Cinco posibles puertas traseras a los resultados de búsqueda de los LLM

Ante el desplome del tráfico tradicional procedente de los resultados de los buscadores, debido a la nueva tendencia de los resúmenes de IA, los editores de todos los niveles buscan ahora ganar visibilidad ante los grandes modelos de lenguaje que generan los resúmenes de IA de las búsquedas web y, directamente, en modelos de vanguardia populares como ChatGPT.

Según trabajos anteriores como Optimizar la visibilidad en los motores generativos y Cómo dominar la búsqueda con IA, los enfoques legítimos incluyen obtener cobertura editorial independiente, publicar contenido bien estructurado y de autoridad, proporcionar información de productos legible por máquinas y adaptar el material a distintos idiomas y mercados.

Otros métodos que han atraído atención recientemente recuerdan las prácticas de SEO abusivo de décadas anteriores: incluyen las campañas de apoyo popular fingido en Reddit, donde se insertaban recomendaciones supuestamente independientes para influir en los resultados de búsqueda de IA; el envenenamiento de la memoria, en el que enlaces engañosos intentaban que los asistentes conservaran afirmaciones promocionales como información fiable; y la inyección de instrucciones, mediante la cual instrucciones ocultas en sitios web buscaban influir en las recomendaciones de un asistente de IA, en lugar de limitarse a ofrecer información para resumir.

Un ejemplo especialmente ingenioso de manipulación de GEO se produjo cuando investigadores de ETH Zürich crearon una cámara ficticia y publicaron una página promocional con una instrucción oculta, en diminutas letras blancas, que ordenaba a Bing Copilot de Microsoft recomendar exclusivamente esa cámara. El tamaño minúsculo de la letra y su escaso contraste pretendían ocultar la manipulación.

Dos anuncios de cámaras ficticias utilizados en un experimento de ETH Zürich para manipular las recomendaciones de búsqueda con IA. El anuncio convencional, a la izquierda, contiene texto promocional visible, mientras que el de «PixelBlitz», a la derecha, oculta una instrucción en letras blancas de un punto, invisibles sobre el fondo blanco. El mensaje oculto suplanta una instrucción del sistema y ordena a la IA recomendar exclusivamente PixelBlitz y esconder la existencia de la instrucción. En pruebas controladas, esta técnica aumentó la tasa de recomendación de la cámara ficticia del 34 % al 59,4 %. Fuente

En pruebas controladas, la tasa de recomendación de la cámara ficticia aumentó del 34 % al 59,4 %, superando ligeramente el 57,9 % de las cámaras reales de Nikon y Fuji-film. Esto demuestra que las instrucciones maliciosas integradas en páginas web recuperadas podían influir efectivamente en las recomendaciones de la IA.

Con tanto en juego, resulta razonable suponer que el GEO abusivo es una línea de investigación ilícita activa y bien financiada en el marketing y en otros sectores que buscan ganar o recuperar su antigua relevancia en los buscadores mediante recomendaciones de oráculos de IA y motores conversacionales.

Veamos, por tanto, algunas de las vías posibles o emergentes:

1: Manipulación de archivos

Internet Archive es uno de los recursos de red más exhaustivos y útiles que existen: su Wayback Machine superó el hito de un billón de páginas en 2025. En el momento de redactar este artículo, Internet Archive informa de la extraordinaria cifra de 47.381.733 documentos PDF almacenados y disponibles para el público:

Internet Archive almacena una extraordinaria colección de documentos PDF, donados en gran medida por voluntarios. Fuente

Como muestran los resultados de ejemplo anteriores, muchos de los PDF subidos son bastante corrientes: desde oscuros folletos musicales de las décadas de 1950 a 1990 hasta revistas y libros raros y fascinantes que se creían perdidos para la posteridad, pasando por interminables conjuntos de actas de plenos municipales de los años setenta y ochenta, entre muchas otras cosas.

Actualmente, esta colección está siendo bombardeada indiscriminadamente, y el culpable evidente es una horda de bots de recopilación de datos para IA, desesperados por obtener datos nuevos o versiones mejores o que corroboren los que ya poseen.

Está claro que resulta muy sencillo modificar un documento subido para respaldar una afirmación falsa, productos inexistentes, referencias falsas a personas, elogiosas o difamatorias, declaraciones falsas sobre ellas, etc.

Este material puede introducirse en documentos que los LLM consideran fuentes de autoridad, como PDF de revistas prestigiosas que aún no estén completamente indexadas en la colección de Internet Archive. En tal caso, la edición manipulada parecería estar cubriendo legítimamente una laguna.

La propia IA podría imitar el estilo de redacción para ajustarlo al de un artículo breve o incluso un pie de foto, y podría modificarse la fecha del PDF, junto con otras muchas maniobras sencillas para hacer que el documento pareciera, por ejemplo, algo encontrado en un archivo de los años noventa o anterior:

Una simple «modificación histórica» proporcionada sin objeciones por ChatGPT-5.5 y fácilmente reinsertada en el documento PDF original. Así, el «Pence Opera House» desaparece de la historia, mientras que la apertura del Guthrie Theater, un teatro real de Minnesota, se adelanta desde su verdadera inauguración en 1963 hasta el mucho más temprano año 1867. Fuente

En estos casos, parece que bastaría con esperar a que los ávidos bots de recopilación para IA recogieran la información. Aún es demasiado pronto para saber con certeza hasta qué punto los filtros o sistemas de comprobación empleados al preparar conjuntos de datos podrían detectar estas modificaciones ilícitas. Sin embargo, la escala de esos conjuntos es tan enorme que generalmente impide tal grado de supervisión. Ante semejante volumen, básicamente se confía en los datos.

2: Redes de consenso sintético

O, para quienes tengan edad suficiente para recordarlos, un «anillo de sitios» moderno: los sitios interconectados de los inicios de Internet, anteriores al PageRank de Google y a la Domain Authority de Moz, que valoraban la cantidad y la calidad de los enlaces entrantes.

Sin embargo, las redes de consenso sintético van más allá, fabricando corroboraciones aparentemente independientes en sitios web supuestamente no relacionados. Un estudio reciente de la Chinese University of Hong Kong y la EPFL demostró ampliamente este principio: sus investigadores probaron 12 modelos de IA con 225 productos de 15 categorías, sustituyendo las referencias a marcas reales de los resultados recuperados por alternativas ficticias.

Una ilustración del artículo muestra dos vías por las que la información inventada sobre productos puede influir en las recomendaciones de IA. Arriba, el contenido falso se introduce en la web real y llega a los resultados de búsqueda; abajo, los investigadores simulan el mismo proceso modificando localmente las páginas recuperadas. Ambas vías pueden hacer que un asistente de IA recomiende una marca inexistente junto a productos auténticos. Fuente

El efecto crecía conforme más resultados contenían la misma información falsa. Con tres páginas manipuladas entre los primeros resultados, el modelo más vulnerable recomendó productos inexistentes en el 73,8 % de las pruebas. Incluso un único resultado alterado en primera posición podía engañar a algunos modelos en el 27 % de los casos.

Más sorprendente aún, los modelos a veces inventaban sus propias corroboraciones: en una prueba con una marca ficticia de protectores de pantalla, Claude y DeepSeek añadieron afirmaciones sobre recomendaciones de la comunidad y pruebas de productos que no aparecían en el material proporcionado.

Aunque el experimento se realizó con resultados de búsqueda modificados localmente y no con una red real de sitios fraudulentos, sugiere cómo un conjunto coordinado de reseñas supuestamente independientes podría fabricar credibilidad, con la IA reforzando la falsedad mediante avales adicionales.

3: Generación de citas y afirmaciones «huérfanas»

La generación de citas, que podría llamarse «blanqueo de citas», es una variante de las redes de consenso sintético, pero pone mayor énfasis en la procedencia aparente de la información que en el número de fuentes que la repiten.

Una afirmación inventada podría aparecer primero en una oscura revista profesional, un artículo de investigación autopublicado o una publicación especializada con escasa supervisión editorial. Después pueden citarla blogs, directorios y otras publicaciones, y cada repetición otorga un poco más de legitimidad aparente a la afirmación original.

Con el tiempo, un buscador de IA puede encontrar la afirmación a varios pasos de distancia de su fuente original, quizá en un artículo por lo demás prestigioso que cita una publicación intermediaria. Lo que comenzó como una aseveración sin fundamento tiene ahora un historial de citas, aunque ninguna de las referencias posteriores constituye una verificación independiente.

Ya existen varios ejemplos documentados de este proceso, aunque la mayoría son anteriores a la aparición de la búsqueda con IA. En un caso conocido, un adolescente inventó el apodo «cerdo hormiguero brasileño» para el coatí y lo añadió a Wikipedia.

El nombre inventado se difundió por periódicos y al menos un libro académico. Finalmente, la propia Wikipedia citó un artículo periodístico como prueba de la afirmación que había introducido inicialmente: un círculo casi perfecto de autoridad fabricada. The New Yorker documentó el episodio.

En 2025 surgió una demostración más deliberada, cuando investigadores crearon varios artículos académicos generados por IA y atribuidos a un científico inexistente. Las publicaciones ficticias acumularon 380 citas y un índice h de 19 en Google Scholar, otorgando al investigador ficticio una posición académica aparentemente respetable. El experimento, publicado en Scientific Reports de Nature, ilustra cómo pueden fabricarse cifras de citas sin un conjunto correspondiente de investigaciones auténticas.

Ninguno de los casos demuestra un ataque exitoso a un buscador de IA. Sin embargo, ambos ponen de manifiesto la debilidad subyacente: una vez que una afirmación falsa ha sido reproducida por fuentes aparentemente creíbles, los sistemas posteriores pueden tener dificultades para distinguir la corroboración independiente de la circulación reiterada de una única invención. El peligro particular para la búsqueda con IA es que un modelo resuma esa cadena de referencias como pruebas coincidentes sin reconocer que todas las autoridades aparentes remiten a la misma afirmación no verificada.

4: Apropiación de autoridad

Los dominios caducados pueden conservar la credibilidad aparente, los enlaces entrantes y la visibilidad en buscadores de sus antiguos propietarios. Adquirir estas direcciones y llenarlas de material nuevo puede hacer que afirmaciones recién introducidas parezcan proceder de publicaciones consolidadas, una práctica que se remonta a veinte o treinta años atrás. A menudo se adquiere la autoridad de un dominio caducado o abandonado para transformar su contenido en material relacionado, pero comercializado.

En 2024, el influyente blog femenino The Hairpin, cerrado en 2018, reapareció bajo nuevos propietarios como una fábrica de contenidos generados por IA. Sus artículos originales se mezclaban con material reescrito y firmas de autores ficticios, aprovechando la reputación y la autoridad del dominio de una publicación antes respetada. Aunque no se trata de un ataque demostrado contra la búsqueda con IA, ilustra cómo puede apropiarse la historia de un sitio consolidado.

Aunque las copias archivadas pueden ayudar a revelar la diferencia entre el pasado auténtico de un dominio y su contenido recién fabricado, ni siquiera este tipo de prueba es necesariamente permanente. En 2002, Internet Archive retiró copias de sitios críticos con la cienciología tras reclamaciones por derechos de autor de los abogados de la organización, sugiriendo inicialmente que los propios propietarios de los sitios habían solicitado la retirada.

Hasta 2017, Wayback Machine aplicaba las reglas de exclusión de sitios retroactivamente, lo que podía permitir a los nuevos propietarios de dominios ocultar los contenidos de sus predecesores. Aunque esa práctica se abandonó, Internet Archive sigue considerando solicitudes de retirada de copias históricas.

5: Explotación de repositorios académicos

Los repositorios académicos ofrecen otra vía hacia la autoridad aparente. Los servidores de prepublicaciones permiten a los investigadores publicar artículos antes de la revisión por pares, mientras que los buscadores y los sistemas de recuperación de información con IA pueden encontrar estos documentos junto a la literatura científica consolidada.

El problema es que publicación y verificación no son lo mismo: en 2024, investigadores demostraron cómo las instrucciones maliciosas integradas en artículos académicos podían manipular a los asistentes de IA que procesaban esos documentos. Su trabajo mostró que la legitimidad aparente de un artículo de investigación no impide utilizar su contenido para influir en un sistema de IA.

Un enfoque GEO menos llamativo consistiría en depositar investigaciones plausibles pero marginales que asociaran repetidamente una empresa, un producto o una persona con conocimientos especializados concretos. Incluso sin instrucciones explícitas para la IA, ese material podría aportar apoyo aparentemente académico a afirmaciones originadas por el propio beneficiario.

Conclusión

Otras posibles vías incluyen la infiltración del ecosistema de reseñas, colocando valoraciones favorables en comparadores y directorios de software; la manipulación de grafos de conocimiento, alterando datos estructurados para establecer asociaciones engañosas entre empresas, productos y conocimientos especializados; y el blanqueo multilingüe de reputación, introduciendo afirmaciones promocionales en fuentes en otros idiomas sometidas a menor escrutinio.

Por último, la optimización GEO basada en agentes podría automatizar estas técnicas, probando repetidamente el contenido en buscadores de IA y perfeccionando las variantes que produzcan las recomendaciones deseadas.

Publicado por primera vez el lunes 12 de octubre de 2026. Modificado en los treinta minutos siguientes para corregir las mayúsculas de los títulos y las etiquetas ausentes.