La irrupción de la inteligencia artificial obliga a los editores a decidir quién rastrea sus contenidos, quién paga y cómo rentabilizar sus archivos. El informe difundido por el Laboratorio de Periodismo Luca de Tena traza el nuevo tablero.
Un nuevo tablero de acceso a los contenidos
La tensión empieza en los robots. DataDome detectó que el tráfico de rastreadores de empresas de modelos de lenguaje se cuadruplicó en 2025, con 1.700 millones de peticiones de OpenAI en un solo mes. La firma Tollbit cita un caso aún más extremo: una web deportiva recibió 13 millones de visitas de rastreadores de IA en un mes que generaron apenas 600 visitas humanas.
El documento, titulado The Ultimate Guide to the AI-Powered Open Web y elaborado por el periodista Rob Waugh para Press Gazette, sitúa aquí una de las claves del nuevo reparto de valor. Durante años bastaba con facilitar el rastreo de Google: indexación a cambio de tráfico. Con los modelos generativos, ese intercambio deja de ser automático.
El dato tiene una lectura estratégica. Una máquina puede consumir miles de páginas y responder al usuario sin que este visite la fuente. Parte de esos sistemas ignora además las instrucciones del mecanismo robots.txt, el estándar con el que los editores decidían qué máquinas podían rastrear sus páginas. La distribución digital incorpora una negociación sobre quién puede leer, reutilizar y explotar cada contenido.
La respuesta no se limita a cerrar las puertas. Las referencias procedentes de ChatGPT hacia medios informativos pasaron de menos de un millón entre enero y mayo de 2024 a más de 25 millones en 2025, según Similarweb. La misma tecnología que extrae contenidos puede convertirse en una nueva vía de descubrimiento. Por eso algunos editores bloquean o ralentizan determinados robots mientras otros buscan que sus piezas sean citadas por asistentes y buscadores generativos.
La relación entre indexación y tráfico deja paso a vínculos distintos según el tipo de máquina que solicita el contenido.
Del archivo al CMS: la infraestructura interna de la IA
El informe sitúa otro cambio de fondo en los archivos. Los grandes grupos editoriales acumulan cientos de miles o millones de artículos que hasta ahora funcionaban como hemeroteca o material de reutilización ocasional. La inteligencia artificial permite analizar ese fondo de manera conjunta, encontrar relaciones entre piezas, recuperar fotografías, localizar contenidos que necesitan actualización o proponer enlaces internos relevantes.
Esa combinación de archivos, taxonomías y comportamiento de usuarios genera herramientas editoriales difíciles de construir con sistemas tradicionales. Un modelo puede analizar qué contenidos convierten mejor a un visitante en suscriptor, qué comparten determinados grupos de lectores o qué artículos funcionaron mejor ante acontecimientos recurrentes. Los editores pueden formular esas preguntas mediante lenguaje natural sin navegar por complejos cuadros de mando analíticos.
El sistema de gestión de contenidos, por su parte, deja de limitarse a escribir, editar y publicar páginas. El CMS pasa a automatizar metadatos, etiquetado, enlaces internos, recuperación de archivos y análisis de resultados. El documento apunta que una pieza publicada en un gran medio puede atravesar entre 800 y 2.000 pasos desde la planificación inicial hasta su retirada. Documentar esos procesos permite detectar operaciones automatizables y acerca los equipos editoriales y de producto. La creación de prototipos con IA reduce algunos desarrollos de meses a horas.
El reto de la búsqueda generativa y la respuesta como activo
La búsqueda generativa introduce otra incertidumbre. Según Pew Research, la presencia de un resumen de inteligencia artificial en Google reduce del 15% al 8% la proporción de usuarios que hace clic en un resultado tradicional. Todavía no existe una metodología consolidada para que una fuente sea seleccionada por ChatGPT u otros motores de respuesta. Las prácticas de optimización para motores generativos y de respuesta se apoyan en principios conocidos del SEO, especialmente en responder con claridad a las preguntas de los usuarios.
La competencia ya no se libra solo por la posición en una página de resultados, sino por convertirse en la fuente que una máquina utiliza para construir su respuesta. Eso eleva el valor de la información original, los datos propios, la especialización y los contenidos que no pueden reconstruirse combinando información existente. La abundancia de contenido generado automáticamente puede aumentar el valor relativo del periodismo basado en información propia y experiencia directa.
En paralelo, medios como Newsquest y USA Today Co. experimentan con agentes capaces de preparar solicitudes de acceso a registros públicos, automatizar parte de la tramitación y recordar al periodista que debe comprobar su estado. Las peticiones se verifican antes de enviarse, pero la automatización ya ha servido para obtener información utilizada en noticias locales. El uso de la IA se desplaza así hacia una función periodística central: buscar, procesar y obtener información antes de que empiece la redacción.
📡 El Radar del Sector
- El vacío que llena: una metodología de control de acceso y monetización de contenidos frente a los rastreadores de los modelos generativos.
- El reto por delante: equilibrar el bloqueo selectivo, la licencia de pago y la optimización para motores de respuesta sin perder tráfico cualificado.
- El tablero competitivo: OpenAI, Google y los grandes grupos editoriales rediseñan en tiempo real la relación entre indexación, tráfico y valor publicitario.
