# Bloquear bots de IA: cuándo conviene y cómo se hace

> Qué es el bloqueo de bots de IA, qué agentes conviene dejar pasar en una tienda y por qué robots.txt, la CDN y la plataforma bloquean cosas distintas.

URL: https://clione.ai/es/glosario/bloqueo-de-bots-de-ia/
Lang: es

«Bloquear la IA» suena a una sola decisión, y en una tienda son por lo menos tres: si dejas que tu catálogo sirva para entrenar modelos, si quieres salir en las respuestas de los asistentes que buscan en la web, y si dejas pasar a un agente que visita tu ficha porque una persona se lo ha pedido. Cada una se toma con un agente distinto, y **bloquear el que no era puede sacarte de las respuestas que querías**. La sintaxis de las reglas está en la entrada de [robots.txt](/es/glosario/robots-txt/); aquí va la decisión, y las capas donde se aplica.

## Qué se puede bloquear

Las empresas de IA separan sus agentes por función, y cada uno se identifica con su propio nombre de [_user agent_](/es/glosario/user-agent/). OpenAI lo pone como ejemplo de uso: puedes dejar pasar a [OAI-SearchBot](/es/glosario/oai-searchbot/) para aparecer en los resultados de búsqueda de ChatGPT y bloquear a [GPTBot](/es/glosario/gptbot/) para indicar que lo rastreado no se use en el entrenamiento.[^openai-bots]

| Función                      | OpenAI                                     | Anthropic                            | [Perplexity](/es/glosario/perplexity/)       | Google                                                                                              |
| ---------------------------- | ------------------------------------------ | ------------------------------------ | -------------------------------------------- | --------------------------------------------------------------------------------------------------- |
| Entrenar modelos             | GPTBot                                     | [ClaudeBot](/es/glosario/claudebot/) | (según la empresa, no rastrea para entrenar) | [Google-Extended](/es/glosario/google-extended/), sin [rastreador](/es/glosario/rastreador/) propio |
| Buscar y citar               | OAI-SearchBot                              | Claude-SearchBot                     | [PerplexityBot](/es/glosario/perplexitybot/) | Los agentes de la Búsqueda                                                                          |
| Visitas que pide una persona | [ChatGPT-User](/es/glosario/chatgpt-user/) | Claude-User                          | Perplexity-User                              |                                                                                                     |

Las fuentes de la tabla son la documentación de cada empresa.[^openai-bots][^anthropic-bots][^perplexity-bots] Google es el caso aparte. Google-Extended no es un rastreador: es un nombre que se usa en robots.txt para decidir si lo que Google ya rastrea puede servir para entrenar futuras generaciones de [Gemini](/es/glosario/gemini/). **No afecta a tu inclusión en la Búsqueda de Google ni es una señal de posicionamiento**, y Google rastrea con sus agentes de siempre.[^google-crawlers]

La fila de abajo es la que más sorprende. OpenAI dice que, como las visitas de ChatGPT-User las inicia una persona, **las reglas de robots.txt pueden no aplicarse**, y que para salir o no de la búsqueda se usa OAI-SearchBot.[^openai-bots] Perplexity dice que Perplexity-User, por la misma razón, por lo general ignora robots.txt.[^perplexity-bots]

## Las tres capas donde se bloquea

**robots.txt: una petición.** Es la capa que leen los [rastreadores](/es/glosario/rastreador/) que se portan bien, y el propio estándar lo deja claro: sus reglas **no son una forma de autorización de acceso** ni sustituyen a una medida de seguridad.[^rfc9309] Shopify lo dice con sus palabras: las reglas son orientativas y no todos los rastreadores están obligados a cumplirlas.[^shopify-robots] Los cambios tampoco son inmediatos: OpenAI y Perplexity calculan hasta unas 24 horas para que sus sistemas los apliquen.[^openai-bots][^perplexity-bots]

**La red: un bloqueo de verdad.** Una CDN o un cortafuegos de aplicaciones web (WAF) puede rechazar la petición antes de que llegue a tu tienda. Cloudflare, por ejemplo, ofrece AI Crawl Control en todos sus planes: muestra qué servicios de IA visitan tu web, deja permitir o bloquear cada rastreador por separado y señala cuáles se saltan tu robots.txt.[^cf-aicc] Al bloquear uno, crea o actualiza una regla del cortafuegos que, por defecto, responde con un 403.[^cf-manage] El 1 de julio de 2025, Cloudflare anunció que pasaba a **bloquear por defecto a los rastreadores de IA** salvo que pagaran a los creadores por el contenido.[^cf-independence] Y su ajuste antiguo, Block AI bots, que bloquea los bots verificados clasificados como de entrenamiento y otros no verificados que se comportan igual, deja de usarse el 15 de septiembre de 2026, sustituido por categorías más finas: búsqueda, agente y entrenamiento.[^cf-block-ai]

Bloquear en la red exige saber quién es quién, porque **el nombre de un bot se puede falsificar**. Google lo advierte y explica cómo verificar sus rastreadores por sus rangos de IP y su DNS inverso.[^google-crawlers] OpenAI y Perplexity publican las IP de cada agente en archivos JSON, y Perplexity recomienda combinar el nombre y la IP al configurar un WAF.[^openai-bots][^perplexity-bots] Anthropic avisa del límite contrario: bloquear sus IP puede no funcionar bien ni garantizar la exclusión, porque **le impide leer tu robots.txt**.[^anthropic-bots]

**La plataforma: lo que ya viene hecho.** Shopify gestiona los bots en su red sin que tengas que hacer nada y desaconseja poner un _proxy_ delante de la tienda. Y marca un límite importante: bloquear rastreadores de IA en robots.txt o en la red **solo afecta a lo que se descubre en la web abierta**, no a los datos de producto que [Shopify Catalog](/es/glosario/shopify-catalog/) envía a los [_agentic storefronts_](/es/glosario/agentic-storefronts/) que tengas activados; eso se controla en sus propios ajustes.[^shopify-robots] BigCommerce aplica a los rastreadores de IA y de mucho volumen reglas aparte, con un retardo de 10 segundos entre peticiones y el carrito, el checkout, la cuenta y los listados filtrados cerrados; no se ven en los ajustes, solo en el robots.txt publicado.[^bigcommerce-robots]

## En una tienda

Un **ejemplo ficticio**: una tienda de material de montaña que quiere salir en las respuestas de los asistentes y no quiere que su catálogo sirva para entrenar modelos.

| Agente                                         | Para qué            | Decisión                 | Dónde                                                |
| ---------------------------------------------- | ------------------- | ------------------------ | ---------------------------------------------------- |
| GPTBot, ClaudeBot, Google-Extended             | Entrenamiento       | Bloquear                 | robots.txt; en la red, si quiere que se cumpla       |
| OAI-SearchBot, Claude-SearchBot, PerplexityBot | Búsqueda y citas    | Dejar pasar              | Sin grupo propio en robots.txt y sin regla en la red |
| ChatGPT-User, Claude-User, Perplexity-User     | Visitas por encargo | Dejar pasar              | Revisar que la CDN no los frene                      |
| Canales de IA de Shopify Catalog               | Datos de producto   | Lo que decida en Shopify | Los ajustes de los _agentic storefronts_             |

La tabla dice algo que la lista de un blog no dice: **cerrar el entrenamiento y quedarse en la búsqueda no es contradictorio**, porque son agentes distintos.[^openai-bots] El fallo típico es copiar una lista de «todos los bots de IA» que mete en el mismo saco a los de búsqueda.


**Bloquear GPTBot no te saca de la búsqueda de ChatGPT, y bloquear OAI-SearchBot sí.** OpenAI controla cada agente por separado: GPTBot es el del entrenamiento y OAI-SearchBot, el de la búsqueda.[^openai-bots] La otra confusión es creer que un `Allow` en robots.txt deja pasar al bot: si la CDN o el cortafuegos lo bloquean, la petición no llega, diga lo que diga el archivo.[^cf-manage]


## Cómo comprobarlo

1. **Abre tu robots.txt publicado** y apunta qué agentes de la tabla tienen grupo propio y qué dice ese grupo de tus fichas. En BigCommerce, mira el archivo vivo, no los ajustes.[^bigcommerce-robots]
2. **Revisa la CDN o el cortafuegos.** Si usas Cloudflare, abre AI Crawl Control y mira la acción de cada rastreador; si tenías activado el ajuste antiguo Block AI bots, revisa a qué categorías ha pasado.[^cf-manage][^cf-block-ai]
3. **Busca en los registros las respuestas 403 a agentes de IA** y comprueba la IP de cada uno contra las listas que publica su empresa antes de fiarte del nombre.[^openai-bots][^perplexity-bots]
4. **En Shopify, revisa por separado los ajustes de los _agentic storefronts_**: ni robots.txt ni la red deciden qué datos salen por ahí.[^shopify-robots]
5. **Después de un cambio, espera un día** antes de sacar conclusiones: es el plazo que dan OpenAI y Perplexity.[^openai-bots][^perplexity-bots]

## Concepto cercano: pay per crawl

Entre dejar pasar y bloquear hay una tercera opción: cobrar. El [pay per crawl](/es/glosario/pay-per-crawl/) de Cloudflare deja fijar un precio por zona, y el rastreador que no presenta intención de pago recibe un **402 Payment Required** con el precio en lugar del contenido. Está en beta cerrada.[^cf-ppc] El bloqueo responde a quién puede entrar; el pago, a cuánto cuesta, y los dos se apoyan en lo mismo: saber de verdad qué bot está llamando, y no solo cómo dice llamarse.

Para seguir, la guía de [lo que ve un rastreador de IA en tu tienda](/es/guias/que-ve-un-rastreador-de-ia/) lo comprueba agente por agente, y la [ruta de lectura](/es/aprender/rastreo-e-indexacion/) de este tema ordena el resto de términos.