Cuánto de internet ya es IA: bots, tráfico y contenido sintético (datos 2025)

Se dice mucho que internet ya está lleno de robots y de textos escritos por máquinas. Algo de eso es cierto, pero las cifras que circulan mezclan cosas distintas: una es cuánto tráfico generan los programas automáticos y otra cuánto contenido nuevo se escribe con IA. Aquí separamos las dos, con datos que verificamos en la fuente original, y explicamos qué significa para una marca que quiere que la encuentren personas reales.

El informe anual de bots de Thales (antes Imperva), publicado en abril de 2026 con datos de todo 2025, encontró que los bots generaron más del 53 % del tráfico web y que el tráfico humano bajó al 47 %. El 40 % del tráfico total correspondió a bots maliciosos. Un año antes, con datos de 2024, el tráfico automatizado había llegado al 51 % y superado al humano por primera vez en una década; los bots maliciosos eran el 37 %.

Conviene leer la cifra con calma. Es la medición de una sola empresa sobre el tráfico que pasa por su red de protección, no un censo de todo internet, y esa empresa vende soluciones contra bots. Y "tráfico" no es "contenido": mide solicitudes a sitios web, no quién escribe lo que se lee. Aun así, la tendencia es consistente año tras año.

No todo bot es un problema. Los buenos hacen trabajo útil: el rastreador de Google, que permite que su sitio aparezca en las búsquedas, o los servicios que revisan si una página está caída. Los malos intentan robar cuentas, revender precios, hacer compras automáticas o atacar formularios. En medio aparecieron los rastreadores de las empresas de IA, como GPTBot (OpenAI) o ClaudeBot (Anthropic), que leen la web para entrenar modelos o para responder preguntas.

Cloudflare, empresa de infraestructura y seguridad web, publicó en agosto de 2025 un análisis de estos rastreadores. Entre julio de 2024 y julio de 2025, GPTBot pasó del 4,7 % al 11,7 % de todo el tráfico de rastreadores de IA y de búsqueda que mide, y ClaudeBot del 6 % al 9,9 %; Googlebot seguía arriba, con el 39 %. Cerca del 80 % de ese rastreo de IA tenía como propósito entrenar modelos, no buscar.

El dato que más llamó la atención fue la relación entre lo que se rastrea y las visitas que vuelven. En julio de 2025, Anthropic hizo unas 38.000 lecturas de páginas por cada visita que envió a esos sitios; OpenAI, unas 1.100; Google, unas 5. Son datos de sitios de noticias clientes de Cloudflare, y las visitas desde aplicaciones no siempre se pueden atribuir, así que son aproximaciones. La lección es sencilla: que una IA lea su sitio no significa que le mande clientes.

Aquí no hay una cifra única, porque nadie puede saber con certeza quién escribió un texto. Los estudios usan detectores de IA, que se equivocan, y cada uno define distinto qué cuenta como "hecho con IA".

Graphite, una firma de posicionamiento en buscadores, analizó 55.400 artículos en inglés tomados al azar de Common Crawl, un archivo público de la web, publicados entre 2020 y marzo de 2026, y promedió tres detectores. En el primer trimestre de 2026, el 49,9 % se clasificó como hecho principalmente con IA, y esa proporción se ha mantenido cerca del 50 % durante cinco trimestres. Su estudio anterior, de octubre de 2025 y con un solo detector, había ubicado en noviembre de 2024 el momento en que los artículos de IA superaron a los humanos. Los autores reconocen que no midieron textos de IA editados por personas y sugieren que el estancamiento se debe a que esos artículos rinden poco en los buscadores.

Ahrefs, otra herramienta del sector, revisó 900.000 páginas nuevas en inglés detectadas en abril de 2025. El 74,2 % tenía algo de contenido generado con IA, pero solo el 2,5 % era completamente de IA; el 71,7 % mezclaba ambas cosas y el 25,8 % era totalmente humano. Las dos cifras no se contradicen: Ahrefs cuenta cualquier uso de IA y Graphite solo los textos donde predomina. Ambas usan detectores propios o comerciales, que la misma Ahrefs advierte que nunca serán perfectos.

Se repite que, según Europol, el 90 % del contenido en línea será sintético en 2026. La frase existió: la versión de 2022 del informe "Facing reality?", sobre deepfakes, decía que "los expertos estiman que hasta el 90 %" del contenido en línea "podría" ser generado sintéticamente para 2026. Pero no era una medición de Europol: la nota al pie remitía a un libro de divulgación de Nina Schick publicado en 2020. Y en la versión actual del informe, publicada en enero de 2024 y que reemplaza la anterior, esa frase ya no aparece. Era una proyección citada de segunda mano, no un dato.

Si buena parte de lo que se publica se parece, lo que no se puede copiar gana valor: la foto real de su local y de su equipo, el caso de un cliente con nombre propio, el dato que usted midió, la opinión de alguien que de verdad sabe del tema. Los mismos estudios lo sugieren: según Graphite, los artículos hechos principalmente con IA casi no aparecen en Google ni en ChatGPT.

Usar IA no es el problema; publicar sin revisar sí. La IA sirve para investigar, ordenar y redactar borradores, pero el criterio, la experiencia y la responsabilidad sobre lo que se dice siguen siendo de una persona. Por eso en IDEAI trabajamos de humanos para humanos: la máquina acelera y una persona responde por cada pieza.

Primero, decida qué rastreadores deja entrar. El archivo robots.txt de su sitio permite autorizar o bloquear cada bot por su nombre. Bloquear Googlebot lo saca de Google; en cambio, Google aclara que bloquear Google-Extended, el permiso para usar su contenido en los modelos Gemini, no afecta su presencia ni su posición en el buscador. Para la mayoría de pymes conviene permitir los buscadores y los asistentes que pueden recomendarlas, y revisar el resto.

Segundo, responda directo. Ponga la respuesta en la primera frase de cada sección, con títulos que sean las preguntas que hacen sus clientes, y precios, horarios y zonas de cobertura escritos en texto, no solo en imágenes. Tercero, use datos estructurados (el marcado de schema.org) para decir de forma explícita quién es su negocio, dónde está y qué vende.

Cuarto, si quiere ir un paso más allá, existe llms.txt: un archivo con un resumen de su sitio pensado para asistentes de IA, propuesto por Jeremy Howard en septiembre de 2024. Es una propuesta abierta, no un estándar, así que úselo como complemento y no como sustituto de lo anterior. Y lo más importante: que lo que diga su sitio sea verdad, tenga fuente y esté firmado por alguien.