La comprobación por línea de comandos de la página de Google acepta nombres que recibe cualquier máquina alquilada en Google Cloud. Repetimos la prueba el 9 de noviembre de 2026. Qué cambiar en tu regla de firewall, y el error contrario: bloquear al Googlebot real.
Si tu firewall deja pasar a Googlebot con los pasos de DNS inverso de la página de Google, cualquiera con una máquina alquilada en Google Cloud puede entrar por la misma puerta. La empresa SenseGap señaló el problema el 5 de noviembre de 2026, y el 9 de noviembre repetimos la prueba: se confirma. Corregirlo lleva una mañana. Cambia la regla por la lista de IP que publica el propio Google, o exige un nombre terminado en .googlebot.com.
En el segundo de los cuatro pasos. La página indica consultar el nombre inverso de la IP, aceptar una terminación en googlebot.com, google.com o googleusercontent.com, consultar ese nombre en sentido directo y ver si vuelve la misma IP. La tercera terminación es el problema: cada máquina virtual de Google Cloud recibe un nombre en bc.googleusercontent.com, y quien alquila una cumple los cuatro pasos sin hacer nada especial.
Más abajo, en la misma página, una tabla cuenta otra historia. Allí, Googlebot usa nombres en googlebot.com, y googleusercontent solo aparece como gae.googleusercontent.com, reservado a los buscadores que activa un usuario, como el verificador de sitios. La lista de los pasos es larga porque cubren todos los robots de Google a la vez. Quien los copió solo para admitir a Googlebot se llevó también un sufijo que no necesitaba. No encontramos ningún comentario de Google sobre esto hasta el 9 de noviembre de 2026.
Tres de cinco IP de Google Cloud pasaron los cuatro pasos. La muestra es pequeña a propósito, porque solo queríamos saber si la puerta existe. Consultamos DNS y las listas públicas, sin enviar ninguna petición a ningún sitio.
El informe de campo es de SenseGap, que vende un panel de robots, y conviene leerlo sabiendo eso. En ocho días, del 28 de octubre al 5 de noviembre de 2026, su sitio recibió 89 peticiones de máquinas de Google Cloud que decían ser Googlebot y superaban la comprobación. Buscaban archivos como .env y .git/config, no páginas. Son cuatro sitios y datos muestreados: alcanza para saber que ocurre, no con qué frecuencia ocurre en el tuyo.
Porque la regla que admite al robot suele dejarlo fuera del alcance de lo que frena a los demás visitantes: límites de peticiones, desafíos, bloqueos por país. En octubre de 2026, Gary Illyes, de Google, dijo en un pódcast que los raspadores se hacen pasar por Googlebot justamente porque los sitios le abren camino, y que cambiar el user agent lleva segundos.
También hay un coste menos visible. Quien analiza logs para entender el rastreo empieza a contar visitas falsas como si fueran de Google, y una carpeta "muy rastreada" puede ser solo alguien barriendo el servidor en busca de credenciales.
Bloquear al robot correcto suele salir más caro que dejar pasar al equivocado. Según la documentación de Google, 403, 404 y los demás códigos 4xx, salvo el 429, se tratan como contenido inexistente, y la URL ya indexada sale del índice. La misma página pide no usar 401 ni 403 para frenar el rastreo; para eso están el 429 y el 503.
El sitio de VLC dio un ejemplo, publicado el 5 de noviembre de 2026. Devolvió 418, un código 4xx, y el resultado siguió en Google con un detalle que Gary Illyes describió en un comentario en LinkedIn: la Búsqueda retuvo la URL un tiempo por ser muy importante y, sin saber qué había en la página, se quedó con "no snippet, no favicon, no nothing". Quedaron el enlace y el último título bueno. El motivo del 418 no se ha hecho público, y nada indica que haya sido un firewall.
De ahí salen dos avisos. Google no documenta qué URL reciben esta protección ni durante cuánto tiempo, así que no planifiques contando con ella. Y un resultado sin descripción y sin icono es un buen motivo para abrir la Inspección de URLs: el navegador de la oficina puede recibir un 200 mientras el robot recibe otra cosa.
Vale, y tienen listas propias. OpenAI publica una por robot (gptbot.json, searchbot.json, chatgpt-user.json), Perplexity hace lo mismo con dos archivos, y Anthropic mantiene una sola, sin decir qué robots cubre. En los cuatro sitios de SenseGap, el 32% de las visitas que decían ser GPTBot y el 87% de las que decían ser PerplexityBot no superaron la comprobación publicada por la propia empresa. En OAI-SearchBot fue el 1%. Son cifras de un proveedor, en pocos sitios, que sirven de alerta y no de media del mercado.
Un cuidado antes de actuar: Anthropic advierte que bloquear sus IP puede no garantizar la exclusión, porque su robot deja de poder leer tu robots.txt. Una lista de IP sirve para saber quién es quién. Decir qué puede leer cada uno sigue siendo tarea del robots.txt.
3000 páginas al mes en el plan Basic, sin tarjeta.