Datos · Sitios y rastreadores de IA
Sitios web de firmas de abogados de EE. UU. y rastreadores de IA
De 44,118 sitios web de firmas de abogados de Estados Unidos con archivo para rastreadores leído, el 2.2% bloquea la página de inicio para al menos uno de ocho rastreadores y controles de IA con nombre, y el 8.0% nombra a GPTBot en el archivo. (fuente: Probative, law-firm-ai-readiness dataset, national row, en inglés) El 0.1% de 44,118 páginas de inicio muestra menos de 200 caracteres de texto antes de que se ejecute JavaScript, y el 7.6% de 42,840 sitios tiene páginas en español que no nombran un servicio de traducción. Por estado y mercado, leídos del 2026-11-03 al 2026-11-04; el otro nombre de dominio de cada sitio se consultó el 2026-11-06.
¿Qué contiene este conjunto de datos?
Qué muestran a los rastreadores de IA los sitios web de firmas de abogados de EE. UU., medido en los archivos y páginas públicos de los propios sitios: a cuáles de ocho rastreadores y controles de IA con nombre (GPTBot, OAI-SearchBot, ChatGPT-User, ClaudeBot, Claude-User, PerplexityBot, Google-Extended, meta-webindexer) nombra el archivo para rastreadores de cada sitio (el archivo de texto en su raíz que indica a los rastreadores qué pueden visitar) y a cuáles no les permite la página de inicio, si los dominios con y sin www llevan a un solo sitio, cuánto texto de la página de inicio se recibe antes de que se ejecute JavaScript y cómo se presentan sus páginas en español. También cuenta datos estructurados FAQPage y Organization y etiquetas nosnippet y max-snippet en las mismas páginas. Solo datos agregados por estado y mercado; no se nombra ni se califica a ninguna firma ni sitio.
Úselo para comparar su sitio con las firmas de su estado o mercado antes de pagar por trabajo de búsqueda con IA: si su archivo para rastreadores trata a estos rastreadores como usted quiere, si su página de inicio tiene texto antes de que se ejecute JavaScript y qué tan común es una página en español donde usted compite. Una proporción es el porcentaje de la base que indica la fila.
- Registros
- 77
- Consulta por
- 45
- estado
- Registros de fuente primaria
- 77
¿De dónde vienen los datos?
Las páginas las lee nuestro rastreador del censo (con un agente de usuario descriptivo propio, a un ritmo espaciado, pocas páginas por sitio, sin JavaScript). El archivo para rastreadores de cada sitio se compara con el nombre de cada rastreador de la lista según el estándar de internet para esos archivos (el grupo que nombra al rastreador, si no el grupo de todos los rastreadores; gana la ruta más larga que coincide y un permiso gana un empate). El HTML sin procesar de las páginas leídas da el texto visible antes de JavaScript, los tipos de datos estructurados, las etiquetas meta de búsqueda y la clase de español. Una solicitud más al otro nombre de dominio (con o sin www) de cada sitio registra su respuesta, sin seguir redirecciones. Un sitio cuenta cuando el título de su página de inicio o sus datos estructurados legales muestran una firma de abogados y lista una oficina en EE. UU. Cada proporción se recalcula por separado a partir de las filas por sitio, y 20 sitios al azar se vuelven a derivar de sus páginas sin procesar.
- Periodo que cubre
- Del 3 de noviembre de 2026 al 4 de noviembre de 2026
- Lugares
- Todo EE. UU., estados y áreas metropolitanas
- Cada cuánto lo actualizamos
- Cada trimestre
- Próxima publicación de la fuente
- Febrero de 2027
- Registros leídos
- El 6 de noviembre de 2026
- Columnas del CSV
- 50
Las fuentes que más citan los registros
Los nombres de las fuentes se muestran tal como están en los datos, en inglés.
Cómo leer estas fuentes
- Otros sitios web (1 de 1 en la lista). Cualquier otro sitio se lee por lo que muestra en la página, y se pesa su calidad antes de usarlo: quién lo escribió, qué cita y si indica una fecha. Preferimos la fuente primaria que haya detrás cuando existe.
¿Cómo se ve un registro?
-
Estados Unidos: de 44.118 sitios web de firmas de abogados de EE. UU. con archivo para rastreadores leído, el 2,2% bloquea la página de inicio para al menos uno de ocho rastreadores y controles de IA con nombre (GPTBot 2,1%, OAI-SearchBot 0,0%, ClaudeBot 2,0%, PerplexityBot 0,1%, Google-Extended 2,0%); de 44.118 sitios, el 0,1% muestra menos de 200 caracteres de texto antes de que se ejecute JavaScript, el 15,6% lleva marcado FAQPage y el 68,2% marcado de tipo Organization; de 42.840 sitios, el 7,6% tiene páginas en español que no nombran un servicio de traducción, el 0,8% páginas en español que nombran uno, el 3,9% solo un widget de traducción y el 87,7% no tiene páginas en español.
Estado P · revisado el 6 de noviembre de 2026 · fuente: Probative, law-firm websites read 2026-11-03 to 2026-11-04 (method and data) (en inglés)
-
California: de 7.258 sitios web de firmas de abogados de EE. UU. con archivo para rastreadores leído, el 2,2% bloquea la página de inicio para al menos uno de ocho rastreadores y controles de IA con nombre (GPTBot 2,1%, OAI-SearchBot 0,0%, ClaudeBot 2,1%, PerplexityBot 0,0%, Google-Extended 2,1%); de 7.258 sitios, el 0,2% muestra menos de 200 caracteres de texto antes de que se ejecute JavaScript, el 16,3% lleva marcado FAQPage y el 64,4% marcado de tipo Organization; de 7.012 sitios, el 10,1% tiene páginas en español que no nombran un servicio de traducción, el 1,2% páginas en español que nombran uno, el 5,3% solo un widget de traducción y el 83,4% no tiene páginas en español.
Estado P · revisado el 6 de noviembre de 2026 · fuente: Probative, law-firm websites read 2026-11-03 to 2026-11-04 (method and data) (en inglés)
-
Texas: de 4.270 sitios web de firmas de abogados de EE. UU. con archivo para rastreadores leído, el 2,5% bloquea la página de inicio para al menos uno de ocho rastreadores y controles de IA con nombre (GPTBot 2,3%, OAI-SearchBot 0,1%, ClaudeBot 1,9%, PerplexityBot 0,1%, Google-Extended 2,3%); de 4.270 sitios, el 0,2% muestra menos de 200 caracteres de texto antes de que se ejecute JavaScript, el 16,7% lleva marcado FAQPage y el 68,9% marcado de tipo Organization; de 4.116 sitios, el 11,2% tiene páginas en español que no nombran un servicio de traducción, el 1,5% páginas en español que nombran uno, el 5,3% solo un widget de traducción y el 82,1% no tiene páginas en español.
Estado P · revisado el 6 de noviembre de 2026 · fuente: Probative, law-firm websites read 2026-11-03 to 2026-11-04 (method and data) (en inglés)
Los registros completos agregan las fechas, el texto citado de la fuente y todos los campos de los archivos CSV y JSON de abajo. Aquí el texto de cada registro está en español; en los archivos, el campo de texto está en inglés.
¿Cómo lo uso en mis propias herramientas?
ai_readiness_lookup- Para un código de estado de dos letras (o US): las proporciones de sitios de firmas de abogados según la regla del archivo para rastreadores de cada rastreador o control de IA, el texto antes de JavaScript, el marcado FAQPage y Organization y la clase de español, con las filas de los mercados del estado.
ai_readiness_compare- Las mismas cifras de varios estados lado a lado.
ai_readiness_search- Filas cuyo texto coincide con las palabras dadas, como un estado, un mercado o un rastreador.
Cómo citar este conjunto de datos
Puede reutilizar, adaptar y volver a publicar estos datos, incluso con fines comerciales, bajo la licencia Creative Commons Atribución 4.0 (CC BY 4.0). La única condición es que dé crédito a Probative y enlace a la fuente.
- Versión
- 1.0.0, publicada el 6 de noviembre de 2026
- Todas las versiones
- 10.5281/zenodo.24015037 (siempre apunta a la más reciente)
- Licencia
- CC BY 4.0
Descargue los datos
- CSV: law-firm-ai-readiness.csv 82 KB · una fila por registro (las columnas están en README.txt)
- JSON: law-firm-ai-readiness.json 189 KB · cada registro con sus fuentes
- CSV: law-firm-ai-readiness-values.csv 3 KB · una fila por valor de las columnas que solo tienen algunos registros (id, columna, valor)
Gratis, sin correo ni inicio de sesión. Los archivos están alojados en este sitio y Zenodo, un archivo público de investigación.
Cita sugerida
Probative. (2026). US law-firm websites and AI crawlers: crawler-file rules, text before JavaScript, snippet limits and Spanish pages, by state and market (Version 1.0.0) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.24015038
Atribución para un gráfico, una tabla o un artículo
Source: Probative, US law-firm websites and AI crawlers: crawler-file rules, text before JavaScript, snippet limits and Spanish pages, by state and market, version 1.0.0, https://doi.org/10.5281/zenodo.24015038, licensed CC BY 4.0.
Cita de estilo Bluebook, para escritos legales de EE. UU.
Probative Growth, US law-firm websites and AI crawlers: crawler-file rules, text before JavaScript, snippet limits and Spanish pages, by state and market, Version 1.0.0 (Nov. 6, 2026), https://doi.org/10.5281/zenodo.24015038.
Agregar a un gestor de referencias (Zotero, Mendeley, EndNote)
No es asesoría legal. Son conteos de lo que decían los archivos para rastreadores y las páginas sin procesar de los sitios de firmas de abogados cuando se leyeron. Una regla en esos archivos es lo que dice el archivo; no muestra lo que hace ninguna herramienta de IA, y nada aquí mide si una firma aparece en respuestas de IA. Los conteos no describen la calidad de ninguna firma.
¿Qué cambió recientemente?
- 2026-11-06 · Sitios web de firmas de abogados y rastreadores de IA, publicado por primera vez. Reglas del archivo para rastreadores sobre ocho rastreadores y controles de IA con nombre, el texto de la página de inicio antes de que se ejecute JavaScript, marcado FAQPage y Organization, límites de fragmentos, dominios con y sin www y páginas en español en 44,118 sitios web de firmas de abogados de EE. UU.: el 2.2% bloquea la página de inicio para al menos un rastreador o control de IA con nombre. (fuente, en inglés)
La bitácora completa está en changes.json. Aquí cada entrada está en español; en el archivo, en inglés.
¿Cuáles son los límites?
- Una regla en un archivo para rastreadores (el archivo de texto en la raíz de un sitio que indica a los rastreadores qué pueden visitar) es lo que dice el archivo: no muestra cómo se comporta ninguna herramienta de IA, y nada aquí mide si una firma aparece en respuestas de IA.
- Un sitio cuenta cuando el título de su página de inicio o sus datos estructurados legales muestran una firma de abogados, así que una página que no nombra una firma en su HTML sin procesar queda fuera del grupo; por eso la proporción de menos de 200 caracteres es un mínimo.
- La prueba es automática: una revisión de los títulos de la página de inicio de 150 sitios al azar del grupo encontró 5 que no eran firmas de abogados (por ejemplo, un directorio, la oficina de un fiscal municipal o una asociación de abogados).
- Una página en español que no nombra un servicio de traducción aun así pudo traducirse con una herramienta: la clase dice cómo se presenta la página, no quién la escribió ni qué tan buena es.
- El grupo son 44,118 de los 96,885 sitios de firmas de EE. UU. del censo: los que tienen páginas guardadas y además pasan la prueba de la página de inicio, no una muestra al azar. Frente a la lista completa, el grupo muestra una señal de español en el 11.7% frente al 9.5%, un archivo llms.txt en el 35.0% frente al 31.6% y marcado legal en el 36.8% frente al 27.8%, y el marcado legal es una de las vías de entrada al grupo, así que estas proporciones, sobre todo las de marcado, probablemente quedan por encima de la lista completa. Cada fila de estado y de mercado se basa en al menos 100 sitios.
- Los registros con más de 130 días desde su última revisión se marcan como
stale(desactualizados) en los archivos hasta que los volvamos a revisar. Cada error confirmado que corregimos aparece en el registro de correcciones de datos.
¿Encontró un valor equivocado? Reporte un error con el identificador del registro y la fuente que muestra el valor correcto.
Compruebe usted mismo un valor
- Afirmación. Copie la cifra y el identificador del registro del que sale; cada registro de los archivos tiene un identificador.
- Fuente. Abra el enlace de la fuente de ese registro y busque la misma fila, regla o tabla.
- Comparación. Compare el valor, la unidad y la fecha en que se leyó el registro. Una edición más nueva de la fuente puede diferir sin que nuestro registro esté mal.
- Reportar o citar. Si no coinciden, reporte el error con el identificador y la fuente. Si coinciden, cite el registro con su fecha de lectura.
¿Dos números para lo que parece lo mismo? Antes de decidir que uno está mal, compruebe que miden lo mismo: el mismo lugar, el mismo periodo, la misma unidad y la misma definición. Las notas de las columnas de esta página dicen qué cuenta cada una de las nuestras.
¿Dirige una firma? No necesita los datos en bruto: nos encargamos de las reglas de publicidad de su estado. Vea primero dónde está su firma.
Para citar estos datos: Probative Growth, US law-firm websites and AI crawlers: crawler-file rules, text before JavaScript, snippet limits and Spanish pages, by state and market, 2026, https://doi.org/10.5281/zenodo.24015038. Más formatos en el kit de citas.
Publicado por Probative Growth, una agencia de marketing para firmas de abogados. Vea nuestros servicios y los precios.
Gratis
Pida su revisión gratis.
Envíenos el sitio web de su firma. Probative Growth graba un video de 90 segundos de lo que ven los clientes cuando la buscan, y se lo envía con un resumen de una página en 2 días hábiles. Sin accesos y sin necesidad de llamada.
¿No sabe por dónde empezar? Responda 7 preguntas ¿Listo para conversar? Hable con nosotros O vea qué dice la IA de su firma
Su revisión gratis: Cubre su perfil de Google, su sitio web, su teléfono y sus anuncios, con información pública.