¿Qué es Google-Extended y qué bloquea de verdad?

Google-Extended no es un robot que vaya a aparecer en tus registros, ni una versión ampliada de Google: es una palabra que escribes en robots.txt para responder a una sola pregunta, si lo que Google rastrea de tu web puede usarse para entrenar y alimentar sus modelos Gemini. Para una tienda importa porque suele aparecer en el mismo paquete que GPTBot o ClaudeBot, y no funciona como ellos. Bloquearlo no cambia lo que Google rastrea ni lo que muestra en la Búsqueda, incluidas sus respuestas con IA.

Cómo funciona

Google presentó Google-Extended el 28 de septiembre de 2023 como un control nuevo para que los editores web decidieran si sus sitios ayudaban a mejorar Bard y las API generativas de Vertex AI, incluidas las futuras generaciones de los modelos que hay detrás de esos productos.⁠^{[1]Google (Danielle Romain, VP, Trust). An update on web publisher controls} La documentación actual de Google ya no habla de Bard, y lo describe así: un nombre independiente que los editores pueden usar para decidir si el contenido que Google rastrea de sus sitios puede usarse para entrenar futuras generaciones de los modelos Gemini que impulsan las apps de Gemini y la API de Vertex AI para Gemini, y para el grounding en esos productos, es decir, para apoyar sus respuestas en páginas recuperadas.⁠^{[2]Google Crawling Infrastructure. Google's common crawlers}

Lo que lo hace distinto de cualquier otro nombre de robots.txt es que no tiene visitas propias. Google dice que Google-Extended no tiene una cadena de user agent aparte: el rastreo se hace con los agentes de siempre de Google, y el nombre de robots.txt solo cumple una función de control.⁠^{[2]Google Crawling Infrastructure. Google's common crawlers} Googlebot descarga tu página como siempre; lo que cambia, si bloqueas Google-Extended, es para qué puede usarse después.

Google también aclara lo que no hace: no afecta a la inclusión de un sitio en la Búsqueda de Google ni se usa como señal de posicionamiento.⁠^{[2]Google Crawling Infrastructure. Google's common crawlers} Y la ayuda de Search Console añade un uso: para limitar el entrenamiento de los modelos con los que se generan las respuestas de las funciones de IA generativa de la Búsqueda, remite también a Google-Extended.⁠^{[3]Ayuda de Search Console. Search generative AI control} Limitar el entrenamiento no es salir de esas respuestas, y Google tiene otros controles para eso.

Las funciones de IA de la Búsqueda, AI Overviews y el Modo IA, siguen las reglas de la Búsqueda. Google explica que la IA está integrada en la Búsqueda y que por eso las directivas de robots.txt para Googlebot son el control para gestionar cómo se rastrea un sitio para ella.⁠^{[4]Google Search Central. AI features and your website} Para salir como enlace de apoyo en esas funciones, una página tiene que estar indexada y poder mostrarse con un fragmento (snippet), y lo que se muestra se limita con nosnippet, data-nosnippet, max-snippet o noindex. Para limitar el entrenamiento y el grounding en algunos de los otros sistemas de Google, la misma página remite a Google-Extended.⁠^{[4]Google Search Central. AI features and your website}

Desde el 31 de agosto de 2026 hay un control más, en Search Console, disponible para todos los sitios del mundo: el control de IA generativa de la Búsqueda, en Ajustes. Con la opción de excluir, los enlaces y el contenido del sitio dejan de mostrarse en AI Overviews, en el Modo IA y en las funciones de IA generativa de Discover. Google avisa de que tarda unos días en aplicarse, de que no es una señal de posicionamiento y de que el contenido puede seguir usándose para que la Búsqueda funcione en general.⁠^{[3]Ayuda de Search Console. Search generative AI control}

Como Google-Extended es un nombre de robots.txt, las reglas del estándar se le aplican igual: un grupo que lo nombra se busca sin distinguir mayúsculas, y si no hay ninguno se sigue el grupo User-agent: *.⁠^{[5]IETF (Koster, Illyes, Zeller y Sassman). RFC 9309: Robots Exclusion Protocol} Google pone este ejemplo, que deja usar una sola sección de un archivo y cierra el resto:⁠^{[2]Google Crawling Infrastructure. Google's common crawlers}

user-agent: Google-Extended
allow: /archive/1Q84
disallow: /archive/

En una tienda

Una tienda de libros antiguos quiere tres cosas: seguir en la Búsqueda, seguir saliendo en AI Overviews y que su catálogo no se use para entrenar Gemini. Es un ejemplo ficticio. Lo que tiene que tocar, control por control:

Las fuentes de cada fila son la documentación de rastreadores de Google, su página sobre las funciones de IA y la ayuda de Search Console.⁠^{[2]Google Crawling Infrastructure. Google's common crawlers}⁠^{[4]Google Search Central. AI features and your website}⁠^{[3]Ayuda de Search Console. Search generative AI control} Su robots.txt queda así:

User-agent: *
Disallow: /cart
Disallow: /checkout

User-agent: Google-Extended
Disallow: /

Googlebot sigue el grupo del asterisco y rastrea las fichas como antes. Google-Extended tiene su grupo y queda cerrado entero. En los registros del servidor no cambiará nada: no vas a ver nunca una petición de Google-Extended, porque no las hace.⁠^{[2]Google Crawling Infrastructure. Google's common crawlers}

Cómo comprobarlo

1. Abre tudominio.com/robots.txt y busca un grupo que nombre a Google-Extended. Si no hay ninguno, le toca el del asterisco.⁠^{[5]IETF (Koster, Illyes, Zeller y Sassman). RFC 9309: Robots Exclusion Protocol}
2. Comprueba que el grupo de Googlebot, o el del asterisco, sigue dejando pasar tus fichas. Es el que cuenta para la Búsqueda y sus funciones de IA.⁠^{[4]Google Search Central. AI features and your website}
3. No busques Google-Extended en los registros. No tiene user agent propio; las visitas que verás son de los agentes de siempre de Google.⁠^{[2]Google Crawling Infrastructure. Google's common crawlers}
4. Abre Search Console, Ajustes, y mira el control de IA generativa de la Búsqueda. Por defecto incluye el sitio; si alguien eligió excluirlo, es ahí donde se ve.⁠^{[3]Ayuda de Search Console. Search generative AI control}
5. Revisa si tus fichas llevan nosnippet o un max-snippet corto. Recortan lo que pueden usar AI Overviews y el Modo IA, con Google-Extended o sin él.⁠^{[4]Google Search Central. AI features and your website}

Concepto cercano: GPTBot

Los dos se nombran en robots.txt para decidir sobre el entrenamiento, y por eso aparecen juntos en las listas. Pero GPTBot es un rastreador de verdad: OpenAI lo usa para rastrear contenido que puede servir para entrenar sus modelos, publica su user agent y sus IP, y lo separa de OAI-SearchBot, el agente de su búsqueda.⁠^{[6]OpenAI. Overview of OpenAI Crawlers} Google-Extended no rastrea nada ni tiene IP que verificar: es un permiso sobre lo que ya rastrea Googlebot, y Google lo separa de la Búsqueda.⁠^{[2]Google Crawling Infrastructure. Google's common crawlers} Bloquear GPTBot cierra una puerta a un visitante; bloquear Google-Extended cambia el uso que se da a lo que entra por otra puerta.

Para seguir, la entrada de Googlebot explica el rastreador que sí visita tu tienda, la guía de lo que ve un rastreador de IA en tu tienda recorre agente por agente qué lee cada uno, y la ruta de lectura de este tema ordena el resto de términos.