La respuesta corta es no: bloquear Google-Extended no hará que tu sitio desaparezca de AI Overviews. Es habitual confundir ambas funciones y añadir una regla Disallow para Google-Extended en robots.txt con la intención de impedir que los resúmenes de IA de Google citen el sitio. Sin embargo, AI Overviews puede seguir mostrando el contenido aunque este quede excluido del entrenamiento de Gemini. Google-Extended controla si el contenido puede utilizarse para entrenar modelos generativos; las citas de AI Overviews proceden de un flujo completamente distinto.
¿Qué es exactamente Google-Extended?
Google-Extended es un control independiente que Google presentó en septiembre de 2023. Se configura en robots.txt y permite decidir si Google puede utilizar las páginas de un sitio para entrenar y mejorar los modelos de la familia Gemini y las API generativas de Vertex AI. Hay un matiz importante: Google-Extended no es un rastreador y no visita sitios por sí mismo. Googlebot sigue encargándose del rastreo; Google-Extended funciona únicamente como un interruptor que determina si el contenido ya rastreado puede utilizarse para la IA generativa.
Por eso, no afecta a la indexación ni al posicionamiento en Google. Aunque lo bloquees, Googlebot podrá seguir rastreando la página, esta podrá permanecer en el índice de búsqueda y su posicionamiento no debería cambiar. Google lo indica expresamente: bloquear Google-Extended no modifica la posición de un sitio en los resultados de búsqueda. De ahí que muchas personas crean que la configuración «no ha hecho nada»: en lo que respecta a la búsqueda, efectivamente no ha cambiado nada.
¿Por qué bloquearlo no afecta a AI Overviews?
AI Overviews y AI Mode son funciones de la búsqueda de Google. Las fuentes que utilizan proceden del índice creado a partir del rastreo de Googlebot, no de Google-Extended. La posibilidad de aparecer citado en AI Overviews depende, en realidad, de la visibilidad en el posicionamiento orgánico: que la página pueda rastrearse, que esté indexada y que su estructura permita a los sistemas extraer una respuesta apta para incorporarla directamente al resumen. Google-Extended no interviene en ese flujo.
Cómo configurar Google-Extended en robots.txt
El archivo robots.txt debe estar en el directorio raíz del sitio. Para impedir por completo que el contenido se utilice en el entrenamiento de Gemini, aplica una regla Disallow a este token. Si quieres permitirlo, utiliza Allow o, sencillamente, no incluyas ninguna regla: el acceso está permitido de forma predeterminada. También puedes establecer restricciones por ruta; por ejemplo, bloquear solo el área de miembros o determinados directorios y mantener abierto el resto del sitio. Las reglas de Google-Extended son independientes de las de Googlebot y no se sobrescriben entre sí, por lo que puedes impedir el uso para entrenamiento sin cerrar el acceso a la búsqueda.
- Bloquear por completo el uso para entrenamiento: User-agent: Google-Extended seguido de Disallow: /
- Permitirlo por completo (opción predeterminada): no incluyas ninguna regla, o utiliza User-agent: Google-Extended seguido de Allow: /
- Bloquear solo directorios concretos: utiliza User-agent: Google-Extended seguido de Disallow: /members/ y mantén abierto el resto
- Una vez aplicado el cambio, utiliza la prueba de robots.txt de Google Search Console o abre directamente yourdomain.com/robots.txt en el navegador para comprobar que la configuración está activa.
Entonces, ¿conviene bloquearlo? Tres escenarios
La decisión depende de la función del contenido: ¿es un activo que necesitas proteger o material de marketing al que quieres dar la mayor visibilidad posible, tanto entre personas como entre modelos? Estos tres escenarios ayudan a elegir la configuración adecuada.
- El contenido es un activo monetizable —como investigación propia, conocimiento de pago o informes exclusivos—: suele ser preferible bloquear su uso para entrenamiento y no alimentar modelos gratuitamente, sin renunciar a las oportunidades de aparecer citado en la búsqueda y en AI Overviews.
- En un B2B SaaS, el objetivo es que la marca aparezca mencionada en las respuestas de IA: normalmente no es necesario bloquearlo. Permitir que los modelos aprendan del contenido puede aumentar las posibilidades de que un asistente de IA recomiende la marca de forma proactiva.
- Existen restricciones de licencia, requisitos de cumplimiento normativo o contenido sensible: bloquea directorios concretos en lugar de aplicar una prohibición a todo el sitio y mantén el contenido público de marketing disponible para el entrenamiento.
No confundas los rastreadores de entrenamiento con los de recuperación de información
Esta confusión provoca uno de los errores de GEO más frecuentes y costosos. En el ecosistema de la IA hay, a grandes rasgos, dos tipos de rastreadores: los de entrenamiento incorporan contenido a los modelos; los de recuperación lo rastrean cuando el usuario formula una consulta, generan una respuesta y adjuntan las fuentes. Google-Extended, GPTBot, Applebot-Extended y ClaudeBot pertenecen al primer grupo; OAI-SearchBot, PerplexityBot y Googlebot, al segundo. Algunas organizaciones bloquean ambos para «proteger el contenido». El resultado es que apenas reducen lo que aprende el modelo, pero desaparecen de la lista de fuentes que puede citar la IA.
- GPTBot (entrenamiento de OpenAI): bloquearlo impide que el contenido se incorpore al entrenamiento de ChatGPT, pero no evita que las búsquedas de ChatGPT encuentren tu sitio.
- OAI-SearchBot (búsqueda de OpenAI): bloquearlo impide que la búsqueda de ChatGPT rastree tu contenido y lo muestre como fuente.
- PerplexityBot (búsqueda de Perplexity): si lo bloqueas, tu contenido no podrá incluirse en las respuestas de Perplexity.
- Google-Extended (entrenamiento de Google): bloquearlo excluye el contenido del entrenamiento de Gemini, pero AI Overviews aún puede citarlo.
- Googlebot: es el acceso esencial. Bloquearlo equivale a abandonar tanto la búsqueda como AI Overviews. Casi nunca deberías hacerlo.
¿Qué puedes hacer si de verdad quieres influir en cómo aparece tu contenido en AI Overviews?
A fecha de publicación, Google no ofrece un control específico para «salir de AI Overviews y conservar los fragmentos de la búsqueda convencional». Las opciones disponibles actúan sobre la recuperación en la búsqueda: nosnippet impide mostrar cualquier fragmento; max-snippet limita su longitud; y data-nosnippet excluye una sección concreta de la página. Estas configuraciones también afectan a los fragmentos de los resultados de búsqueda convencionales, un coste que rara vez compensa. En vez de buscar una salida, suele ser más práctico crear contenido que pueda citarse con claridad: preguntas bien definidas, respuestas directas y párrafos con sentido independiente. Así facilitas que la IA cite tu contenido y lo haga con precisión.
Volvamos a la pregunta inicial: bloquear Google-Extended no evita que AI Overviews cite tu contenido porque ambos sistemas operan por separado. Lo que sí debes comprobar es que no hayas bloqueado por error los rastreadores de búsqueda y, con ello, excluido tu propio sitio de las fuentes de IA. Si no sabes qué rastreadores de IA permite o bloquea actualmente el archivo robots.txt de tu sitio, puedes solicitar un diagnóstico GEO de 30 minutos con Tenten GEO. Revisaremos contigo las configuraciones de entrenamiento y recuperación para confirmar qué conviene permitir y qué conviene bloquear.
