Hace tres décadas, la web nació bajo un acuerdo tácito entre creadores de contenido y motores de búsqueda: tú me das acceso gratuito a tus páginas, yo te envío lectores. Era un pacto imperfecto pero funcional, que mantuvo funcionando durante años el ecosistema informativo de internet. Hoy, ese consenso se desmorona a velocidad de vértigo.

La irrupción masiva de herramientas de inteligencia artificial generativa ha roto las reglas del juego. Los chatbots como ChatGPT y las funciones de respuesta instantánea de Google ya no necesitan llevarte al sitio web original: te dan la respuesta directamente, con enlaces que funcionan más como decorado que como invitación real a visitar la fuente. El usuario obtiene su respuesta, pero el editor no recibe tráfico, y sin tráfico no hay ingresos.

El problema se agrava porque los crawlers de IA no funcionan como los antiguos bots de búsqueda. Mientras Googlebot visitaba una página ocasionalmente para indexarla, los sistemas de entrenamiento de modelos de lenguaje rastrean sitios de forma constante, profunda y intensiva, consumiendo recursos de servidor sin aportar nada a cambio. Muchos editores están descubriendo que sus costes de hosting se disparan precisamente cuando sus visitas reales —las de humanos leyendo contenido— disminuyen.

La respuesta de la industria editorial no se ha hecho esperar. Medios de comunicación, plataformas de reference y sitios especializados han comenzado a bloquear activamente a los rastreadores de IA mediante archivos robots.txt y otras barreras técnicas. El New York Times, entre otros grandes periódicos, ha emprendido acciones legales contra empresas como OpenAI por usar su contenido sin autorización para entrenar modelos. Esta resistencia, aunque comprensible, está creando un círculo vicioso.

Aquí reside la paradoja más preocupante del fenómeno: cuando los sitios con información rigurosa cierran sus puertas a los crawlers de IA, estos sistemas se ven obligados a entrenarse y responder basándose en fuentes de menor calidad. Muchas de ellas son, irónicamente, páginas generadas también por inteligencia artificial, repletas de errores, sesgos y datos inventados que circulan libremente por la red.

El resultado es un deterioro progresivo de la calidad informativa que llega al usuario. La IA empieza a hablar con información derivada de más IA, en un efecto dominó que los investigadores ya han denominado 'model collapse' o colapso del modelo. La precisión se erosiona, las fuentes originales se diluyen y el usuario promedio no tiene forma de distinguir qué respuesta es fiable y cuál es un disparate con aspecto profesional.

Este conflicto tiene implicaciones profundas para el futuro de la creación de contenidos en español. Si los periodistas, analistas y expertos hispanohablantes no pueden sobrevivir económicamente porque la IA les roba audiencia sin compensación, dejaran de producir contenido de calidad. Y si no hay contenido de calidad, los modelos de lenguaje en español seguirán siendo inferiores a sus equivalentes en inglés, que cuentan con un ecosistema editorial más robusto y mejor protegido.

Las soluciones no son sencillas. Algunos proponene sistemas de micropagos por uso de contenido, otros defienden licencias específicas para entrenamiento de IA, y hay quien apuesta por regulaciones que obliguen a las empresas tecnológicas a compensar a los creadores. Lo que está claro es que el modelo actual es insostenible, y que si no se establece un nuevo pacto entre la IA y la web, todos terminaremos perdiendo acceso a la información fiable que necesitamos para tomar decisiones informadas.

La pregunta ya no es si la inteligencia artificial transformará la forma en que accedemos a la información, sino si esa transformación nos dejará mejor o peor informados que antes. Por ahora, las señales apuntan hacia la segunda opción.