{"id":76817,"date":"2025-07-02T11:49:59","date_gmt":"2025-07-02T11:49:59","guid":{"rendered":"https:\/\/enfoquenoticioso.com\/?p=76817"},"modified":"2025-07-02T11:49:59","modified_gmt":"2025-07-02T11:49:59","slug":"la-ia-como-chatgpt-es-posible-gracias-al-uso-indiscriminado-del-contenido-online-cloudflare-acaba-de-decir-que-se-acabo","status":"publish","type":"post","link":"https:\/\/enfoquenoticioso.com\/?p=76817","title":{"rendered":"La IA como ChatGPT es posible gracias al uso indiscriminado del contenido online. Cloudflare acaba de decir que se acab\u00f3"},"content":{"rendered":"
\n

Las grandes IAs que usamos a diario como GPT, Gemini, Claude, Perplexity y compa\u00f1\u00eda existen y son capaces de hacer lo que hacen gracias, en gran parte, al contenido disponible en Internet<\/a>. Las empresas como OpenAI, Google y Anthropic, por mencionar algunas, han rastreado (y rastrean en tiempo real) la web en busca del contenido que da respuesta a las preguntas del usuario.<\/p>\n

<\/p>\n

Y lo hacen, salvo que haya acuerdos espec\u00edficos<\/a>, sin ofrecer una contraprestaci\u00f3n a los creadores de dicho contenido m\u00e1s all\u00e1 de un enlace. Es una pr\u00e1ctica que lleva en tela de juicio desde el nacimiento de esta tecnolog\u00eda. Art\u00edculos de blogs<\/a>, WikiPedia<\/a>, libros<\/a>, contenido generado por el usuario<\/a>, hasta datos personales<\/a>. Los rastreadores, esos bots automatizados, no se dejan nada atr\u00e1s y hoy Cloudflare ha dicho que se acab\u00f3<\/p>\n

<\/p>\n

Desde hoy, Cloudflare bloquear\u00e1 por defecto los scrapers <\/em>de IA, algo que tiene m\u00e1s implicaciones de lo que podr\u00eda parecer. Empecemos por el principio.<\/p>\n

Web crawlers<\/strong>. Esta tecnolog\u00eda no es nueva y, de hecho, es gracias a ella que los cimientos en los que se basa Internet (la b\u00fasqueda web) existan. Seguramente resulte familiar lo de \u00abla ara\u00f1a de Google<\/a>\u00ab, ese bot que rastrea toda la web en busca de contenido que indexar y ofrecer al usuario. Pues es solo uno de los miles y miles que hay y que generan el 30% de todo el tr\u00e1fico<\/a> a nivel mundial.<\/p>\n

<\/p>\n

Esta tecnolog\u00eda fue capital para darle forma al Internet que conocemos y la relaci\u00f3n con los generadores de contenido era simbi\u00f3tica. Nac\u00eda la econom\u00eda del clic: el creador genera un contenido, Google lo indexa, el usuario lo encuentra a trav\u00e9s de Google, Google genera ingresos con la publicidad del buscador, el creador recibe tr\u00e1fico gratis y genera ingresos gracias a la publicidad, los afiliados, etc.<\/p>\n

<\/p>\n

Con la IA, la pel\u00edcula es bastante diferente.<\/p>\n

Datos<\/strong>. Los modelos de IA necesitan informaci\u00f3n para alimentarse, ser entrenados y ser capaces de responder preguntas. Para ello, las grandes empresas que todos conocemos rastrearon la web, extrajeron todo el contenido que pudieron<\/a> y lo usaron para desarrollar tecnolog\u00edas como ChatGPT. \u00bfCu\u00e1l es el problema? Que ese contenido podr\u00eda estar protegido por derechos de autor, lo que llev\u00f3 a que The New York Times demandase a OpenAI <\/a>por este mismo motivo y a que las empresas de IA tuvieran que firmar acuerdos con los medios para poder acceder a su contenido.<\/p>\n

<\/p>\n

\n
\n
\n \"Image:
\n \"Image:<\/p>\n

Image: Solen Feyissa<\/span>\n <\/div>\n<\/p><\/div>\n<\/div>\n

IAs conectadas<\/strong>. La IA fue evolucionando y, como era de esperar, se acab\u00f3 conectando a Internet<\/a>. Ya no solo daba respuestas en base a unos datos de entrenamiento finitos, sino que se pod\u00eda conectar a la red para buscar la respuesta en los medios, blogs y p\u00e1ginas online en tiempo real (o casi en tiempo real). El usuario ya no ten\u00eda que hacer clic en un link. La IA buscaba, analizaba y generaba la respuesta, haciendo que el tr\u00e1fico hacia los medios y blogs cayese.<\/p>\n

<\/p>\n

\n
\n

El usuario ya no accede al contenido original, no hace click en los enlaces. En su lugar, consume un producto derivado generado por IA<\/p>\n<\/p><\/div>\n<\/div>\n

A esta tecnolog\u00eda le dan vida los AI Crawlers o lo que es lo mismo: los rastreadores IA. Son la digievoluci\u00f3n de los bots que dieron forma al Internet que conocemos. Entre ellos est\u00e1n<\/a> GPTBot de OpenAI, Meta-ExternalAgent de Meta, ClaudeBot de Anthropic o ByteSpider de ByteDance. Con ellos empieza a deteriorarse la relaci\u00f3n simbi\u00f3tica que coment\u00e1bamos anteriormente porque el usuario ya no accede al contenido original, no hace click. En su lugar, consume un producto derivado generado por IA.<\/p>\n

<\/p>\n

El mayor ejemplo: las nuevas vistas previas generadas con IA<\/a> que aparecen en Google cada vez que haces cualquier b\u00fasqueda.<\/p>\n

\n
\n
\n \"Volumen
\n \"Volumen<\/p>\n

Volumen de peticiones diarias de los principales AI bots | Imagen: Cloudflare<\/span>\n <\/div>\n<\/p><\/div>\n<\/div>\n

Echa el freno… O no, solo soy un .txt.<\/strong> \u00bfC\u00f3mo solucionar este rastreo indiscriminado y sin contraprestaci\u00f3n? La primera propuesta fue actualizar el archivo robots.txt<\/a> para indicarle a los bots que no pueden extraer el contenido de una web. Este archivo e uno de los recursos m\u00e1s usados para administrar la actividad de los bots, pero tiene un peque\u00f1o gran problema: su cumplimiento es voluntario. Las empresas de IA pueden seguir las instrucciones, o pueden ignorarlas y extraer el contenido.<\/p>\n

<\/p>\n

Adem\u00e1s, puede pasar que toquemos lo que no debemos y que nuestra web desaparezca de Google. Toda web que quiera estar en Google debe permitir que GoogleBot, su ara\u00f1a, la rastree. El problema es que Google usa el user agent<\/em> \u00abGoogleBot\u00bb tanto para el SEO como para la IA. Si alguien bloquea \u00abGoogleBot\u00bb en su web, estar\u00e1 desapareciendo de facto de Google. La clave ser\u00eda bloquear \u00abGoogle-Extended\u00bb, que es el crawler<\/em> de IA, pero esta diferenciaci\u00f3n habr\u00eda que hacerla bot a bot, una a una. Es una tarea laboriosa, como se puede deducir.\u00a0<\/p>\n

<\/p>\n

\n
\n
\n
\n
\n \"Hemos
\n <\/a>\n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

Cloudflare se planta<\/strong>. Llegamos as\u00ed al reciente anuncio hecho por Cloudflare. La plataforma (de la que depende medio Internet<\/a>) ha anunciado que, desde hoy, el bloqueo de los AI Crawler estar\u00e1 activo por defecto. Para ello, Cloudflare ofrece una gesti\u00f3n directa de los robots.txt para evitar problemas como el mencionado anteriormente. La clave, claro, es que Cloudflare se encargar\u00e1 de mantener los bloqueos actualizados seg\u00fan avance el panorama de la IA. Esto, aunque se activa desde ya por defecto, es voluntario y se puede desactivar por completo en los ajustes.<\/p>\n

<\/p>\n

A pagar<\/strong>. La otra propuesta de Cloudflare es Pay Per Crawl<\/a>. Ya que la IA va a seguir necesitando acceso al contenido de una web, \u00bfpor qu\u00e9 no darle al creador la opci\u00f3n de cobrar por dicho acceso? Pay Per Crawl, que est\u00e1 actualmente en beta, permite a los propietarios de dominios definir un precio fijo por solicitud. Si un AI Crawler quiere extraer el contenido de ese dominio, tendr\u00e1 que pagar por \u00e9l. Sobre el papel, esta herramienta tiene el potencial de cambiar el panorama actual, pero todo depender\u00e1 del alcance que tenga, su adopci\u00f3n y de qu\u00e9 medidas tomen los operadores de rastreadores.<\/p>\n

<\/p>\n

Imagen de portada | Solen Feyissa<\/p>\n

En Xataka | Le he preguntado a la IA cualquier chorrada y ahora estoy escribiendo una noticia sobre ella<\/a><\/p>\n<\/p><\/div>\n

Ver fuente<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Las grandes IAs que usamos a diario como GPT, Gemini, Claude, Perplexity y compa\u00f1\u00eda existen y son capaces de hacer lo que hacen gracias, en gran parte, al contenido disponible en Internet. Las empresas como OpenAI, Google y Anthropic, por mencionar algunas, han rastreado (y rastrean en tiempo real) la web en busca del contenido […]<\/p>\n","protected":false},"author":2,"featured_media":76818,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[9],"tags":[],"class_list":["post-76817","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnologia"],"_links":{"self":[{"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=\/wp\/v2\/posts\/76817","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=76817"}],"version-history":[{"count":0,"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=\/wp\/v2\/posts\/76817\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=\/wp\/v2\/media\/76818"}],"wp:attachment":[{"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=76817"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=76817"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=76817"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}