Ahora los asistentes son la audiencia

Durante casi un año leí mal mi propio tráfico. Me fijaba en los visitantes humanos, en los clics de búsqueda y en la profundidad de sesión, y trataba las filas de bots en los registros como ruido que había que filtrar. Hasta que un día decidí sumarlas. En un día representativo, mi sitio atendió a unos 301 visitantes humanos y alrededor de 19.800 solicitudes de agentes de IA. Los agentes no me estaban rastreando para entrenamiento. La mayor fuente individual, por amplio margen, era ChatGPT recuperando mis páginas en vivo para responder la pregunta de alguien en ese preciso momento. Mi verdadera audiencia había dejado de visitarme sin que yo lo notara. Me leía a través de un asistente, y el asistente me leía unas sesenta y seis veces más que los humanos a los que respondía. {.answer-block}

TL;DR

• En un día reciente representativo, mi sitio atrajo ~301 visitantes humanos y ~19.800 solicitudes de agentes de IA. El volumen promedio de agentes en 7 días es de ~19.850 al día frente a un promedio humano de ~301 al día en 28 días, una proporción cercana a 66 a 1.¹
• La mayor parte de ese tráfico de agentes no proviene de rastreadores de entrenamiento. Es recuperación en vivo dirigida por usuarios: ChatGPT-User con ~13.100 solicitudes al día y Claude-User con ~2.300, agentes que recuperan una página solo porque un humano acaba de preguntarle algo a su asistente.¹²³
• La propia documentación de los proveedores traza la línea de forma explícita. OpenAI: «ChatGPT-User no se utiliza para rastrear la web de forma automática». Anthropic: Claude-User recupera páginas «cuando las personas le hacen preguntas a Claude». Cloudflare lo formaliza como un comportamiento distinto de tipo Agent, separado de Training y Search.²³⁴
• Los rastreadores de entrenamiento que a todos preocupan resultaron ser un error de redondeo en comparación: GPTBot con 55 solicitudes y ClaudeBot con 212 el mismo día.¹²³
• El cambio práctico: tu contenido se consume cada vez más como sustrato de respuestas. El lector es un humano que nunca llega a tu página, y lo que realmente te lee es un asistente que te recupera en el momento de la pregunta. Eso cambia lo que mides, lo que escribes e incluso lo que significa la palabra «tráfico».

La cifra que lo reformuló todo

El sitio es personal: guías técnicas y ensayos, diez idiomas, unos cientos de visitantes humanos al día. Respetable, no viral. Durante meses mi panel me contó una historia ordenada sobre clics de búsqueda y duración de sesión, mientras las filas de agentes de IA descansaban en un rincón que mentalmente etiquetaba como «rastreadores, ignorar».

La etiqueta era el error. Cuando por fin puse los registros del edge de Cloudflare en la misma vista que las analíticas humanas, la proporción no estaba ni cerca. Humanos: unos 301 al día como promedio de 28 días. Agentes de IA: unas 19.850 solicitudes al día como promedio de 7 días, y 19.785 en el único día representativo que desglosé por fuente.¹ Ambas ventanas son estables, así que la proporción no depende de cuál elija: 19.785 frente a 301 da 65,7 a uno, y el promedio más suave de 7 días queda en 65,9. Llamémoslo sesenta y seis a uno.

Una objeción justa aparece de inmediato, y quiero concederla antes de que socave todo lo demás: esas unidades no son idénticas. El 301 son visitantes humanos únicos. Las 19.800 son solicitudes de agentes, y una sola visita humana también abarca varias solicitudes de página. Así que esto no es «sesenta y seis veces más lectores». Se acerca más a «los asistentes solicitan mis páginas unas sesenta y seis veces más de lo que los humanos llegan a leerlas». La comparación honesta sigue apuntando en la misma dirección, porque lo interesante no es el múltiplo exacto. Es en qué resultaron ser esas solicitudes de agentes.

No son los rastreadores que te preocupaban

La suposición por defecto, la mía incluida, es que un muro de tráfico de agentes de IA significa scrapers de entrenamiento absorbiendo tu contenido hacia el próximo modelo fundacional. Ese es el miedo que lanzó cien ediciones de robots.txt. No es lo que muestran mis registros.

Este es el mismo día representativo, desglosado por user-agent:¹

Lee de nuevo las dos primeras filas. ChatGPT-User y Claude-User juntos suman más de quince mil de las cerca de veinte mil solicitudes de agentes del día. Ninguno es un rastreador de entrenamiento, y la distinción no es interpretación mía. Está documentada por los proveedores en lenguaje claro.

La documentación de bots de OpenAI dice que OpenAI usa ChatGPT-User «para ciertas acciones del usuario en ChatGPT y GPTs personalizados», que «cuando los usuarios le hacen una pregunta a ChatGPT o a un CustomGPT, puede visitar una página web», y luego afirma sin rodeos que «ChatGPT-User no se utiliza para rastrear la web de forma automática».² El rastreador masivo de entrenamiento es un agente aparte, GPTBot, descrito como aquel que rastrea «contenido que puede usarse para entrenar nuestros modelos fundacionales de IA generativa».² En mi día representativo, GPTBot hizo cincuenta y cinco solicitudes. ChatGPT-User hizo trece mil.

Anthropic traza exactamente la misma línea. Claude-User «da soporte a los usuarios de Claude AI. Cuando las personas le hacen preguntas a Claude, puede acceder a sitios web mediante un agente Claude-User». ClaudeBot, el rastreador de entrenamiento, «ayuda a mejorar la utilidad y la seguridad de nuestros modelos de IA generativa recopilando contenido web que podría contribuir a su entrenamiento».³ La misma forma: el agente dirigido por usuarios eclipsa al rastreador de entrenamiento, 2.274 frente a 212.

Cloudflare, que se sitúa frente a una gran porción de la web y no tiene incentivo para adular a ningún proveedor en particular, formaliza justamente esta división. Su taxonomía de bots verificados clasifica los bots de IA por comportamiento en categorías distintas: Agent, «agentes dirigidos por usuarios que visitan una página en nombre de un humano»; Search, «rastreo para construir índices de búsqueda o bases de datos de RAG»; y Training, «rastreo para entrenar o afinar modelos».⁴ El discriminador operativo es la dirección humana. Un bot de entrenamiento o de búsqueda rastrea de forma autónoma para construir un conjunto de datos persistente. Una recuperación de tipo Agent se dispara por solicitud, por una interacción humana, para responder en vivo una pregunta específica. Mi tráfico es, de forma abrumadora, la tercera cosa.

Qué significa realmente una recuperación en vivo

Detente en la mecánica, porque cambia el modelo mental por completo. Cuando ChatGPT-User llega a mi página, la secuencia que lo produjo se ve así: una persona abrió un asistente, escribió una pregunta, el asistente decidió que valía la pena leer mi página para responder, la recuperó en tiempo real, extrajo lo que necesitaba y redactó una respuesta. La persona obtuvo su respuesta. Puede que nunca haya visto mi nombre, mi diseño, mis otros artículos ni la pequeña nota al pie que recomienda una de mis apps.

Eso es un lector. Simplemente un lector al que nunca conozco. El asistente es un mensajero, y mis analíticas solo llegaron a ver la camioneta del mensajero, trece mil viajes al día, y la llamaron ruido.

Esa inversión es la historia silenciosa que hay debajo del ruido sobre la IA y el contenido. El debate sobre los rastreadores de entrenamiento gira en torno a si los modelos ingieren tu trabajo una vez, en algún momento, dentro de los pesos. Ese debate importa, pero es lo incorrecto que observar si quieres entender tu audiencia en vivo. La audiencia en vivo llega a través de recuperaciones de tipo Agent, de forma continua, cada una disparada por una interacción humana que ocurre ahora mismo. Cada recuperación de ChatGPT-User en mis registros remite a una persona que le preguntó a su asistente algo que mi página podía responder, aunque una sola pregunta desencadene más de una recuperación y algunas nunca lleguen a nadie. La escala —quince mil recuperaciones al día frente a trescientas visitas humanas— dice que las personas a las que mi contenido realmente llega están, en su mayoría, al otro lado de un asistente.

Qué cambia esto sobre cómo medir un sitio

Una vez que aceptas que los asistentes son una audiencia real, a tu tablero de instrumentos de pronto le falta su indicador más importante. Las analíticas estándar se construyen sobre el supuesto de que la lectura ocurre en tu página: sesiones, profundidad de scroll, tiempo en el sitio, el elemento de conversión bajo el pliegue. Nada de eso se activa cuando un humano te lee a través de Claude. El asistente no hace scroll, no convierte nada y rebota en cada visita por definición. Si juzgas tu contenido solo por la interacción en página, tu audiencia de más rápido crecimiento es estadísticamente invisible.

De ahí se derivan tres ajustes, y ya he empezado a hacer los tres.

Primero, tratar los registros de solicitudes de agentes de IA como una métrica de audiencia, no de seguridad. Ahora hago seguimiento del volumen de ChatGPT-User y Claude-User por página igual que hago seguimiento de los usuarios humanos únicos, porque esa cifra es el indicador más cercano que tengo de «con qué frecuencia un asistente usa esta página para responderle a alguien». Las páginas que los agentes recuperan más no siempre son las páginas en las que más hacen clic los humanos, y esa brecha es una señal de contenido que estaba desperdiciando.

Segundo, dejar de optimizar únicamente para el momento en página. Una página escrita para que la hojee un humano que llegó por búsqueda no es lo mismo que una página escrita para que la extraiga con limpieza un asistente que responde una pregunta. El segundo objetivo premia una respuesta clara y autocontenida cerca del inicio, afirmaciones inequívocas y una estructura que un recuperador pueda levantar sin el envoltorio que la rodea. Es la razón por la que coloco un bloque de respuesta directa al comienzo de cada artículo. Ese bloque es tanto para el mensajero como para el lector.

Tercero, aceptar que la atribución se vuelve más difícil y, en su lugar, medir la sombra que proyecta. No puedo ver al humano detrás de una recuperación de Claude-User. Lo que sí puedo ver es una señal de segundo orden: humanos que llegan a mi sitio ya referidos por un asistente, el pequeño flujo de personas que leyeron la respuesta, quisieron la fuente y entraron con un clic. Es un hilillo al lado del volumen de recuperaciones —nueve al día frente a quince mil—, pero es la punta visible de la audiencia invisible, y su tendencia es el marcador honesto de si ser un buen sustrato de respuestas termina por devolver humanos a la fuente.

La estrategia de fondo

Existe la tentación de leer todo esto como una condena para los sitios independientes: los asistentes explotan tu contenido a cielo abierto, responden por ti y se quedan con el humano. A veces es exactamente lo que pasa. Pero ese encuadre es demasiado plano, porque ignora qué está seleccionando realmente la recuperación.

Un asistente recupera tu página porque, en el momento de la pregunta, juzgó que tu página era la mejor fuente disponible para esa consulta específica. Ese no es el viejo juego de búsqueda de posicionarse por una palabra clave. Es ser aquello a lo que un motor de respuestas recurre cuando necesita acertar. La moneda no son los backlinks ni la densidad de palabras clave; es tener razón —de forma demostrable y recuperable— sobre algo que suficiente gente pregunta. Una página precisa, específica y actual se recupera. Una página de contenido genérico y refrito no, porque el modelo ya conoce la parte genérica y solo sale a buscar cuando necesita algo que no contiene de forma confiable.

Así que el incentivo que crea el tráfico de tipo Agent está, por una vez, alineado con hacer páginas genuinamente buenas. No páginas diseñadas para un algoritmo de posicionamiento, sino páginas que valga la pena recuperar para responder una pregunta real. La recompensa medible pasó de «¿llegó un humano e hizo scroll?» a «¿juzgó un asistente que esta era la mejor fuente y se la leyó a un humano?». Prefiero competir en lo segundo.

La postura

Trata a los asistentes como tu audiencia principal, porque según los números ya lo son, y construye tanto para la recuperación como para la visita. El humano en tu página es ahora el lector minoritario, y a menudo el que le importó lo suficiente como para venir a buscar la fuente después de que el asistente respondiera. El lector mayoritario es el asistente mismo, que te recupera en vivo cada vez que una pregunta humana lo exige, y que nunca toca tus analíticas. Eso no es un problema de rastreadores que haya que bloquear. Es un canal de distribución que hay que entender, y ahora mismo es el más grande que tienen la mayoría de los sitios de contenido.

El sitio de los próximos años se mide en dos cifras, no en una. Está el tráfico que puedes ver, humanos en la página, y está el tráfico que tienes que inferir, asistentes que te leen para responderles a humanos que nunca conocerás. Los míos van cerca de sesenta y seis a uno a favor de los lectores que no puedo ver. Sospecho que los tuyos están más cerca de esa cifra de lo que tu panel te dice, porque las filas siguen en el mismo rincón donde dejé las mías, etiquetadas como ruido.

Puntos clave

• Cuenta las solicitudes de agentes de IA como audiencia, no como ruido. En mi sitio superan las llegadas humanas a las páginas en una proporción aproximada de 66 a 1, y la composición importa más que el múltiplo.¹
• La mayor parte del tráfico de agentes es recuperación en vivo dirigida por usuarios, no entrenamiento. ChatGPT-User y Claude-User recuperan páginas porque un humano acaba de preguntarle algo a su asistente; los proveedores lo documentan y Cloudflare lo clasifica como un comportamiento distinto de tipo Agent.²³⁴
• Los rastreadores de entrenamiento son una fracción pequeña. GPTBot y ClaudeBot juntos sumaron menos de 300 solicitudes en un día en que los agentes dirigidos por usuarios hicieron más de 15.000.¹²³
• Las analíticas en página se pierden tu audiencia de más rápido crecimiento. Los asistentes no hacen scroll ni convierten, así que las métricas de interacción vuelven invisible a la audiencia de tipo Agent; en su lugar, haz seguimiento del volumen de recuperaciones de agentes por página como indicador.
• Escribe para la recuperación. Empieza con una respuesta clara y autocontenida; sé específico, preciso y actual. Un motor de respuestas recupera la página que juzga la mejor fuente en el momento de la pregunta, lo que premia acertar de verdad por encima de estar optimizado para palabras clave.

Preguntas frecuentes

¿Cuál es la diferencia entre ChatGPT-User y GPTBot?

GPTBot es el rastreador de entrenamiento de OpenAI, que recopila contenido que «puede usarse para entrenar» modelos fundacionales. ChatGPT-User es un agente dirigido por usuarios que recupera una página cuando una persona le hace una pregunta a ChatGPT; OpenAI afirma que «no se utiliza para rastrear la web de forma automática».² En mis registros, ambos difieren en órdenes de magnitud: ChatGPT-User hizo 13.128 solicitudes en un día en que GPTBot hizo 55.¹

¿Los asistentes de IA leen mi sitio web en tiempo real?

Si publicas contenido que responde preguntas comunes, casi con seguridad que sí. Agentes como ChatGPT-User, Claude-User y Perplexity-User recuperan páginas en vivo cuando un humano le pregunta al asistente algo que la página puede responder.²³ Son distintos de los rastreadores de entrenamiento y de los indexadores de búsqueda, y en mi sitio son la forma dominante de tráfico de agentes.

¿En qué se diferencia esto del SEO?

El SEO clásico optimiza para posicionarse en una página de resultados en la que luego un humano hace clic. La recuperación por motores de respuestas optimiza para ser la fuente que un asistente recupera y lee para redactar una respuesta, a menudo sin que el humano visite nada. La recompensa se desplaza de las señales de posicionamiento hacia ser lo bastante preciso, específico y actual como para que un modelo recurra a tu página cuando necesita acertar.

¿Debería bloquear a los agentes de IA en robots.txt?

Es una decisión legítima, pero tómala por comportamiento, no en bloque. Bloquear los rastreadores de entrenamiento (GPTBot, ClaudeBot) afecta si tu contenido entrena modelos futuros. Bloquear los agentes dirigidos por usuarios (ChatGPT-User, Claude-User) afecta si los asistentes pueden responderles a humanos usando tu página en vivo, lo que para muchos sitios es ahora la audiencia más grande. Una advertencia que conviene conocer: los agentes dirigidos por usuarios tienen un historial más débil de respetar robots.txt que los rastreadores de entrenamiento, así que un bloqueo en robots.txt es una palanca más clara sobre el entrenamiento que sobre las recuperaciones en vivo, y una regla en el edge puede ser el control más confiable en ese caso. La taxonomía de Cloudflare separa estas categorías con precisión justamente para que puedas tratarlas de forma diferente.⁴

¿Cómo mido una audiencia que no puedo ver en mi propio sitio?

No puedes atribuir directamente al humano detrás de una recuperación en vivo, así que mide dos cosas en su lugar: el volumen de solicitudes de agentes de IA por página desde tus registros del edge, como indicador de con qué frecuencia los asistentes usan cada página, y el flujo más pequeño de visitantes humanos que llegan ya referidos por un asistente, como la sombra visible de la audiencia invisible.

Fuentes