La pregunta cambió. Un gerente de planta que antes tecleaba palabras clave en Google ahora le pregunta a un agente: ¿qué deberíamos usar para planear la producción desde las exportaciones de nuestro ERP? El agente trae un puñado de páginas, lee lo que puede y da una respuesta. No tres enlaces azules. Una respuesta. Si tu página no puede ser leída por lo que la trae, no estás en la respuesta — sin importar qué tan bien se vea la página para una persona.
Qué encontramos en nuestro propio sitio
Auditamos algorilla.org como lo lee un agente. Parte aguantó: nuestra página principal trae catorce preguntas y respuestas en texto plano, y el bloque de evidencia de producción — el resumen matutino, el marcador, la forma del piloto — es texto real que un lector automático puede citar. Parte no. Nuestro llms.txt era una lista pelada de enlaces. La prueba más rica del sitio, cuarenta y un escenarios de demo, se reproducía dentro de un widget de chat en JavaScript que un agente que trae páginas nunca ejecuta. Nuestras páginas de producto tenían pocas de las respuestas en forma de pregunta que la página principal ya tenía. Y pedirle al sitio una página en Markdown devolvía el HTML de la página principal, que es peor que no devolver nada: le enseña al lector un dato equivocado con confianza.
Qué publicamos
Cada página de este sitio ahora se publica en Markdown, generado desde los mismos archivos fuente que el HTML — una sola fuente, para que los dos nunca se separen. Pide cualquier página con un encabezado Accept: text/markdown y recibes el Markdown directamente. El índice llms.txt ahora trae la sustancia, y llms-full.txt guarda todo el sitio como un solo archivo de texto. Los escenarios de la demo están escritos como una página de texto. Productos y Valet OS ganaron el tratamiento de preguntas y respuestas que la página principal ya tenía. Hay páginas de comparación — contra la reconstrucción matutina en hoja de cálculo, contra la IA de chat general, contra la automatización genérica — y una página para cada plataforma principal a la que nos conectamos, diciendo exactamente qué leemos de ella y qué devolvemos. Hay una página para los propios agentes: cómo se conectan a Canopy, qué pueden hacer y las reglas bajo las que trabajan.
La regla debajo
Nada de esto es un truco, y ese es el punto. La disciplina es la misma que vendemos: escribe en texto plano todo lo que un widget muestra, mantén una sola fuente de verdad, y responde las preguntas que la gente realmente hace en las palabras en que las hace. Un agente que lea este sitio nos describirá con precisión — incluidas las cosas que elegimos decir con claridad en lugar de dejarlas a la adivinanza. No publicamos precios, por ejemplo, y ahora el sitio legible por máquinas lo dice con todas sus palabras, para que un modelo pueda afirmar ese hecho en lugar de inventar una cifra o llamar oscura la oferta.
Diseñar para agentes resulta ser diseñar para lectores que no pueden ver tu diseño. Lo que sobrevive esa prueba es la sustancia: los datos, la evidencia, las respuestas. Que es lo que se supone que cargaba el sitio desde el principio.