Crawl Budget: El presupuesto de rastreo es compartido
El presupuesto de rastreo determina las tasas de los rastreadores y los bots, y por lo tanto, la velocidad de descubrimiento e indexación.
Documentación crawl budget de Google 2026
Qué cambió en la documentación de crawl budget de Google el 22 de julio de 2026 – y por qué ahora también compite la IA por él
El 22 de julio de 2026, Google reescribió en silencio su documentación sobre crawl budget. Sin anuncio, sin entrada de blog, sin ninguna actualización de algoritmo a la que reaccionar. Solo una reescritura de una página que la mayoría de propietarios de webs nunca abre, enterrada bajo «Optimiza el rendimiento del rastreo» en Search Central.
Merece la pena leerla igualmente. No porque cambie cómo funciona el rastreo – Google es explícito en que no lo hace – sino porque deja por escrito, con precisión, algo que antes quedaba en el terreno de la inferencia. Y una línea en concreto cambia la conversación sobre los rastreadores de IA de una forma que no tiene nada que ver con el posicionamiento y sí con quién llega a ser leído.
Qué es realmente el crawl budget
El crawl budget no es una puntuación algorítmica misteriosa. Es más bien un límite operativo: el conjunto de URLs que Google puede rastrear en tu web sin forzar tu servidor, combinado con el conjunto de URLs que Google realmente quiere rastrear según cuánto cambia tu contenido y cuánto importa.
Google llama a la primera parte límite de capacidad de rastreo – en esencia, cuántas conexiones puede mantener abiertas tu servidor para Google sin degradarse. La segunda parte es la demanda de rastreo – con qué frecuencia Google considera que merece la pena volver, según la frescura del contenido, su popularidad, y cuánto parece único frente a duplicado.
Multiplica las dos y obtienes el crawl budget de una web: no es un número que puedas consultar en ningún sitio, sino un comportamiento que se observa en la rapidez con la que se procesan páginas nuevas o actualizadas.
La mayoría de webs nunca necesitan pensar en esto. Si tus páginas suelen rastrearse el mismo día en que se publican, todo este tema te es irrelevante – así lo plantea el propio Google, con honestidad. Esto importa para catálogos grandes, sitios que se actualizan con frecuencia, y cualquier dominio donde Search Console muestre una proporción alta de URLs atascadas en «Detectada – actualmente sin indexar».
Lo que realmente cambió
Tres cosas de la reescritura de julio merecen que te detengas en ellas.
Toda web parte del mismo límite conservador. Google afirma ahora explícitamente que las webs nuevas y las ya establecidas empiezan con el mismo límite de capacidad de rastreo por defecto. El límite solo sube si hay demanda de rastrear más y la web se mantiene saludable – es decir, tiempos de respuesta consistentes y sin errores de servidor. No hay ventaja de partida por antigüedad ni por tamaño. Hay una línea de salida, y luego está cómo aguanta tu servidor las visitas repetidas.
La salud de rastreo ahora se enmarca en torno a la consistencia, no solo la velocidad. Una web que responde de forma fiable, con latencia estable o en mejora y un Time-to-First-Byte controlado, gana capacidad con el tiempo. Una web que se ralentiza bajo carga, devuelve errores 5xx, o señala limitación de tasa, se rastrea menos. Es el mismo argumento que la calidad de infraestructura siempre ha defendido por sí sola – solo que ahora está escrito en el mecanismo oficial en vez de quedar como inferencia a partir de casos sueltos.
La capacidad de rastreo se comparte entre todos los rastreadores de Google. Esta es la línea que más importa. Googlebot, AdsBot, el rastreador de Google Shopping, y Google-Extended – el rastreador que recopila datos de entrenamiento y de grounding para Gemini y los AI Overviews – extraen todos del mismo depósito finito de capacidad en tu web. Una demanda alta de uno puede reducir lo que queda disponible para los demás.
Esa sola frase resuelve, sin querer, un debate que llevaba corriendo un año en los círculos de SEO técnico: si los rastreadores de IA compiten o no por los mismos recursos que los rastreadores de búsqueda. Google acaba de responder. Compiten.
Por qué esto importa más de lo que parece a simple vista
Si has leído algo aquí sobre cómo la búsqueda está pasando de posicionar páginas a fundamentar respuestas, ya intuyes hacia dónde va esto.
Un sistema que genera respuestas en vez de mostrar una lista de enlaces depende de poder revisitar sus fuentes con la frecuencia suficiente para saber si siguen siendo precisas. La frescura no es un factor de posicionamiento en ese mundo – es una condición previa para ser citable. Y la frescura, mecánicamente, depende de la demanda y la capacidad de rastreo: Google no puede reflejar una actualización que no ha llegado a buscar.
Ahora que Google confirma que sus rastreadores orientados a IA extraen del mismo depósito de capacidad que sus rastreadores de búsqueda, una web ineficiente no solo se rastrea menos para efectos de posicionamiento. Se rastrea menos, punto – en todos los productos de Google que dependen de visitar tus páginas, incluidos los que deciden si citarte en una respuesta generada.
Una web lenta, mal cacheada y con exceso de duplicados no solo posiciona peor. Se vuelve estructuralmente más difícil de mantener actualizada en todos los sistemas que Google construye encima de su infraestructura de rastreo. Es un coste mucho mayor que una penalización de ranking, y es invisible hasta que te pones a buscarlo.
Lo que realmente gana más crawl budget
La propia guía de Google se reduce a una lista corta de cosas que de verdad mueven la aguja, y ninguna es exótica.
Sirve las páginas rápido y de forma consistente
El tiempo de respuesta y la estabilidad están ahora explícitamente ligados al límite de capacidad. Servidores más rápidos y más consistentes se rastrean más. Es exactamente el mismo argumento a favor de la calidad de infraestructura que aparece siempre que se cruzan rendimiento y SEO – solo que ahora tiene un mecanismo oficial detrás en vez de un caso de estudio correlacional.
Da soporte a las peticiones condicionales
Devolver un estado 304 cuando una página no ha cambiado desde la última visita de Google le indica al rastreador que reutilice su copia en caché en vez de volver a descargar la página. Es un detalle técnico pequeño que reduce directamente el coste de cada rastreo, lo que libera capacidad para las páginas que sí cambiaron.
Mantén honesto tu inventario de URLs
El contenido duplicado, las variantes de parámetros, y las páginas que en realidad no quieres indexar consumen crawl budget sin devolver ningún valor. Consolidar duplicados y usar robots.txt para bloquear lo que nunca debería rastrearse – no lo que solo quieres desincentivar temporalmente – mantiene al rastreador centrado en lo que importa.
No confíes en noindex para ahorrar presupuesto
Este es el que más gente pilla desprevenida. Una etiqueta noindex no impide que Google solicite la página – Google todavía tiene que descargarla para ver la etiqueta antes de descartarla. Si el objetivo es detener el rastreo por completo, robots.txt es la herramienta correcta. Noindex solo elimina la página del índice; no protege el crawl budget en absoluto.
Corrige los soft 404 y evita cadenas de redirección largas
Ambos malgastan ciclos de rastreo repetidos en páginas que nunca van a devolver nada útil. Un 404 o 410 claro es una señal nítida, de una sola vez. Un soft 404 – una página que devuelve 200 pero que funcionalmente no tiene contenido – sigue siendo revisitada indefinidamente.
Un término informal que Google acabó teniendo que definir
El crawl budget siguió la misma trayectoria que otro concepto ya tratado en este dominio: empezó como heurística explicativa dentro de la comunidad SEO, usado de forma informal durante años antes de que Google publicara ninguna definición oficial. No existe entidad en Wikidata para él, ni origen académico formal. Existe porque los profesionales necesitaban una palabra para un patrón que llevaban observando, y Google acabó escribiendo su propia definición una vez el término ya se había asentado.
Ese es un vacío de grounding genuino – un concepto ampliamente usado sin una entidad canónica y legible por máquina detrás. Es exactamente el tipo de vacío que el grafo de conceptos DSH existe para cerrar: un descriptor de entidad verificado, con fuente directa en la documentación de infraestructura del propio Google en lugar de comentarios secundarios, con su relación con el SEO técnico, la auditoría de sitios y el E-E-A-T hecha explícita en vez de dejarla implícita.
El argumento silencioso que hay debajo de todo esto
Nada de esto trata realmente sobre crawl budget. Trata sobre qué le pasa a una web que trata su propia infraestructura como un detalle secundario.
Una web que carga rápido, evita la duplicación, gestiona bien las peticiones condicionales, y se mantiene saludable bajo visitas repetidas, gana más atención de todos los rastreadores que Google opera – incluidos los que ahora se confirma que alimentan los sistemas que generan respuestas en vez de listar enlaces. Una web que no lo hace pierde en todo: reindexación menos frecuente, reconocimiento más lento de las actualizaciones, y una porción menor de un depósito de capacidad que Google acaba de confirmar que es compartido, finito, y cada vez más disputado.
Una web que no cuida el presupuesto de rastreo puede derivar precozmente hacia su techo técnico.
La documentación no cambió cómo funciona el rastreo. Simplemente dejó de dejar esa parte a la inferencia.
