Estaba rompiéndome la cabeza buscando nuevas fuentes de ingresos cuando me llamó la atención algo que, en realidad, no tiene nada de nuevo: la creación de contenido.
Esta es una industria consolidada y en constante evolución, así que pensé: ¿qué mejor manera de generar ingresos pasivos que monetizar lo que ya está en mi mente? Durante años de formación he acumulado un sinfín de conocimientos que están ahí, ociosos, acumulando polvo y telarañas… «¡Es hora de ponerlos a trabajar!», me dije.
Así que me puse manos a la obra con más entusiasmo que dirección (porque, sinceramente, no tenía ni la más remota idea de cómo funcionaba la creación de contenido) y con la ayuda de la inteligencia artificial (IA) empecé a diseñar —y aún estoy en ello— toda la infraestructura digital necesaria para armar una estrategia clara, rentable y sostenible de contenidos.
Pero apenas había dado dos pasos en esa dirección cuando me di cuenta de algo inquietante: al usar constantemente la IA para mis propias búsquedas, prácticamente había dejado de navegar en la web como antes, cuando saltaba de página en página.
Entonces pensé: si lanzo un blog sobre finanzas e inversiones, ¿cómo llegará el tráfico en el futuro si la mayoría de las preguntas que yo mismo tengo me las responde directamente una inteligencia artificial, sin necesidad de salir a buscar respuestas en otros sitios?
¿Lo mismo ocurrirá con el resto del mundo? ¿Significa eso que este modelo de negocio está en declive? No, no puede ser… ¿otra vez llegué tarde al juego?
Esta contradicción me dejó perplejo. Decidí profundizar en el fenómeno, investigar más allá de lo obvio y así fue como nació la idea central de este artículo.
La cadena alimenticia de la inteligencia artificial
El punto de partida es sencillo: durante décadas, millones de personas, empresas y comunidades llenaron internet de artículos, videos, foros, reseñas, código, fotografías, tutoriales y todo tipo de información. Una parte de ese enorme acervo terminó formando parte de los datos utilizados para entrenar los sistemas de inteligencia artificial que hoy comienzan a competir por la atención de quienes antes llegaban directamente a esas fuentes.
- Los creadores llenaron internet de contenido valioso y gratuito. Posts de blog, artículos, videos, foros, reseñas, guías, plantillas, respuestas en Q&A y millones de aportaciones más fueron quedando disponibles públicamente. Algunos lo hicieron por negocio, otros por reputación, comunidad o simple interés en compartir conocimiento. El resultado fue una acumulación extraordinaria de información accesible desde la web.
- La inteligencia artificial utilizó parte de ese enorme acervo como materia prima. Los grandes modelos se entrenan con cantidades masivas de información procedente de diferentes fuentes. OpenAI explica, por ejemplo, que GPT-4 utilizó datos disponibles públicamente, incluidos datos de internet, además de información obtenida mediante licencias. El proceso ha abierto una discusión todavía sin resolver sobre derechos de autor, consentimiento y los límites del uso de información publicada en línea. Una investigación de The New York Times, recogida por The Verge, reveló además que OpenAI utilizó Whisper para transcribir más de un millón de horas de videos de YouTube mientras dentro de la propia empresa se discutía la situación jurídica de ese uso.
- Ahora la inteligencia artificial puede responder directamente al usuario sin necesidad de que este visite la fuente original. Herramientas como Google AI Overviews, Microsoft Copilot, Perplexity o ChatGPT con búsqueda pueden entregar respuestas sintetizadas en lenguaje natural utilizando información procedente de múltiples fuentes. Para el usuario resulta cómodo; para quien produjo el contenido original, significa que su trabajo puede contribuir a responder una consulta sin que la visita llegue necesariamente hasta su página.
Ahí aparece la paradoja que me hizo detenerme. Durante años, publicar información en internet permitía atraer a quienes buscaban esa información. Ahora empieza a existir una capa intermedia capaz de procesarla y entregar directamente una respuesta. El conocimiento original sigue siendo necesario, pero el vínculo entre quien lo produjo y quien lo consume se vuelve mucho menos directo.
El colapso silencioso del tráfico web
Esta transformación no comenzó con ChatGPT. Mucho antes de la explosión de la inteligencia artificial generativa ya existían señales de que una proporción creciente de las búsquedas podía resolverse sin enviar al usuario hacia otras páginas.
En 2021, Rand Fishkin publicó un análisis basado en datos de Similarweb según el cual el 64.82% de las búsquedas realizadas en Google durante 2020 terminaban sin un clic hacia otra propiedad web. Eran las llamadas búsquedas de cero clic: consultas en las que el usuario encontraba lo que necesitaba en la propia página de resultados, reformulaba su búsqueda o simplemente abandonaba la sesión. El estudio puede consultarse aquí.
En 2024, un nuevo estudio de SparkToro y Datos encontró que el 58.5% de las búsquedas analizadas en Estados Unidos terminaba sin clic. Conviene no comparar directamente ese porcentaje con el de 2020 porque ambos estudios utilizaron paneles distintos, algo que el propio Fishkin advierte. Lo importante es otro resultado del análisis: de cada 1,000 búsquedas realizadas en Google en Estados Unidos, apenas 360 clics terminaban en páginas de la web abierta que no pertenecían a Google. El estudio completo está disponible en SparkToro.
En la siguiente gráfica puede verse esa distribución: una gran parte de las búsquedas termina sin generar tráfico hacia ninguna página externa, mientras otra parte de los clics permanece dentro del propio ecosistema de Google.
La incorporación de inteligencia artificial al buscador añade una capa adicional al problema. El 22 de julio de 2025, apenas unos días antes de la publicación original de este ensayo, Pew Research Center presentó un análisis de 68,879 búsquedas realizadas en Google. Cuando aparecía un resumen generado por IA, los usuarios hacían clic en un resultado tradicional en el 8% de las visitas; cuando el resumen no aparecía, lo hacían en el 15%. Los enlaces incluidos dentro de la propia respuesta de IA recibían clic apenas en el 1% de las visitas analizadas. Pew describe aquí tanto los resultados como su metodología.
Un solo estudio no permite afirmar cómo evolucionará todo el tráfico web, pero sí ofrece evidencia directa del mecanismo que me preocupaba al comenzar este artículo: cuando el buscador responde antes de enviar al usuario hacia una fuente, disminuye la probabilidad de que este visite los enlaces que hicieron posible construir esa respuesta.
Las dificultades de varios grandes medios digitales muestran, además, que el modelo basado en atraer enormes audiencias y monetizarlas principalmente mediante publicidad ya presentaba problemas antes de que la IA generativa se convirtiera en protagonista. BuzzFeed News cerró en 2023 después de años de dificultades para hacer sostenible su operación; Vice Media se declaró en bancarrota ese mismo año; y Vox Media recortó alrededor del 7% de su plantilla en un contexto de debilidad económica y presión sobre el negocio publicitario. Sería incorrecto atribuir esos problemas a la inteligencia artificial, pero los tres casos ayudan a mostrar la fragilidad de un modelo muy dependiente de plataformas, publicidad y distribución externa. (BuzzFeed News, Vice Media, Vox Media).
Gizmodo en Español ofrece un ejemplo diferente y mucho más directamente relacionado con la automatización. En 2023, su equipo fue despedido y parte del trabajo que realizaba comenzó a ser sustituido por traducciones automáticas de los artículos publicados originalmente en inglés. Ars Technica documentó el caso.
El viejo modelo de “atraer tráfico y monetizarlo con publicidad” no ha desaparecido, pero se ha vuelto más difícil de sostener para muchos creadores y publicaciones. Si una parte creciente de la atención permanece dentro de buscadores, redes sociales y asistentes de inteligencia artificial, producir contenido ya no garantiza que quien lo consuma termine visitando al productor original.
El sistema ya estaba roto
Hay que decirlo con claridad: la inteligencia artificial no creó este problema. El modelo basado en conseguir tráfico orgánico ya mostraba grietas mucho antes de que ChatGPT irrumpiera en la conversación pública. Las grandes plataformas llevan años diseñando productos cuyo incentivo natural es mantener al usuario dentro de sus propios ecosistemas.
Rand Fishkin anticipó que, en un mundo de clic cero, el tráfico sería una meta terrible. En un ensayo publicado en 2025, advirtió:
Internet está enviando menos tráfico. Punto. Es un hecho comprobable. Y aplica para todas las fuentes: Google, Facebook, LinkedIn, Reddit, YouTube, Instagram, herramientas de IA… Todas enviarán menos tráfico este año que el anterior.
¿La razón? Las plataformas ya no quieren enviarte tráfico. Quieren quedárselo. Google es probablemente el ejemplo más evidente. Snippets, mapas, paneles informativos, videos, resultados de compras y ahora respuestas generadas mediante IA permiten resolver cada vez más necesidades sin abandonar el buscador. Las redes sociales siguen una lógica similar: el contenido puede alcanzar una audiencia enorme dentro de la plataforma, pero eso no significa que esa audiencia vaya a seguir un enlace hasta el sitio del creador.
De ahí surge el concepto de zero-click content: crear contenido que entregue valor directamente allí donde se encuentra la audiencia, sin hacer depender todo su resultado de que el usuario termine visitando posteriormente una página externa. Amanda Natividad desarrolló esta idea en SparkToro en julio de 2025, argumentando que la estrategia responde a un ecosistema en el que las plataformas concentran cada vez más la distribución y el clic deja de ser la única forma de generar atención, confianza o influencia.
La inteligencia artificial, por tanto, no llegó a destruir una relación perfectamente equilibrada entre plataformas y creadores. Llegó a un sistema donde esa relación ya estaba cambiando y añadió una capacidad nueva: además de retener al usuario, una plataforma puede ahora sintetizar información procedente de diferentes fuentes y responder directamente con ella. Para el creador, la diferencia no es menor. Su contenido puede seguir generando utilidad incluso cuando el lector nunca pasa por su sitio.
La ironía del presente
Detengámonos en la ironía de todo esto. Buena parte de la revolución actual de la inteligencia artificial se ha construido sobre cantidades enormes de información que ya existían: páginas web, textos, código, imágenes y otros materiales producidos durante años por personas y organizaciones. Parte de esos datos era pública, otra parte se obtuvo mediante acuerdos y licencias, y alrededor de determinados usos existe una disputa jurídica que todavía está lejos de resolverse.
Al mismo tiempo, varias publicaciones comenzaron a experimentar con inteligencia artificial para producir contenido. En 2023 se conoció que CNET había publicado decenas de artículos sobre finanzas personales generados mediante sistemas automatizados, inicialmente con una identificación poco visible para el lector. El experimento terminó generando controversia después de que se encontraran errores importantes en algunos textos. ¿Estamos entrando en una redacción de robots? El caso fue documentado por Futurism.
Para el creador independiente, la contradicción económica permanece aunque evitemos convertir una controversia jurídica todavía abierta en una conclusión definitiva. El contenido que se publica en la web puede formar parte, directa o indirectamente, del ecosistema informativo del que aprenden estos sistemas. Después, esas mismas herramientas pueden reducir la necesidad de visitar las páginas donde se originó una parte de ese conocimiento.
Además, los modelos y la infraestructura que permiten hacer esto pertenecen a empresas con capacidad para monetizarlos mediante suscripciones, publicidad, servicios empresariales o integración con otros productos. El creador individual se encuentra así en una posición peculiar: contribuye a una web abierta cuyo contenido genera valor para todo el ecosistema, pero tiene cada vez menos control sobre la interfaz mediante la cual ese valor llega al usuario.
La distribución del poder económico es difícil de ignorar. Quien posee la infraestructura, el modelo y la relación directa con el usuario tiene una capacidad de capturar valor mucho mayor que quien simplemente publica una pieza aislada de información. Eso no vuelve prescindible al creador ni significa que todo contenido haya sido apropiado de manera ilegítima, pero sí modifica los incentivos sobre los que funcionó buena parte de internet durante las últimas dos décadas.
¿Qué está en juego?
A partir de aquí entramos necesariamente en un terreno más especulativo. Todavía no sabemos hasta qué punto estos cambios modificarán los incentivos para producir información original, ni si aparecerán nuevos modelos capaces de compensarlos. Pero si una parte creciente del conocimiento puede consumirse sin llegar hasta quien lo produce, hay varios riesgos que merece la pena considerar:
- Pérdida de diversidad de voces: buena parte de la riqueza de internet proviene de blogs de nicho, foros, comunidades especializadas, periodistas independientes y personas que publican conocimiento sin pertenecer a grandes organizaciones. Si producir ese contenido ofrece cada vez menos retorno económico, reputacional o de audiencia, algunos de esos incentivos pueden debilitarse. El resultado no tendría por qué ser una web sin voces humanas, pero sí podría favorecer una mayor concentración de la atención.
- Estancamiento del conocimiento: los sistemas actuales dependen de información producida previamente y de nuevas fuentes que permitan actualizarla. Si disminuyen los incentivos para publicar investigación, análisis, experiencias, documentación o conocimiento especializado de manera abierta, también podría deteriorarse parte del flujo de información del que dependen los propios sistemas. No sabemos si ocurrirá ni en qué magnitud, pero existe una relación evidente entre la calidad de las respuestas futuras y la existencia de conocimiento nuevo.
- Contenido más homogéneo: herramientas como ChatGPT o Gemini pueden producir respuestas sorprendentemente útiles, pero su capacidad para sintetizar patrones existentes también puede favorecer contenidos muy parecidos entre sí cuando se utilizan sin una aportación adicional. Si una parte creciente de internet se limita a reformular información que ya circula, la abundancia de contenido podría crecer más rápido que la diversidad real de ideas.
- Impacto en la educación y el pensamiento crítico: recibir una respuesta inmediata tiene un valor enorme, pero investigar no consiste únicamente en obtener una respuesta. También implica comparar fuentes, detectar contradicciones, reconocer incertidumbre y decidir qué evidencia merece confianza. Si delegamos sistemáticamente ese proceso en una interfaz que sintetiza por nosotros, existe el riesgo de confundir comodidad informativa con comprensión.
- Menores incentivos para crear y compartir: gran parte de la web abierta nació porque millones de personas encontraron alguna razón para publicar, ya fuera dinero, reputación, comunidad, curiosidad o el simple deseo de compartir lo que sabían. Si cambia la recompensa asociada a hacerlo, también puede cambiar qué tipo de información se publica y dónde se publica. No significa que la creatividad vaya a desaparecer, pero sí que el ecosistema que la distribuye puede terminar siendo diferente.
No creo que esto permita anunciar la muerte de internet. Sería una conclusión demasiado grande para la evidencia que tenemos. Pero sí parece razonable afirmar que están cambiando los incentivos que organizaron buena parte de la web durante años. La información puede seguir teniendo valor incluso cuando el usuario ya no necesita visitar a quien la produjo, y esa separación entre crear valor y capturarlo es probablemente una de las tensiones más importantes que introduce la inteligencia artificial en el ecosistema digital.
Del creador digital al trabajo intelectual
Hasta aquí, el problema parece concentrarse en quienes producen contenido para internet. Pero la misma tecnología que puede responder una consulta sin enviar al lector hasta la fuente también puede traducir documentos, redactar informes, analizar información o escribir código. El impacto, por tanto, no termina en el clic que ya no llega: también alcanza tareas intelectuales que hasta hace poco dependían exclusivamente de las personas.
Hace unos días, en la oficina, un señor mayor, muy respetado pero poco familiarizado con estas herramientas, me pidió ayuda para traducir un documento legal. Estaba usando Google Traductor y peleándose con sus limitaciones. Yo le mostré ChatGPT: tradujimos el documento completo, lo pasamos a Word y generamos una primera revisión de posibles inconsistencias en cuestión de minutos.
Al principio quedó impresionado. Después, con cierto aire de resignación, me preguntó: «Es verdad que las máquinas van a sustituir a las personas, ¿verdad?». La pregunta era mucho más difícil de responder que la demostración que acababa de hacerle, pero dejaba al descubierto algo importante: una parte del trabajo intelectual también está entrando en terreno vulnerable.
La IA puede ejecutar tareas relacionadas con análisis, redacción, traducción, programación o procesamiento de información con una velocidad y un costo difíciles de igualar. Analistas que construyen modelos estándar en Excel, traductores generalistas, redactores de reportes técnicos, agentes de soporte o personas cuyo trabajo consiste principalmente en procesar información empiezan a encontrarse con herramientas capaces de realizar una parte de esas funciones.
En 2023, Goldman Sachs estimó que los avances de la inteligencia artificial generativa podían exponer a automatización el equivalente a unos 300 millones de empleos a tiempo completo en todo el mundo. La cifra es enorme, pero necesita una precisión importante: el propio informe señalaba que la mayoría de las ocupaciones estaban expuestas solo parcialmente y, por esa razón, era más probable que muchas fueran complementadas por la tecnología antes que sustituidas por completo. Goldman Sachs explica aquí sus estimaciones.
Un estudio publicado ese mismo año por investigadores de OpenAI y la Universidad de Pensilvania llegó a una conclusión parecida desde otro enfoque. Estimó que alrededor del 80% de los trabajadores estadounidenses podía tener al menos un 10% de sus tareas afectadas por los grandes modelos de lenguaje, mientras que aproximadamente un 19% podía ver afectada al menos la mitad. Los autores no estaban pronosticando que esos empleos desaparecerían, sino evaluando qué proporción de las tareas podía realizarse significativamente más rápido manteniendo un nivel similar de calidad. El estudio completo está disponible en arXiv.
La diferencia entre una tarea y un empleo es fundamental. Un analista no es únicamente el modelo que construye en Excel, del mismo modo que un abogado no es solamente el contrato que redacta. Un puesto reúne distintas tareas, conocimiento del contexto, relaciones, decisiones y responsabilidades. La inteligencia artificial no necesita reemplazar todo ese conjunto para alterar su economía. Basta con reducir significativamente el tiempo o el costo de algunas de sus partes.
La Organización Internacional del Trabajo llegó en mayo de 2025 a una conclusión similar después de evaluar casi 30,000 tareas. Su estimación situaba a uno de cada cuatro trabajadores del mundo en una ocupación con algún grado de exposición a la inteligencia artificial generativa, pero solo una proporción mucho menor se encontraba en las categorías de mayor exposición. La principal conclusión de la OIT era que, debido a la necesidad persistente de intervención humana, la transformación de los puestos parecía más probable que su desaparición generalizada. La investigación puede consultarse aquí.
Eso no significa que el impacto vaya a ser pequeño. Un estudio con 5,179 agentes de atención al cliente encontró que quienes recibieron asistencia de una herramienta de inteligencia artificial aumentaron su productividad alrededor de 14% en promedio. El efecto fue mucho mayor entre los trabajadores menos experimentados y de menor desempeño, mientras que entre los más experimentados fue reducido. Los investigadores plantearon que la herramienta podía estar difundiendo entre trabajadores novatos parte del conocimiento y las mejores prácticas que antes acumulaban los empleados más capaces. El estudio fue publicado por el National Bureau of Economic Research.
Ese resultado abre una cuestión especialmente interesante. La IA puede sustituir determinadas tareas, pero también puede complementar a quien las realiza y reducir diferencias de productividad entre trabajadores. En algunos casos podría hacer más valioso al profesional experimentado; en otros, podría convertir parte de su conocimiento acumulado en algo mucho más accesible para los demás. La frontera entre ser complementado y ser sustituido probablemente no pase entre profesiones completas, sino dentro de ellas.
Por eso la cuestión no es necesariamente que la inteligencia artificial tenga que pensar mejor que nosotros. Para alterar el valor de una tarea basta con que pueda realizarla con suficiente calidad, más rápido y a menor costo. Un reporte, una traducción, un análisis preliminar o una pieza de código pueden seguir siendo necesarios y, al mismo tiempo, requerir mucho menos trabajo humano para producirse.
Ahí aparece una conexión directa con el problema del creador digital. En ambos casos, algo puede seguir siendo útil sin conservar necesariamente el mismo valor económico para quien lo produce. Si una respuesta, un texto, un análisis o determinado conocimiento pueden reproducirse con mucha mayor facilidad, la pregunta empieza a desplazarse hacia aquello que no se vuelve abundante al mismo ritmo.
Eso obliga a replantear cómo capacitamos a la próxima generación, qué tareas sigue teniendo sentido aprender a ejecutar manualmente y, sobre todo, cómo asignamos valor económico al conocimiento cuando una parte creciente de su producción puede automatizarse. Saber utilizar inteligencia artificial probablemente será importante, pero difícilmente constituirá por sí solo una ventaja duradera si las mismas herramientas están disponibles para todos.
Conclusión
Quizá llegué tarde al viejo juego de crear contenido en internet. O quizá llegué justo cuando las reglas estaban siendo reescritas. Vine con la intención de construir un blog, una voz propia en finanzas, y me encontré con una contradicción difícil de ignorar: las mismas herramientas que podían ayudarme a producir y aprender más rápido también estaban alterando la manera en que el conocimiento se crea, se distribuye y se convierte en valor económico.
La inteligencia artificial no inventó los problemas de la web abierta ni permite concluir que estemos ante el final del trabajo intelectual. El tráfico ya se concentraba dentro de grandes plataformas antes de ChatGPT, y la evidencia disponible sobre empleo apunta más hacia una transformación desigual de tareas y ocupaciones que hacia una sustitución generalizada. Pero la IA añade algo nuevo a ambos procesos: permite producir, reorganizar y entregar información con una velocidad y una escala que antes requerían mucho más trabajo humano.
No es la primera vez que una tecnología modifica profundamente la forma de trabajar. Los telares mecánicos, la electricidad, las computadoras e internet destruyeron determinadas actividades mientras creaban otras que anteriormente ni siquiera existían. La comparación histórica, sin embargo, tampoco permite saber de antemano cómo terminará esta transición. La capacidad de la inteligencia artificial para intervenir directamente en tareas cognitivas introduce suficientes diferencias como para desconfiar tanto del optimismo automático como de las profecías sobre el fin del trabajo.
Por eso sigo sin tener una respuesta definitiva a la pregunta que apareció cuando empecé a construir este sitio. No sé si la inteligencia artificial terminará debilitando el ecosistema que produce el conocimiento del que ella misma depende, ni qué profesiones ganarán o perderán más valor durante el proceso. Mucho menos sabemos todavía cuál será el equilibrio entre las tareas que se automaticen y las nuevas actividades que puedan aparecer.
Lo que sí parece claro es que producir información ya no basta para garantizar atención, del mismo modo que poseer conocimientos ya no garantiza que todas las tareas asociadas a ellos conserven el mismo valor. En ambos casos, la inteligencia artificial está obligándonos a distinguir entre información e interpretación, entre ejecución y criterio, y entre producir una respuesta y decidir si esa respuesta merece confianza.
Quizá esa sea la cuestión que vale la pena seguir observando. No si una máquina puede escribir un artículo, preparar un reporte o analizar un documento, porque ya sabemos que puede hacerlo en determinadas condiciones. La pregunta más difícil es quién seguirá capturando el valor cuando las mismas plataformas capaces de sintetizar el contenido controlan también la relación con la audiencia y reducen el costo de producir parte del trabajo intelectual.