¿Qué es llms.txt?
Richard • Jan 21, 2026
Actualizado por
Actualizado el Mar 18, 2026
Google reemplazó el Retraso de Primer Input (FID) con Interacción hasta el Siguiente Pintado (INP) como un Core Web Vital el 12 de marzo de 2024. FID medía únicamente el retraso del navegador antes de procesar la primera interacción del usuario. INP mide el tiempo total desde cualquier interacción del usuario — clic, toque o pulsación de tecla — hasta la primera respuesta visual en pantalla, en todas las interacciones durante una sesión, reportando la peor. INP es más difícil de aprobar: más del 30% de los sitios móviles aún no cumplen con el umbral. Más importante aún, en 2026, los malos puntajes de INP afectan más que los rankings orgánicos. La capacidad de respuesta de la página influye directamente en la rastreabilidad por parte de los crawlers de IA — incluyendo GPTBot y PerplexityBot — y las señales de experiencia del usuario que predicen la elegibilidad para citas de IA. Esta guía explica FID vs INP en detalle y conecta la optimización de INP a la capa de visibilidad de búsqueda de IA que Dageno AI monitorea.
Ambas métricas miden la capacidad de respuesta del sitio web — cómo una página reacciona a las acciones del usuario. Ambas se basan en interacciones reales del usuario: ni FID ni INP se registran si un usuario abre una página y lee sin hacer clic, tocar o presionar una tecla. No puedes medir de manera confiable ninguna de las dos en entornos de laboratorio puros al recargar una página; necesitas simular interacciones reales para generar puntajes.
Esto las distingue de LCP (Largest Contentful Paint) y CLS (Cumulative Layout Shift), que se capturan automáticamente al cargar la página sin importar el comportamiento del usuario.
FID mide únicamente la primera interacción del usuario — el retraso antes de que el navegador comience a procesar el primer clic, toque o pulsación de tecla después de cargar la página.
INP recopila datos sobre cada interacción a lo largo de toda la sesión, y luego reporta la peor interacción individual — la que tardó más en producir una respuesta visible. Google aplica una excepción: si una página tiene más de 50 interacciones en una sesión, el único valor atípico más alto se ignora, evitando que eventos catastróficos raros distorsionen el puntaje. Para la mayoría de las páginas con menos de 50 interacciones por sesión, la interacción más larga se convierte en el puntaje INP.
Ejemplo práctico de cómo se actualiza INP durante una sesión:
FID mide únicamente el retraso de entrada — el tiempo desde una acción del usuario hasta que el navegador comienza a procesarla. El tiempo de procesamiento del navegador y el renderizado visual de la respuesta no se incluyen en FID.
INP mide la duración completa de la interacción: retraso de entrada + tiempo de procesamiento + retraso de presentación — el tiempo hasta que el primer cambio de marco visual aparece en pantalla después de la acción del usuario. INP reporta el tiempo total que el usuario espera para ver que algo sucedió.
Esto hace que INP sea una medida fundamentalmente más completa de la calidad de la interacción. Una página que inicia rápidamente el procesamiento de una interacción pero tarda 800 ms en actualizarse visualmente podría aprobar FID (latencia de entrada rápida) mientras que falla INP (duración total de la interacción lenta).
La transición de FID fue impulsada en parte por el hecho de que la mayoría de los sitios web ya habían logrado buenos puntajes de FID: la métrica se había vuelto insuficientemente discriminativa. Más del 90% de los sitios web aprobaban FID tanto en dispositivos móviles como en escritorio, lo que la convertía en un mal punto de referencia para diferenciar la calidad de la interacción en la web.
INP es significativamente más difícil de aprobar. Más del 30% de los sitios móviles aún no cumplen con el umbral de INP, proporcionando una señal de diferenciación más significativa y un verdadero objetivo de optimización para la mayoría de la industria.
El alcance de primera interacción únicamente de FID significa que podría producir una imagen engañosa de la experiencia del usuario. Una página que responde instantáneamente al primer clic pero se vuelve progresivamente más poco receptiva a medida que el usuario interactúa más profundamente —quizás debido a la acumulación de ejecución de JavaScript en una página pesada interactiva— mostraría un excelente FID mientras que ofrece una mala experiencia real.
INP, al medir todas las interacciones y reportar la peor, refleja lo que los usuarios realmente experimentan durante su tiempo en la página, convirtiéndolo en un proxy más preciso para la capacidad de respuesta percibida por el usuario.
| Puntaje | Clasificación |
|---|---|
| 200ms o menos | Bueno |
| 201ms–500ms | Necesita mejora |
| Más de 500ms | Pobre |
Un buen puntaje de INP requiere que cada interacción a lo largo de una sesión se complete dentro de los 200 ms desde la acción del usuario hasta la respuesta visual. Esto es significativamente más exigente que FID, donde solo se necesitaba que la latencia de entrada de la primera interacción fuera rápida.
En 2026, la optimización de Core Web Vitals tiene implicaciones más allá de los rankings orgánicos que no estaban presentes cuando se introdujo FID.
Según el análisis de crawlers de Cloudflare de mayo de 2025, GPTBot ha crecido hasta el 7.7% de toda la cuota de mercado de crawlers (aumento desde el 2.2% en mayo de 2024, +305%) y PerplexityBot ha crecido un 157,490% desde una presencia mínima. Junto con ClaudeBot y otros crawlers de IA, el tráfico de bots de IA ahora representa una fracción significativa y creciente de la actividad total de crawlers.
Los rastreadores de IA no ejecutan JavaScript. GPTBot, ClaudeBot y PerplexityBot solo consumen HTML estático. Los payloads pesados de JavaScript que producen puntajes INP bajos —porque bloquean el hilo principal, retrasan el procesamiento de eventos o crean tareas largas que impiden actualizaciones visuales oportunas— son también los payloads más propensos a hacer que su contenido sea invisible para los rastreadores de IA. La misma optimización de JavaScript que mejora el INP para usuarios reales también reduce la carga de renderizado que causa que los rastreadores de IA reciban contenido vacío o mal formado.
Esto crea una alineación directa: corregir los problemas de JavaScript que causan puntajes INP bajos también mejora la accesibilidad de los rastreadores de IA que determina si las plataformas de IA pueden indexar y posteriormente citar su contenido.
La distinción crítica: INP es principalmente una métrica de Monitoreo de Usuarios Reales (RUM). Las pruebas de laboratorio pueden simular interacciones, pero los puntajes de INP en Google Search Console reflejan patrones de comportamiento de usuarios reales que no pueden ser replicados completamente en pruebas sintéticas.
Optimizar el INP mejora las señales de experiencia del usuario que contribuyen a la autoridad de la página — y la autoridad de la página es uno de los predictores de la elegibilidad para citas de IA. Pero una vez que su rendimiento técnico está optimizado, aún necesita una capa dedicada para saber si esa optimización se traduce en citas de IA reales.
Dageno AI proporciona esa capa de medición — rastreando el rendimiento de citas de marca a través de ChatGPT, Perplexity, Google AI Overviews, Google AI Mode, Gemini, Claude, Grok, Microsoft Copilot, DeepSeek y Qwen simultáneamente desde un único panel.
Donde la optimización de INP aborda lo que sucede cuando los rastreadores de IA visitan su sitio (calidad de renderizado de JavaScript, accesibilidad del contenido), la integración del gráfico de conocimiento de Dageno AI aborda lo que las plataformas de IA dicen sobre su marca cuando lo hacen — asegurando que el contenido que contienen sus páginas optimizadas y de buen rendimiento esté caracterizado con precisión en las respuestas generadas por IA.
La conexión es secuencial: buen INP → mejor acceso de rastreadores de IA → mayor probabilidad de indexación por IA → Dageno AI monitorea si las páginas indexadas obtienen citas de IA → la alineación del gráfico de conocimiento asegura que esas citas sean precisas.
Precios: Plan gratuito disponible. Los planes pagos escalan con el volumen de solicitudes y la frecuencia de monitoreo.
¿Todavía debería preocuparme por el FID después de la transición al INP?
El FID ya no afecta las evaluaciones de Core Web Vitals en Google Search Console ni las señales de clasificación. Ya no es necesario monitorizarlo. Sin embargo, dado que el FID siempre fue un subconjunto del INP (el componente de retraso de entrada), optimizar el INP abordará naturalmente cualquier problema de FID que pueda haber existido.
¿Es el INP un factor de clasificación?
Sí — el INP es parte de Core Web Vitals, que Google utiliza como señal de clasificación dentro de su evaluación de la experiencia de página. No pasar el INP no garantiza caídas en la clasificación, pero Google ha confirmado que Core Web Vitals son una señal de desempate cuando otros factores de clasificación son similares entre páginas.
¿Qué causa puntuaciones bajas de INP?
La mayoría de las puntuaciones bajas de INP se deben a tareas largas de JavaScript en el hilo principal que retrasan el procesamiento de eventos, scripts de terceros pesados que interfieren con el manejo de interacciones o actualizaciones complejas del DOM que retrasan la representación visual. La misma optimización que reduce estos problemas — división de código, diferir JavaScript no crítico, reducción del bloqueo del hilo principal — también mejora la accesibilidad del contenido para los crawlers de IA.
Ye Faye is an SEO and AI growth executive with extensive experience spanning leading SEO service providers and high-growth AI companies, bringing a rare blend of search intelligence and AI product expertise. As a former Marketing Operations Director, he has led cross-functional, data-driven initiatives that improve go-to-market execution, accelerate scalable growth, and elevate marketing effectiveness. He focuses on Generative Engine Optimization (GEO), helping organizations adapt their content and visibility strategies for generative search and AI-driven discovery, and strengthening authoritative presence across platforms such as ChatGPT and Perplexity
Read full bio