justo eso: permitir el user-agent de Googlebot con normalidad, y añadir una regla Disallow aparte para el user-agent de Google-Extended.

Lo contrario también es cierto — en teoría podrías bloquear Googlebot (y desaparecer por completo de la Búsqueda de Google, algo que casi ningún negocio quiere) mientras permites Google-Extended, aunque en la práctica casi nadie tiene motivos para hacerlo. La idea clave es que son dos palancas distintas, y mover una no mueve la otra.

Un ejemplo concreto: una panadería familiar

Imagina a una panadera que leyó en internet que «bloquear los robots de IA perjudica tu SEO» y, por miedo, dejó todo abierto de par en par en vez de arriesgar su posicionamiento en Google — incluidos rastreadores que habría preferido mantener fuera.

Con los hechos anteriores, tiene una opción más clara: su archivo robots.txt puede permitir explícitamente Googlebot (manteniendo su panadería totalmente localizable en Google, igual que antes) y a la vez prohibir explícitamente Google-Extended (excluyendo las descripciones de su menú y sus fotos del entrenamiento de futuros modelos de Gemini) — sin tocar en absoluto su visibilidad en la Búsqueda. La decisión sobre el entrenamiento de Gemini pasa a ser una elección deliberada y separada, en lugar de un efecto secundario que ella suponía.

Por qué esta confusión es tan habitual, y cómo evitarla a partir de ahora

La confusión es comprensible: robots.txt ha sido históricamente casi en exclusiva una herramienta de posicionamiento en búsqueda, así que cualquier línea nueva que se añade parece que también debe ser sobre posicionamiento. Google-Extended rompe ese patrón antiguo — es el primer token de robots.txt de uso generalizado que, según la propia Google, no tiene relación alguna con el posicionamiento.

El hábito más seguro de ahora en adelante es simple: no supongas nada. Cuando aparezca un rastreador o token nuevo, revisa la documentación propia de esa empresa para saber qué controla realmente antes de cambiar nada — la misma disciplina sobre la que se construye este artículo.

FAQ