¿Debería sorprendernos que los editores aprendan a influir en las respuestas de los chatbots?

Un experimento del desarrollador freelance Vincent Schmalbach, verificado después de forma independiente por The Register, ha destapado una práctica tan simple como inquietante: la revista Time sirve páginas distintas según quien las solicite. Si la petición llega identificada como un usuario humano, recibe la página normal. Si llega identificada mediante el user agent como un modelo de inteligencia artificial, recibe una versión en formato markdown —el lenguaje que los modelos procesan de forma más eficiente— plagada de contenido publicitario que ningún lector humano llega a ver nunca: bloques de preguntas frecuentes construidos como anuncios, datos de marca, enlaces a campañas concretas y afirmaciones promocionales presentadas como si fueran información objetiva.

La clave de la manipulación está en el formato: no son anuncios pensados para convencer a una persona, sino fragmentos breves, autocontenidos y fácilmente citables, diseñados específicamente para que un chatbot los recoja como materia prima al construir su respuesta. El objetivo no es que el usuario vea el anuncio, sino que el chatbot lo absorba y lo repita como si fuera su propio criterio. Para rematar el modelo de negocio, las cabeceras de estas páginas incluyen un identificador único de impresión por cada petición y un recuento de tokens, de modo que Time puede facturar a las marcas por cada página markdown servida a una máquina y reportar ese tráfico de bots como si fuera audiencia. La impresión publicitaria deja así de depender de un humano que mira una pantalla y pasa a depender de una máquina que ha ingerido una cantidad determinada de texto.

Lo que este mecanismo anticipa es un mercado publicitario basado en el acceso computacional en lugar de en la atención humana: una suerte de autoridad editorial alquilada a las marcas para influir, no ya en los lectores, sino en los intermediarios que esos lectores consultan. Y ahí reside la verdadera novedad: influir en el intermediario en el que el usuario confía puede ser mucho más rentable que influir directamente en el usuario, porque mientras una campaña tradicional busca cambiar la percepción de cada persona a la que llega, una campaña dirigida al chatbot aspira a condicionar las respuestas que ese chatbot ofrecerá después a millones de personas distintas.

Conviene matizar el alcance real del truco: esto no reentrena de forma permanente el modelo base ni altera todas sus respuestas de manera estructural, algo que solo está al alcance de la empresa propietaria del modelo. Lo que sí logra es condicionar el índice, la recuperación de información y las respuestas basadas en búsqueda, mediante un contexto particularmente persistente. Es, en esencia, una forma de manipular las búsquedas que el propio chatbot realiza para responder a las preguntas del usuario. Y aun con ese matiz, el impacto no es menor, porque un buscador tradicional ofrece una lista de resultados entre los que el usuario puede elegir —aunque ya condicionado por el orden de aparición—, mientras que un chatbot entrega una única afirmación, formulada con gran autoridad, que puede dar por buena una idea sobre una marca sin que el usuario tenga ninguna alternativa con la que contrastarla. Esa diferencia estructural es lo que convierte la táctica en potencialmente mucho más influyente que la publicidad en buscadores.

No todo lo que se hace para adaptar contenidos a las máquinas es cuestionable: ofrecer información limpia, accesible, estructurada y verificable para que los modelos la procesen mejor es perfectamente legítimo, y de hecho una práctica cada vez más extendida. El problema surge cuando, además, se introduce contenido promocional ocultándolo deliberadamente a los lectores humanos con el fin de alterar las recomendaciones que reciben. Eso ya roza lo que se conoce como retrieval poisoning: la manipulación de los sistemas de recuperación de información (RAG) mediante documentos pensados para ser recuperados y procesados de maneras que el usuario final desconoce por completo. Por muy etiquetado que esté el contenido como patrocinado en el origen, se trata de un ataque directo a una vulnerabilidad muy concreta: la confianza que el modelo deposita en el material que recupera durante sus búsquedas.

De ahí surge una paradoja evidente: ¿para qué etiquetar el contenido como patrocinado si el usuario final jamás va a ver esa etiqueta? En apariencia, nadie incumple ninguna norma: Time marca el contenido como publicidad, el chatbot sostiene que simplemente ha hecho una búsqueda, y el anunciante alega haber comprado un formato aprobado por el propio medio. Pero el resultado final es que el usuario recibe una recomendación pagada sin ninguna posibilidad de saber que lo es. La conclusión que se plantea es clara: ningún chatbot debería presentar jamás una recomendación pagada como si fuera contenido orgánico genuino, y será necesario desarrollar una regulación específica para garantizarlo.

Hay una excepción notable a esta maniobra: Google. Googlebot sigue recibiendo la versión de la página pensada para humanos, no la destinada a las máquinas, porque Google penaliza directamente esta práctica y la considera cloaking —mostrar contenido distinto al buscador que al usuario—, algo que Time no podía permitirse arriesgar.

El incentivo para los medios de comunicación es evidente: monetizar un tráfico de bots que consume recursos de sus servidores pero que hasta ahora no generaba ningún ingreso. Ahora pueden cobrar a las marcas por ese tráfico, y las marcas pueden alegar que, en realidad, están llegando a los usuarios a través de sus chatbots favoritos. El problema de fondo es que la inmensa mayoría de las personas no tendrá forma de saber si la respuesta que recibe de su asistente de inteligencia artificial contiene contenido comercial encubierto, y que el resultado colectivo es una web cada vez más dividida entre una versión pensada para humanos y otra pensada para máquinas. Se menciona que alrededor de un 15% de las marcas ya genera sus propias páginas en markdown pensadas para ser leídas por modelos de IA —una práctica que el propio autor del artículo original reconoce aplicar—, pero generar contenido legible para máquinas no es lo mismo que manipular a la IA para hacer pasar publicidad por material supuestamente objetivo. Y conviene no perder de vista que Time es solo el primer medio en el que se ha detectado el truco: previsiblemente, muchos otros le seguirán.

Ahí reside tanto la novedad como el riesgo real de este fenómeno: no tanto que una máquina pueda ver publicidad, sino que esa publicidad reaparezca transformada en una respuesta aparentemente neutral y objetiva ante el usuario final. Una inteligencia artificial puesta, en la práctica, al servicio de quien esté dispuesto a pagar por influir en ella.