En una web con 1,5 millones de páginas, el 99% de las visitas del último año procedieron de bots: no de lectores humanos, sino de rastreadores enviados por empresas de IA. Los visitantes reales apenas representaron el 1%. Estos son los datos publicados recientemente por Nick, administrador del sitio, en un artículo titulado 99% of My Website Traffic Is Bots, que ha desencadenado más de 300 comentarios en Hacker News.
Veamos un dato aún más llamativo: en una sola semana, el rastreador de búsqueda de Anthropic (la empresa creadora de Claude) descargó 420.000 páginas de su sitio web. Durante esa misma semana, Claude le devolvió exactamente 12 visitantes humanos. 420.000 páginas a cambio de 12 visitas es el reflejo perfecto del «negocio web en la era de la IA».
El propio Nick vive de la red recopilando datos y registros públicos. En su artículo admite con autoironía: «Mis propios datos se recopilaron originalmente mediante el raspado de documentos públicos; sé que suena irónico ver a alguien que usa rastreadores quejarse de los rastreadores». Sin embargo, esa sinceridad aporta peso a su reclamación: cuando incluso los profesionales del sector dicen basta, es porque se ha cruzado una línea.
Por qué los rastreadores de IA recopilan tu web a escondidas
Los grandes modelos de lenguaje (LLM) no nacen sabios. Si ChatGPT o Claude pueden responder preguntas es porque, durante su fase de entrenamiento, leyeron casi todo el texto disponible en Internet. ¿De dónde salieron esos textos? Los rastreadores los fueron extrayendo página a página de millones de sitios web.
Los rastreadores funcionan como los repartidores de una biblioteca para las empresas de IA. La diferencia radica en que en una biblioteca hay que pedir prestados los libros, mientras que los rastreadores se llevan el contenido sin pedir permiso. Datos de Cloudflare (el mayor servicio de protección web del mundo) muestran que, en junio de 2026, el 57,5% de las peticiones web en su red procedían de rastreadores de IA. Es decir, más de la mitad de las visitas a cualquier página web no son humanas.
Cloudflare también hizo pública la «ratio de conversión de rastreo a visitas» (Crawl-to-Click Ratio): cuántas páginas debe raspar una plataforma para devolver un solo visitante al sitio. Anthropic encabeza la lista con la cifra más desproporcionada: a principios de 2025 necesitaba rastrear unas 280.000 páginas para generar 1 visita, cifra que bajó a 38.000 páginas por visita a mediados de año. OpenAI se situó en unas 1.400 páginas por visita, mientras que Perplexity pasó de 55 a 195 páginas por visita. La inmensa mayoría de estas páginas terminan en la fragua del entrenamiento: el 80% del tráfico de rastreo de IA se destina a entrenar modelos, y solo el 2% corresponde a clics activos de usuarios desde las interfaces de chat.
Figura: Comparativa de la ratio de conversión de rastreo a visitas entre las principales plataformas de IA. Fuente: Blog oficial de Cloudflare
Un acuerdo entre caballeros no detiene a quienes no respetan las reglas
Las webs que no quieren ser raspadas confían en un archivo llamado robots.txt: un cartel de «prohibido el paso» colocado en la puerta que motores de búsqueda y empresas de IA deberían respetar. Conviene subrayar la palabra «deberían». Nacido en los inicios de Internet, este protocolo es un acuerdo de caballeros sin policía ni sanciones. Cumplirlo es cortesía; ignorarlo no conlleva castigo inmediato.
Nick detalló instrucciones minuciosas en su archivo robots.txt: especificó qué contenidos estaban permitidos para indexación de búsqueda y cuáles prohibidos para entrenamiento de IA. ¿El resultado? Cloudflare informó en 2025 que Perplexity utilizó rastreadores invisibles no declarados para eludir las directivas de bloqueo. Otros rastreadores se camuflan como navegadores convencionales: usuarios en los foros bromeaban diciendo que los bots ejecutan «la última versión de macOS» y navegan de forma más fluida que los humanos. Nick probó la verificación no interactiva de Cloudflare (un sistema de detección de bots no intrusivo), pero los rastreadores la superaron sin problemas, para su propia sorpresa.
Figura: Tráfico de rastreadores de IA clasificado por uso. Fuente: Blog oficial de Cloudflare
La factura de la defensa: Costes, daños colaterales y el juego del gato y el ratón
Si las reglas no se respetan, hay que reforzar las defensas. La factura mensual de hosting de Nick suele ser de unos 90 dólares, pero en los meses de mayor actividad de los rastreadores aumentó casi un 500%. El ancho de banda fue devorado por los bots, las bases de datos cayeron repetidamente y las estadísticas de tráfico quedaron inutilizadas: «Quería saber qué leían los humanos reales para decidir los siguientes pasos, pero los datos estaban completamente saturados de bots».
También documentó los patrones de ataque de los rastreadores. En noviembre de 2025, en cuestión de días, entraron 4.000 «visitantes». Cada uno abrió una sola página y se marchó inmediatamente (un porcentaje de rebote del 99%), sin web de origen y dirigiéndose exclusivamente a páginas de datos financieros, un rincón que solo consulta el 10% de los lectores reales. Nick añadió con ironía: esos 4.000 no eran más que el calentamiento.
En la sección de comentarios, administradores de webs pequeñas compartieron experiencias insólitas. El propietario de un sitio de reservas de barcos en Países Bajos contó cómo los rastreadores de IA hacían clic miles de veces al día en el botón «mes siguiente» del calendario hasta colapsar el sistema. Otro creador sufrió el registro de cientos de cuentas falsas por bots antes de lanzar su web, obligándolo a borrar manualmente 100 cuentas diarias. Al bloquear un rango de IP, los bots cambian al instante a direcciones IP residenciales, regresando como repartidores con un nuevo documento de identidad. Es imposible bloquearlos a todos: es el juego del gato y el ratón, y los ratones tienen mucho más dinero.
El problema más grave son los daños colaterales. Nick instaló verificaciones CAPTCHA («demuestra que eres humano»), pero los usuarios reales aborrecen estos sistemas. Quienes usan VPN sufren verificaciones interminables, y los usuarios de navegadores antiguos son bloqueados directamente. Un lector comentó: «Cuando veo la pantalla de ‘verificando si eres humano’, simplemente cierro la pestaña». Otro lector relató que intentó comprar un electrodoméstico de 2.000 dólares monitorizando precios mediante un script; el sistema antibot del comercio fue tan agresivo que terminó bloqueando su acceso manual al sitio web, asegurando que jamás comprará en esa tienda. La sobreprotección expulsa a los compradores reales: una enorme factura invisible de la lucha antibot.
El autor vivió esta situación en primera persona mientras redactaba este artículo: al intentar abrir la web original de Nick, apareció un mensaje rotundo: «Lo sentimos, has sido bloqueado». Tras un año de guerra antibot, el administrador terminó bloqueando a los propios lectores humanos que querían leer su artículo. Este contrasentido protagonizó los debates más intensos en Hacker News.
Un problema mayor: ¿Quién decide quién puede acceder a la web?
El comentario más votado en Hacker News lo resumía con claridad: externalizar la decisión de «quién puede ver tu web» en Cloudflare equivale a permitir que una sola corporación determine los límites de la web abierta. Si la plataforma te clasifica como bot, dejas de ser un visitante, sin opción a réplica o reclamación.
Las opiniones contrarias son igualmente contundentes. Algunos sostienen que el contenido publicado en abierto está destinado a ser leído, y el autor no puede controlar qué herramientas usa el lector, al igual que un escritor no puede controlar cómo pasa las páginas un lector. Otros responden: si tienes una tienda física, ¿no tienes derecho a expulsar a los ladrones? Otro comentarista aportó humor negro: aunque edites un libro en papel, las empresas de IA lo escanean igual; ni el papel puede detenerlas.
Más allá del raspado: Los buscadores dejan de enviar visitas
Las webs pequeñas sufren una segunda pérdida más silenciosa: los motores de búsqueda ya no envían tráfico. Cloudflare analizó el tráfico de varios sitios de noticias y descubrió que las visitas procedentes de Google cayeron drásticamente desde febrero de 2025: un 9% menos en marzo respecto a enero, y un 15% menos en abril. Las fechas coinciden exactamente con el despliegue de las «AI Overviews» de Google, que generan respuestas directamente en la página de resultados sin derivar tráfico mediante enlaces. Antes, los usuarios buscaban una duda y hacían clic para leer el artículo original; hoy la respuesta aparece en el buscador, privando a la web de cualquier oportunidad de recibir un clic.
Nick lo expresa con total franqueza: «Quiero que motores de búsqueda como Google o Bing rastreen mi web porque me traen nuevos lectores; pero no quiero que todos los demás traten mi sitio como una cantera de la que extraer datos gratis». El problema técnico radica en que un servidor no puede distinguir entre los rastreadores que envían visitas y los que solo extraen contenidos: todos son bots, diferenciados únicamente por su intención. Las vías de entrada son cortadas por la IA y los contenidos son vaciados por la IA: la web sangra por ambos extremos.
¿Qué tiene que ver esta guerra con los usuarios comunes?
El impacto para los usuarios es mayor de lo que parece. La calidad de las respuestas que ofrece una IA depende del material que ha leído. Si los creadores de contenido dejan de publicar porque su trabajo se explota sin compensación ni reconocimiento, la IA acabará alimentándose de información obsoleta y copiada de sí misma. Mientras las grandes plataformas pueden negociar acuerdos de licencia con los gigantes de la IA, los sitios pequeños no reciben nada y deben pagar de su bolsillo los costes desorbitados de servidor. Algunas plataformas ya han acudido a los tribunales contra las empresas de IA, mientras que otras consideran ocultar sus contenidos tras muros de registro.
Empresas como Cloudflare promueven el modelo de «pago por rastreo» (Pay-per-crawl), exigiendo que la IA pague cada vez que extraiga contenidos. Está por ver si la iniciativa prosperará, pero ha puesto sobre la mesa la pregunta fundamental: en la era de la IA, ¿debe el contenido seguir suministrándose de forma gratuita para las máquinas?
No se trata de tomar bando de forma simplista. Desde la perspectiva del administrador, ver cómo saquean tu trabajo durante un año y la factura del servidor se multiplica por cinco causa una indignación comprensible. Desde la perspectiva del lector, un Internet bloqueado tras CAPTCHAs y muros de acceso tampoco es el mundo deseado. Lo único seguro es que la premisa fundamental —que las páginas web existen para ser leídas por personas— se está reescribiendo en silencio. La próxima vez que consultes un dato curioso en una IA, piensa por un momento de qué pequeña web no remunerada procede esa respuesta.
Enlaces de referencia:
- PatronView: 99% of My Website Traffic Is Bots
- Debate en HN (item?id=49211386)
- Cloudflare: The Crawl-to-Click Gap (Informe de datos sobre rastreadores de IA y tráfico de referencia)
- Blog de Cloudflare: From Googlebot to GPTBot (Evolución de la cuota de rastreadores de IA)
