¿Puede Gemini ver mi sitio web? Cómo comprobarlo

Publicado · Actualizado

Respuesta corta

Gemini solo puede usar tu página en una respuesta fundamentada (grounding) si la página está en el índice de la Búsqueda de Google y tu robots.txt no bloquea el token Google-Extended. Google dice que el grounding en la aplicación Gemini da al modelo contenido del índice de la Búsqueda de Google, y que Google-Extended controla si tu contenido puede usarse para ello. Así que comprueba la indexación en Search Console, revisa el robots.txt para Googlebot y Google-Extended, y después hazle a Gemini las preguntas de tus clientes y abre sus fuentes.

Gemini no tiene un rastreador que puedas buscar en tus registros como ocurre con otros asistentes. Google rastrea con sus rastreadores de siempre, y un token del robots.txt decide qué puede hacer Gemini con el contenido. Por eso la comprobación es distinta: casi todo ocurre en Google Search Console y en tu robots.txt, y el último paso, en el propio Gemini.

En esta página
  1. La comprobación de 5 minutos, paso a paso
  2. ¿Cómo obtiene Gemini información de los sitios web?
  3. ¿Cómo compruebo si Google ha indexado mi página?
  4. ¿Está Google-Extended impidiendo que Gemini use mi sitio?
  5. ¿Puede un cortafuegos bloquear a Google mientras los navegadores pasan?
  6. ¿Cómo veo si Gemini usa o cita mi sitio?
  7. ¿Afectan a Gemini los AI Overviews, el modo IA y las reglas de fragmentos?
  8. ¿Cómo lo comprueba AISeeWhy?

La comprobación de 5 minutos, paso a paso

  1. Busca en Google site: seguido de la dirección de tu página, o usa la inspección de URLs de Search Console, para confirmar que la página está en el índice de Google.
  2. Abre tu robots.txt y asegúrate de que Googlebot puede obtener la página y de que Google-Extended no está prohibido, salvo que hayas decidido excluirte.
  3. Haz una comprobación gratuita de la página en AISeeWhy o envía una petición con el user agent Googlebot: debe recibir el estado 200 y el mismo texto que un navegador.
  4. Hazle a Gemini una pregunta que responda tu página y abre las fuentes que muestra debajo de la respuesta.

Si la página no está indexada, el grounding de Gemini no puede usarla, así que empieza por el paso 1. Las secciones siguientes explican cada paso y qué hacer cuando falla.

¿Cómo obtiene Gemini información de los sitios web?

El Centro de privacidad de las aplicaciones de Gemini dice que algunas respuestas de Gemini se fundamentan en resultados de la Búsqueda. La documentación de Google sobre rastreadores define el grounding como dar al modelo contenido del índice de la Búsqueda de Google en el momento del prompt, para mejorar la exactitud y la relevancia. La misma página dice que Google-Extended controla si el contenido que rastrea Google puede usarse para entrenar modelos de Gemini y para el grounding en las aplicaciones de Gemini y en Grounding with Google Search de Vertex AI.

Google-Extended no tiene una cadena de user agent propia. Google dice que el rastreo se hace con sus user agents existentes y que el token solo funciona como control en el robots.txt. En la práctica, esto deja dos condiciones para que Gemini use tu página: Google debe tenerla en su índice y tu robots.txt no debe bloquear Google-Extended para ella.

Google no documenta cómo elige Gemini qué páginas indexadas usa o cita. Cumplir ambas condiciones hace que tu página esté disponible; no garantiza que Gemini la elija.

¿Cómo compruebo si Google ha indexado mi página?

Usa la herramienta de inspección de URLs de Google Search Console. Para la versión indexada muestra:

Probar URL publicada obtiene la página en tiempo real, y Ver página probada muestra una captura y el HTML que recibió Google. Si la captura es una página de verificación o al HTML le falta tu texto principal, Google, y con él Gemini, no ve tu contenido. Solicitar indexación pide a Google que vuelva a rastrear la URL; Google dice que suele tardar alrededor de un día, sin garantía de indexación.

¿Está Google-Extended impidiendo que Gemini use mi sitio?

Abre tu robots.txt y busca un grupo que nombre Google-Extended. Un Disallow: / ahí le dice a Google que no use tus páginas para entrenar Gemini ni para el grounding en las aplicaciones de Gemini. Google dice que el token no afecta a la inclusión en la Búsqueda de Google y no es una señal de posicionamiento, así que este bloqueo pasa desapercibido con facilidad: tu tráfico de búsqueda parece normal mientras Gemini no puede fundamentar respuestas en tus páginas. Nuestro artículo sobre los AI Overviews y Google-Extended explica qué controla el token en la Búsqueda y qué no.

Como el token nunca aparece en las peticiones, no puedes probarlo con curl ni encontrarlo en los registros. La única comprobación es leer el archivo:

# Show the Google-Extended and Googlebot groups with the lines after them
curl -s https://example.com/robots.txt | grep -n -i -A4 -E "^user-agent: *(google-extended|googlebot)"

# The * group applies to any token without its own group
curl -s https://example.com/robots.txt | grep -n -i -A4 "^user-agent: \*"

La coincidencia no distingue mayúsculas de minúsculas, y si ningún grupo nombra Google-Extended, se le aplica el grupo *. Muchos sitios añadieron este bloqueo cuando se empezó a hablar del entrenamiento de IA. En nuestro estudio de los 1.000 dominios más populares, 114 de los 518 sitios con robots.txt nombraban Google-Extended y 94 (18,1 %) le bloqueaban la página de inicio. Decide si eso sigue siendo lo que quieres, teniendo en cuenta que también afecta al grounding.

¿Puede un cortafuegos bloquear a Google mientras los navegadores pasan?

Sí. Si una protección contra bots o un límite de velocidad responde a los rastreadores de Google con un 403, un 429 o una página de verificación, Google no puede rastrear la página y, con el tiempo, esta puede salir de la Búsqueda y, con ello, del grounding de Gemini. La inspección de URLs es la mejor prueba aquí, porque Google descarga la página desde sus propias direcciones; una prueba con curl desde tu ordenador solo muestra cómo tratan tus reglas al user agent.

Para permitir a Google con seguridad, verifica al visitante en lugar de fiarte del nombre. Google documenta una búsqueda DNS inversa seguida de una búsqueda directa, y publica los rangos de IP de sus rastreadores comunes en common-crawlers.json:

# Reverse lookup: the name must end in googlebot.com, google.com or googleusercontent.com
host 66.249.66.1

# Forward lookup: must return the original address
host crawl-66-249-66-1.googlebot.com

Sustituye la dirección del ejemplo por una de tus registros. Si las dos búsquedas no coinciden, la petición solo dice ser de Google.

¿Cómo veo si Gemini usa o cita mi sitio?

Hazle a Gemini las preguntas que hacen tus clientes, sin nombrar tu sitio, y abre las fuentes. El centro de ayuda de Google dice que el botón Fuentes aparece al final de una respuesta o dentro del texto, y abre un panel de enlaces relacionados que pueden incluir sitios web públicos. Si no hay botón Fuentes, Gemini no ofreció enlaces para esa respuesta, y Google señala que no todas las respuestas los incluyen. Anota qué dominios aparecen y repite las mismas preguntas durante unas semanas.

Los desarrolladores pueden hacer la misma prueba con la API de Gemini y Grounding with Google Search. Google dice que conecta el modelo con contenido web en tiempo real, y las respuestas fundamentadas llevan citas con la URL y el título de cada fuente, así que puedes comprobar si aparece tu dominio. Las respuestas de la API pueden diferir de lo que muestra la aplicación Gemini.

Algunas descargas relacionadas con Gemini sí llegan a tu servidor. Google enumera fetchers activados por usuarios, como Google-GeminiNotebook, que solicita las URLs que los usuarios añaden como fuentes a un proyecto de Gemini Notebook, y Google-Agent, que usan los agentes en la infraestructura de Google que actúan a petición de un usuario. Google dice que estos fetchers suelen ignorar el robots.txt porque fue un usuario quien pidió la descarga. Sus visitas muestran que hay personas que abren tus páginas a través de esos productos; no son la vía de grounding descrita arriba.

¿Afectan a Gemini los AI Overviews, el modo IA y las reglas de fragmentos?

Los AI Overviews y el modo IA son funciones de la Búsqueda de Google con sus propios controles. Google enumera nosnippet, data-nosnippet, max-snippet y noindex como formas de limitar lo que se muestra de tus páginas. Su documentación sobre la metaetiqueta robots dice que nosnippet también impide que el contenido se use como entrada directa para los AI Overviews y el modo IA, y que max-snippet limita cuánto puede usarse. Search Console tiene además un ajuste de IA generativa en la Búsqueda para todo el sitio que puede excluirlo de los AI Overviews, del modo IA y de las funciones de IA generativa de Discover.

Ninguna de esas páginas menciona la aplicación Gemini. No des por hecho que una regla de fragmentos o el ajuste de Search Console cambian el grounding de Gemini, ni que Google-Extended cambia los AI Overviews. noindex es la excepción: según la definición de grounding de Google, una página fuera del índice de la Búsqueda no puede usarse para ello. Para encontrar reglas de fragmentos que quizá hayas olvidado, revisa el HTML y las cabeceras:

# Robots meta tags and data-nosnippet attributes in the HTML
curl -s https://example.com/page | grep -i -o -E '<meta[^>]*name="(robots|googlebot)"[^>]*>|data-nosnippet'

# The same rules sent as an HTTP header
curl -s -I https://example.com/page | grep -i "^x-robots-tag"

¿Cómo lo comprueba AISeeWhy?

La comprobación gratuita de AISeeWhy descarga tu página como Googlebot y los demás rastreadores de IA y de búsqueda junto a un navegador real, aplica tu robots.txt a cada uno, incluido el token Google-Extended, reconoce las páginas de verificación y muestra cuánto texto llega sin JavaScript. La comprobación de visibilidad en IA, en los planes de pago, hace tus preguntas a través de la API de Gemini con grounding en la Búsqueda de Google usando tu propia clave y muestra si tu marca o tu dominio se mencionan o se citan. No consulta los AI Overviews ni el modo IA.

Herramientas gratuitas

Próximos pasos

Rastreadores en este artículo

Preguntas frecuentes

¿Puedo comprobar gratis si Gemini puede ver mi sitio?

Sí. Search Console, una búsqueda site:, tu robots.txt y una pregunta en Gemini no cuestan nada. La comprobación gratuita de AISeeWhy prueba Googlebot, la regla Google-Extended y otros 14 rastreadores para una página al día.

¿Tiene Gemini su propio rastreador?

No para el grounding. Google dice que Google-Extended no tiene cadena de user agent y que el rastreo se hace con sus rastreadores existentes. Otros fetchers activados por usuarios, como Google-GeminiNotebook y Google-Agent, visitan páginas cuando un usuario lo pide, y Google dice que suelen ignorar el robots.txt.

Si bloqueo Google-Extended, ¿puede Gemini seguir mencionando mi marca?

Google dice que no usará tu contenido para el grounding en las aplicaciones de Gemini. Esa regla cubre tus propias páginas. Google no dice nada sobre el contenido de otros sitios que escriben sobre ti, así que Gemini puede seguir nombrando tu marca a partir de esas fuentes.

¿Cuánto tarda en llegar a Gemini un cambio en el robots.txt?

Google no da un plazo para Gemini. Su documentación sobre robots.txt dice que Google suele guardar el archivo en caché hasta 24 horas, así que espera al menos un día antes de volver a probar, y más para las páginas que Google rastrea pocas veces.

¿Usan los AI Overviews y Gemini las mismas fuentes?

Google no documenta cómo se relacionan. Ambos se basan en el índice de Google, pero tienen controles distintos: las reglas de fragmentos y el ajuste de Search Console para los AI Overviews y el modo IA, y Google-Extended para el grounding de Gemini. Revísalos por separado.

¿Cómo sigo las respuestas de Gemini a lo largo del tiempo?

Ten una lista fija de preguntas de clientes, házselas a Gemini de forma periódica y anota qué dominios aparecen en las fuentes. La comprobación de visibilidad en IA de AISeeWhy hace tus preguntas cada semana a través de la API de Gemini con grounding en la Búsqueda de Google y muestra las menciones junto a hasta cuatro competidores. Los resultados de la API pueden diferir de la aplicación Gemini.

Fuentes

Más artículos