¿Qué es GPTBot, el rastreador de OpenAI?

GPTBot no es un modelo ni una versión de ChatGPT: es un rastreador, el programa con el que OpenAI recorre la web para reunir contenido con el que entrenar sus modelos. Para una tienda, la pregunta que trae este nombre casi siempre es la misma: ¿lo bloqueo o no? Y la respuesta empieza por separar dos cosas que se mezclan a menudo, que tu catálogo sirva para entrenar un modelo y que tu tienda aparezca cuando alguien busca en ChatGPT. GPTBot solo tiene que ver con la primera.

Cómo funciona

OpenAI usa varios rastreadores y agentes, y deja que cada sitio los gestione por separado en robots.txt. Según su documentación, cada ajuste es independiente de los demás: puedes permitir OAI-SearchBot para aparecer en los resultados de búsqueda y bloquear GPTBot para indicar que lo rastreado no se use en el entrenamiento de sus modelos fundacionales. Si permites los dos, OpenAI puede usar un solo rastreo para ambos fines y no repetir visitas.⁠^{[1]OpenAI. Overview of OpenAI Crawlers}

De GPTBot en concreto, OpenAI dice dos cosas: que rastrea contenido que puede usarse para entrenar sus modelos fundacionales de IA generativa, con el fin de hacerlos más útiles y seguros, y que bloquearlo indica que el contenido de un sitio no debe usarse en ese entrenamiento.⁠^{[1]OpenAI. Overview of OpenAI Crawlers} Fíjate en el verbo: bloquear «indica». robots.txt es una señal que un rastreador honrado respeta, y el estándar avisa de que sus reglas no son una forma de autorizar el acceso.⁠^{[2]IETF (Koster, Illyes, Zeller y Sassman). RFC 9309: Robots Exclusion Protocol}

La petición de GPTBot lleva este user agent, en la versión que documenta OpenAI en octubre de 2026:⁠^{[1]OpenAI. Overview of OpenAI Crawlers}

Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko); compatible; GPTBot/1.4; +https://openai.com/gptbot

En robots.txt basta con el nombre corto, GPTBot. El estándar manda que cada rastreador busque el grupo que lo nombra sin distinguir mayúsculas, y que solo si no encuentra ninguno siga el grupo User-agent: *.⁠^{[2]IETF (Koster, Illyes, Zeller y Sassman). RFC 9309: Robots Exclusion Protocol} Así que una tienda que no menciona a GPTBot en su archivo le aplica las mismas reglas que a cualquier otro bot.

OpenAI publica los rangos de IP desde los que rastrea GPTBot en un archivo JSON, openai.com/gptbot.json.⁠^{[1]OpenAI. Overview of OpenAI Crawlers} El archivo lleva una fecha de creación y una lista de prefijos de red: la versión que leímos el 6 de octubre de 2026 tenía fecha del 22 de septiembre de 2026 y 18 prefijos IPv4.⁠^{[3]OpenAI. gptbot.json (rangos de IP de GPTBot)} La lista cambia, así que se consulta cuando se verifica, no se copia una vez.

GPTBot tiene equivalentes en otras empresas, y cada uno se bloquea por su nombre. Anthropic usa ClaudeBot para recoger contenido que mejore la utilidad y la seguridad de sus modelos de IA generativa.⁠^{[4]Anthropic. Does Anthropic crawl data from the web, and how can site owners block the crawler?} Google no tiene un rastreador aparte para eso: tiene Google-Extended, un nombre que se usa en robots.txt para decidir si lo que rastrea Google puede usarse para entrenar futuras versiones de Gemini, y que según Google no afecta a tu presencia en la Búsqueda ni es una señal de posicionamiento.⁠^{[5]Google Crawling Infrastructure. Google's common crawlers}

Las plataformas también intervienen. En Shopify, bloquear rastreadores de IA en robots.txt o en la red solo afecta a lo que se descubre en la web abierta, y no frena los datos de producto que Shopify Catalog envía a los agentic storefronts que tengas activados.⁠^{[6]Ayuda de Shopify. Editing robots.txt.liquid} En BigCommerce, la plataforma aplica a los rastreadores de IA y de mucho volumen reglas propias con un retardo de 10 segundos, que solo ves si abres el archivo publicado.⁠^{[7]BigCommerce Support. Understanding the Robots.txt File}

En una tienda

Una tienda de material de montaña decide que no quiere ceder su catálogo para entrenar modelos, pero sí quiere aparecer en la búsqueda de ChatGPT. Es un ejemplo ficticio. Su robots.txt:

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

User-agent: GPTBot
Disallow: /

GPTBot encuentra su grupo y deja de leer el general: no puede pedir nada. OAI-SearchBot no tiene grupo propio, así que sigue el del asterisco y puede pedir las fichas, pero no el carrito ni el checkout.⁠^{[2]IETF (Koster, Illyes, Zeller y Sassman). RFC 9309: Robots Exclusion Protocol} Lo que hace la tienda es separar los dos usos, que es justo lo que OpenAI propone.⁠^{[1]OpenAI. Overview of OpenAI Crawlers}

Un día después, en el registro del servidor aparece esta línea (inventada, con una IP reservada para documentación):

192.0.2.33 [07/Oct/2026:03:12:44 +0200] "GET /products/mochila-40l HTTP/1.1" 200 "...compatible; GPTBot/1.4; +https://openai.com/gptbot"

Antes de pensar que GPTBot se salta la regla, hay dos preguntas. La primera, si la IP está en la lista de OpenAI: cualquiera puede escribir GPTBot en una petición, y si la IP no está en gptbot.json, la visita no sale de ninguna de las direcciones que OpenAI declara para GPTBot.⁠^{[3]OpenAI. gptbot.json (rangos de IP de GPTBot)} La segunda, cuándo se publicó el cambio: el estándar permite a un rastreador usar la copia guardada del archivo hasta 24 horas.⁠^{[2]IETF (Koster, Illyes, Zeller y Sassman). RFC 9309: Robots Exclusion Protocol}

Cómo comprobarlo

1. Abre tudominio.com/robots.txt y busca un grupo que nombre a GPTBot. Si no hay ninguno, le toca el grupo del asterisco.⁠^{[2]IETF (Koster, Illyes, Zeller y Sassman). RFC 9309: Robots Exclusion Protocol}
2. En BigCommerce, lee el archivo publicado, no la pantalla de ajustes: las reglas que la plataforma aplica a los bots de IA solo aparecen ahí.⁠^{[7]BigCommerce Support. Understanding the Robots.txt File}
3. Busca GPTBot en los registros de tu servidor o de tu CDN y anota qué rutas pide y con qué frecuencia.
4. Contrasta cada IP con openai.com/gptbot.json el mismo día. Una IP fuera de esos rangos no es una de las que OpenAI declara para su rastreador.⁠^{[1]OpenAI. Overview of OpenAI Crawlers}⁠^{[3]OpenAI. gptbot.json (rangos de IP de GPTBot)}
5. Después de un cambio, espera al menos un día antes de sacar conclusiones, porque el archivo puede seguir en caché hasta 24 horas.⁠^{[2]IETF (Koster, Illyes, Zeller y Sassman). RFC 9309: Robots Exclusion Protocol}

Concepto cercano: OAI-SearchBot

Los dos son de OpenAI y los dos se gestionan en robots.txt, pero hacen trabajos distintos. GPTBot rastrea contenido que puede usarse para entrenar modelos; OAI-SearchBot sirve para mostrar sitios en los resultados de búsqueda de ChatGPT, y los sitios que lo bloquean no aparecen en las respuestas de esa búsqueda, aunque pueden seguir saliendo como enlaces de navegación.⁠^{[1]OpenAI. Overview of OpenAI Crawlers} La combinación que pone OpenAI como ejemplo, permitir uno y bloquear el otro, separa la visibilidad en su búsqueda del uso de tu contenido para entrenar.⁠^{[1]OpenAI. Overview of OpenAI Crawlers}

Para seguir, 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.