Una investigación reciente de Trellner Research revela una verdad inquietante: al pedir a las herramientas de búsqueda de AI recomendaciones de software en 380 dominios diferentes, el 59,8% de los 7.534 enlaces de referencia apuntaban a sitios desconocidos clasificados por debajo del top 100.000 en tráfico global. Más de un tercio de los dominios citados ni siquiera entran en el top millón mundial, con un ranking mediano de 71.611 para todos los sitios citados. En lugar de filtrar lo mejor, la búsqueda de AI está sirviendo información basura de los márgenes de internet.
Tres sitios crearon 215.000 páginas de listas falsas
El origen de esta información de baja calidad proviene de tres granjas de contenido interconectadas: wifitalents.com, worldmetrics.org y gitnux.org. Registradas de forma centralizada a través de NameCheap entre diciembre de 2023 y mayo de 2024, no solo comparten los mismos servidores de nombres de Cloudflare, sino que también tienen plantillas web idénticas, categorías de navegación y hasta páginas periféricas como “Proceso editorial” e “Historia de la empresa”. Esta línea de montaje industrial generó más de 70.000 páginas de reseñas de “Mejor software” por sitio, sumando un total de 215.000 páginas falsas de reseñas, si se incluye zipdo.co, un sitio de respaldo con la misma configuración.
No existen 215.000 categorías de software en el mundo. Estas supuestas reseñas son el producto del ensamblaje masivo por máquinas, capaces de armar seriamente una comparación de los 10 mejores para categorías extremadamente raras como “software de gestión de pozos petroleros” o “software de gestión de colecciones de museos”.
Imagen: Página de la lista del “Mejor software de gestión de pozos petroleros” en wifitalents.com. Fuente: captura de pantalla de wifitalents.com
Los investigadores descubrieron que bajo la misma categoría de “software de estimación de proyectos”, los tres sitios daban listas Top 5 completamente diferentes, pero las atribuían seriamente a 9 “editores” distintos.
| Sitio | 1.º | 2.º | 3.º | 4.º | 5.º |
|---|---|---|---|---|---|
| worldmetrics.org | Float | Scoro | Teamwork.com | Procore | Wrike |
| wifitalents.com | Float | Scoro | Teamwork.com | Buildertrend | Apropo |
| gitnux.org | Saviom | Mosaic | Buildertrend | Float | Teamwork.com |
El número uno de gitnux ni siquiera se encuentra en el top 5 de los otros dos sitios. Incluso en la sección de autoría de algunas páginas, aún quedaban variables de código de plantilla sin renderizar como “Within the next 26 days”. Estos métodos de falsificación de baja calidad revelaron que eran productos de los mismos scripts sin intervención humana, requiriendo solo un servidor y bajos costos de API.
Páginas web escritas exclusivamente para buscadores
Estas 215.000 páginas web nunca fueron hechas para lectores humanos. El código HTML de worldmetrics.org indicaba explícitamente en el título “Facts & Grounding Page” (Página de hechos y fundamentos). Se trata de una etiqueta de datos que solo los sistemas de recuperación de grandes modelos pueden leer y comprender, y la meta descripción oculta de la página declaraba sin tapujos: “Hechos verificados para registros legibles por máquinas”.
Imagen: Lista de software de estimación de proyectos en worldmetrics.org, usando la misma plantilla que wifitalents.com. Fuente: captura de pantalla de worldmetrics.org
Esta información falsificada alimentada específicamente a las máquinas respalda un negocio de arbitraje comercial con precios claros. Tras usar contenido generado por máquinas para inflar su peso en las citas de la AI, worldmetrics.org vendió abiertamente servicios en su sitio web: estudios de mercado personalizados desde 5.000 euros, informes terminados por 499 euros, e incluso cobró 2.500 euros por ayudar con la “selección de proveedores”.
A medida que el SEO tradicional pierde eficacia, las granjas de contenido encontraron una nueva salida para explotar los grandes modelos. guideflow.com, un blog de marketing para demostraciones interactivas sin contenido de reseñas de software, fue citado 194 veces por las búsquedas de AI en 96 categorías debido a su estilo de escritura que se ajusta a las preferencias de los modelos. Este blog desconocido superó a la reconocida firma de análisis Gartner en clasificaciones de citas, convirtiéndose absurdamente en la evidencia central para consultas profesionales como “software de renderizado 3D” y “software RFID”.
Enlaces de apuestas se hacen pasar por recomendaciones oficiales
La afluencia masiva de fuentes falsas provocó una grave desviación en los resultados recomendados. En la lista final generada, el 1,1% de los sitios web oficiales de los proveedores ya habían cerrado o cambiado de dominio. Cuando los investigadores preguntaron por “plataforma de gestión de datos de investigación”, el enlace recomendado oficial dryad.co proporcionado por el modelo sonar redirigió a un portal de apuestas en línea en Indonesia llamado BIGSLOT288.
En otra respuesta sobre “herramientas de calidad de datos”, el resultado recomendado por el modelo premium sonar-pro saltó directamente al sitio web oficial de un hotel casino en Mónaco. La investigación reveló que estos dos modelos compartían la misma capa de recuperación subyacente, devolviendo listas de citas idénticas byte por byte en 289 de las 380 categorías, a medida que los datos de baja calidad contaminaban todo el sistema.
En contraste, Wikipedia, conocida por su neutralidad y objetividad, apareció apenas 3 veces entre las 7.534 citas. La información de alta calidad del mundo real se ahogó y fue marginada por palabrería generada por máquinas.
La cadena de confianza colapsa desde la fuente
El informe de investigación advierte que es demasiado pronto para afirmar que estas fuentes de baja calidad hayan cambiado las respuestas de recomendación finales de las búsquedas de AI, pero ha expuesto vulnerabilidades sistémicas en la capa de recuperación de los grandes modelos. Los profesionales veteranos de SEO incluso han revelado tácticas más avanzadas: probar varios modelos primero con preguntas, calcular la divergencia del texto, y luego usar la AI para reescribir artículos en masa, de modo que las características del texto de las páginas web coincidan con las preferencias incorporadas de los grandes modelos.
Los propios modelos de lenguaje grandes tienen un sesgo inherente hacia el texto generado por la AI. En autoevaluaciones dentro de la comunidad de desarrolladores, los modelos de AI eligen persistentemente su propio código largo generado en lugar del código conciso refactorizado por humanos. Anteriormente, los medios expusieron que cierto país falsificó masivamente sitios web de grupos de expertos para alimentar a la AI, haciendo que produzca en gran medida perspectivas políticas con posturas específicas.
El sistema de recomendación de búsquedas de AI está siendo alimentado sistemáticamente con reseñas falsas. Las granjas de contenido han aprendido a fabricar fuentes falsas que satisfacen a la AI, convirtiendo la búsqueda de AI en una cámara de eco. Cuando le preguntas qué software es el mejor, solo imprime anuncios falsos escritos por otra máquina de antemano.
Enlaces de referencia:
- Informe de Trellner Research
- Discusión en HN (item?id=49536375)
