ChatGPT, Bytespider, PetalBot… cada vez hay más bots que visitan tu WordPress no para buscarte en Google, sino para copiar tu contenido y usarlo en entrenar modelos de inteligencia artificial. Y muchos de ellos ni siquiera respetan las reglas que les pones.
Por qué esto es un problema nuevo y creciente
Bots de entrenamiento de IA que rastrean tu contenido sin permiso
A diferencia de Googlebot (que rastrea para indexarte y enviarte tráfico), estos bots recogen tu contenido para entrenar modelos de lenguaje — sin atribución, sin enlace de vuelta, sin ningún beneficio para tu sitio.
Aumento del tráfico de bots de IA en 2025-2026
El volumen de este tipo de tráfico ha crecido mucho en poco tiempo, y en sitios con bastante contenido puede llegar a suponer una parte notable del tráfico total — consumiendo ancho de banda y recursos del servidor sin ningún retorno.
Por qué robots.txt no es suficiente
Bytespider y otros bots que lo ignoran directamente
El archivo robots.txt es solo una petición educada: le dice a un bot «por favor no rastrees esto», pero nada le obliga a cumplirlo. Varios bots de IA conocidos, entre ellos Bytespider (de ByteDance), tienen fama de ignorarlo con frecuencia.
Cómo bloquear estos bots de verdad, a nivel de servidor
Lista de user-agents de bots de IA conocidos
Algunos de los más comunes: GPTBot y ChatGPT-User (OpenAI), ClaudeBot (Anthropic), Bytespider (ByteDance), PetalBot (Huawei), CCBot (Common Crawl, usado por muchos modelos), Google-Extended (entrenamiento de Google, distinto de Googlebot).
Bloqueo real vía firewall, no solo una sugerencia que el bot puede ignorar
La única forma de bloquear de verdad a un bot que no respeta robots.txt es a nivel de servidor: identificar su user-agent (o su comportamiento, si falsea el user-agent) y devolverle un bloqueo real antes de que consuma ningún recurso de tu WordPress.
Qué bots de IA sí te interesa dejar pasar
Diferencia entre bots de entrenamiento y bots que citan tu contenido con atribución
No todos los bots relacionados con IA son iguales. Algunos (como los que alimentan respuestas con enlace directo a tu página) sí te generan tráfico real. Antes de bloquear en bloque «todo lo que suene a IA», conviene diferenciar cuáles te interesa mantener.
Preguntas frecuentes
¿robots.txt basta para bloquear bots de IA como Bytespider?
No siempre — robots.txt es una petición voluntaria, y algunos bots de IA la ignoran directamente. Para un bloqueo real hace falta hacerlo a nivel de firewall/servidor.
¿Bloquear bots de IA afecta a mi posicionamiento en Google?
No si distingues bien los user-agents: Googlebot es un rastreador de búsqueda, no un bot de entrenamiento de IA, y son bloqueos independientes.
¿Qué pasa si no bloqueo los bots de entrenamiento de IA?
Tu contenido puede usarse para entrenar modelos de IA sin tu consentimiento ni atribución, además de consumir recursos de tu servidor con su rastreo.