El fin de la web "solo para humanos": Por qué tu negocio necesita hablar 'Robot' (llms.txt y el futuro de la documentación)

Durante décadas, hemos diseñado internet bajo una regla de oro: el usuario final es una persona. Escribimos para que unos ojos biológicos lean, entiendan y hagan clic.

Pero en Marte sabemos que el viento está cambiando. Estamos cruzando un umbral donde la mayor parte de la atención que reciba tu web no vendrá de humanos, sino de Modelos de Lenguaje (LLMs). Como dice Andrej Karpathy, seguimos escribiendo para personas mientras ignoramos que la "atención de las IAs" está a punto de dominar el ecosistema digital.

Si tu web no sabe hablar con ellas, simplemente no existe.

1. El problema: ¿Por qué la IA "alucina" cuando lee tu web?

A veces culpamos a la IA de inventarse cosas (las famosas alucinaciones), pero la realidad es más sencilla: tu web es ruidosa. La documentación tradicional (PDFs pesados, menús infinitos en JavaScript o HTML sucio) es un laberinto para un agente de IA por varias razones:

• Saturación de "ruido digital": El código innecesario y la navegación compleja consumen los "tokens" (la memoria de trabajo) de la IA. Es como intentar leer un libro mientras alguien te grita al oído.
• Contenido invisible: Las IAs no pueden "adivinar" menús desplegables o elementos dinámicos que solo aparecen tras un clic humano.
• Falta de un mapa claro: Sin una estructura pensada para máquinas, los agentes de IA tienen que jugar al ensayo y error para entender qué haces y cómo ayudarte.

2. La solución estructural: /llms.txt

¿Recuerdas el archivo robots.txt que le decía a Google qué indexar? Pues bien, dale la bienvenida a su evolución: llms.txt.

Es un archivo que colocamos en la raíz de tu sitio para guiar a los agentes de IA. No es para humanos, es un "manual de instrucciones rápidas" para que ChatGPT, Claude o Gemini entiendan tu web en milisegundos.

En Marte, apostamos por este enfoque porque elimina el ruido visual y técnico, permitiendo que las herramientas de IA extraigan la esencia de tu negocio con una precisión quirúrgica.

3. ReadMe.LLM: Cómo escribir para que te entiendan

Para que una IA no solo lea tu contenido, sino que lo ejecute o lo recomiende correctamente, seguimos el marco de trabajo ReadMe.LLM. Se basa en tres pilares:

1. Reglas de comportamiento (<rules>): Le decimos a la IA cómo actuar. "Si el usuario pregunta por precios, prioriza siempre la tarifa actual sobre las ofertas pasadas".
2. Descripción del dominio (<library_description>): Un resumen que sitúa a la IA. No le dejes adivinar; dile quién eres y qué resuelves.
3. Contexto con ejemplos (<context>): No basta con decir lo que haces; hay que mostrar cómo se usa. Intercalar firmas de funciones con ejemplos reales reduce las alucinaciones a casi cero.

4. Los datos no mienten: Del 30% al 100% de éxito

Implementar documentación orientada a IAs no es un capricho "geek", es una necesidad de negocio. Los estudios recientes son claros:

• Sin contexto específico: Los modelos de IA suelen fallar el 70% de las veces al intentar realizar tareas complejas en una web.
• Con ReadMe.LLM: La tasa de éxito sube al 100% en modelos como GPT-4o o Claude 3.7.

Cuando optimizas para máquinas, no solo estás siendo moderno; estás garantizando que cuando un cliente le pregunte a su asistente personal por un servicio como el tuyo, la respuesta sea tu marca.

5. El Futuro: Agentes que actúan por ti

La web ya no es solo para "leer", es para actuar. Con protocolos como el MCP (Model Context Protocol), los agentes autónomos pronto podrán reservar citas, comparar seguros o cuadrar calendarios navegando por las webs por nosotros.

Pero para que eso ocurra, tu web debe dejar de ser una caja cerrada. El archivo llms.txt es el primer paso hacia una presencia digital inteligente, donde las máquinas puedan entenderse entre sí para ahorrarle tiempo a las personas.

En Marte, ya estamos construyendo ese puente. Porque el futuro de internet será generativo, y queremos que tu negocio sea el primero en cruzarlo. 🪐

Bibliografía:

Wijaya, S., Bolano, J., Soteres, A. G., Kode, S., Huang, Y., & Sahai, A. (2025). Readme. llm: A framework to help llms understand your library. arXiv preprint arXiv:2504.09798.

Cranefield, S. (2025, October). Are LLMs and the Model Context Protocol Sufficient for Automating Web-Based Information Processing?. In Proceedings of the Second International Workshop on Hypermedia Multi-Agent Systems (HyperAgents 2025) co-located with 28th European Conference on Artificial Intelligence (ECAI 2025) (Vol. 4084, pp. 66-72). CEUR-WS.