La expansión de la inteligencia artificial está obligando a los medios a tomar decisiones que van mucho más allá de incorporar herramientas generativas a las redacciones. Los editores tienen que determinar qué sistemas pueden rastrear sus contenidos, cuáles deberían pagar por acceder a ellos, qué información conviene facilitar a los motores de respuesta y cómo aprovechar internamente décadas de archivos, datos de audiencia y conocimiento editorial. El informe The Ultimate Guide to the AI-Powered Open Web: How Publishers are Reclaiming Distribution, Audience, and Revenue in the Post-Search Era, elaborado por el periodista Rob Waugh para Press Gazette, sitúa precisamente ahí uno de los cambios de fondo que empieza a introducir la IA en el negocio de los medios.
La tensión resulta especialmente visible en la relación con los robots. DataDome detectó que el tráfico procedente de rastreadores de empresas de grandes modelos de lenguaje se cuadruplicó en 2025 y registró 1.700 millones de peticiones de rastreadores de OpenAI en un solo mes. Tollbit cita un caso todavía más extremo: una web deportiva recibió 13 millones de visitas de rastreadores de IA durante un mes que acabaron generando apenas 600 visitas humanas. Al mismo tiempo, una parte de esos sistemas ignora las instrucciones de robots.txt, el mecanismo utilizado históricamente por los editores para determinar qué máquinas podían rastrear sus páginas. La distribución digital empieza así a incorporar una nueva capa de negociación sobre quién puede leer, reutilizar y explotar cada contenido.
La respuesta tampoco puede reducirse 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 datos de Similarweb recogidos en el documento. La misma tecnología que extrae contenidos sin aportar necesariamente tráfico puede convertirse, por tanto, en una nueva vía de descubrimiento. Algunos editores están intentando bloquear o ralentizar determinados robots, mientras otros buscan precisamente que sus contenidos sean utilizados y citados por asistentes y buscadores generativos.
Esta contradicción modifica una de las decisiones fundamentales de cualquier medio digital. Durante años bastaba con facilitar el rastreo de Google porque la contrapartida era relativamente clara: indexación a cambio de tráfico. Con los modelos generativos esa relación deja de ser automática. Una máquina puede consumir miles de páginas para responder posteriormente al usuario sin que este visite la fuente. El informe plantea por ello mecanismos capaces de distinguir entre robots, ralentizar determinados accesos o conducirlos hacia sistemas de licencia y pago. El viejo intercambio entre indexación y tráfico está dando paso a relaciones diferentes según el tipo de máquina que solicita el contenido.
Los archivos pasan de ser hemerotecas a convertirse en infraestructura para la IA
Otra de las conclusiones menos visibles del informe afecta a un activo que muchos medios llevan décadas acumulando: sus archivos. Los grandes grupos editoriales disponen de cientos de miles o millones de artículos que hasta ahora podían funcionar fundamentalmente como hemeroteca, fuente de tráfico de buscadores o material para reutilizaciones ocasionales. Los modelos de lenguaje permiten analizar ese fondo de manera conjunta, encontrar relaciones entre artículos, recuperar fotografías, localizar piezas que necesitan actualización o proponer automáticamente enlaces internos relevantes.
La combinación de archivos, taxonomías, comportamiento de los usuarios y datos históricos puede proporcionar además herramientas editoriales que resultaban difíciles de construir mediante sistemas tradicionales. Un modelo puede analizar qué contenidos convierten mejor a un visitante en suscriptor, qué características comparten determinados grupos de lectores o qué artículos funcionaron mejor ante acontecimientos recurrentes. Los editores pueden formular esas preguntas mediante lenguaje natural sin tener que navegar por complejos cuadros de mando analíticos. La IA aumenta así el valor estratégico de los datos y contenidos que cada medio ha acumulado y que sus competidores no poseen.
También cambia la función del sistema de gestión de contenidos. El CMS deja de limitarse progresivamente a escribir, editar y publicar páginas para convertirse en un punto desde el que automatizar metadatos, etiquetado, enlaces internos, recuperación de archivos, análisis de resultados y otras operaciones que acompañan a cada artículo. El documento señala que estas tareas pueden encontrarse entre las aplicaciones más inmediatas de la inteligencia artificial porque consumen tiempo de los periodistas y se repiten de forma sistemática dentro de los procesos de publicación.
El informe llega incluso a señalar que una pieza publicada en un gran medio puede atravesar entre 800 y 2.000 pasos desde la planificación inicial hasta su retirada o actualización. Documentar esos procesos permite detectar operaciones susceptibles de automatización y obliga, a su vez, a acercar los equipos editoriales y de producto. La utilización de IA para crear prototipos reduce además algunos desarrollos de meses a horas, facilitando que una redacción pruebe formatos antes de realizar inversiones tecnológicas mayores. La transformación más profunda puede producirse en la arquitectura de producción de las noticias y no únicamente en el texto que termina viendo el lector.
La búsqueda generativa introduce otra incertidumbre. El informe recoge datos de Pew Research según los cuales 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. Sin embargo, todavía no existe una metodología consolidada para conseguir que una fuente sea seleccionada por ChatGPT, Google u otros motores de respuesta. Las prácticas que actualmente se agrupan bajo las denominaciones GEO (optimización para motores generativos) o AEO (optimización para motores de respuesta) continúan apoyándose en buena medida en principios conocidos del SEO, especialmente en la capacidad de responder con claridad a las preguntas de los usuarios.
La consecuencia para los medios es relevante porque la competencia deja de producirse exclusivamente por conseguir una posición elevada dentro de una página de resultados. El objetivo puede pasar también por convertirse en la fuente seleccionada por una máquina para construir una respuesta. Esa evolución aumenta el valor de la información original, los datos propios, la especialización, las fuentes y los contenidos capaces de ofrecer algo que no pueda reconstruirse simplemente combinando información ya existente. La abundancia de contenido generado automáticamente puede aumentar el valor relativo del periodismo basado en información propia y experiencia directa.
Los primeros experimentos con agentes muestran otra dirección posible. Newsquest y USA Today Co. utilizan sistemas capaces de preparar solicitudes de acceso a registros públicos, automatizar parte de su tramitación y recordar posteriormente al periodista que debe comprobar su estado. Las peticiones siguen siendo verificadas por profesionales antes de enviarse, pero la automatización ya ha servido para obtener información utilizada en noticias locales. El uso de IA se desplaza así hacia una función especialmente relevante para el periodismo: aumentar la capacidad de buscar, procesar y obtener información antes de que empiece la redacción de una noticia.
