Scraping de IA y GEO: si solo reciclas web ajena, pierdes el canal B2B

El scraping de IA —copiar contenido web a escala para entrenar modelos— volvió al centro del debate legal. No es un tema solo para abogados de medios: toca de lleno a empresas B2B (venta a otras empresas) que viven del tráfico orgánico y de ser citadas cuando alguien pregunta a un asistente.

La postura de Somos Gente Digital es directa: el debate confirma lo que ya importa en GEO y AEO. GEO (Generative Engine Optimization) es cómo los asistentes de IA encuentran y citan tu contenido. AEO (Answer Engine Optimization) es diseñar para motores de respuesta —búsqueda, chatbots, copilotos— no solo para diez enlaces azules. Quien solo recicla web ajena pierde cuando esos sistemas dejan de mandar visitas.

TechCrunch resume filings no redactados del juicio The New York Times contra OpenAI y Microsoft: un ejecutivo de Microsoft describió el scraping de IA como un robo de trabajo a escala histórica, y hay señales internas de que los productos de IA pueden sustituir visitas a las fuentes.

La respuesta para empresas no es pelear el headline de Microsoft. Es publicar conocimiento operable propio —procesos, casos, stack, FAQs claras— y diseñar sitios que respondan sin sustituirse a sí mismos. En SGD trabajamos SEO·GEO·AEO como canal de un producto B2B, no como pauta publicitaria.

Scraping, aquí, significa recolectar páginas a gran escala —a menudo sin permiso claro— para alimentar el entrenamiento o el “grounding” (usar texto ajeno como contexto) de un modelo. No es lo mismo que un visitante leyendo tu blog: es copia masiva para que un sistema responda sin que la persona abra tu sitio.

Eso importa porque el valor de tu web B2B no es solo “estar indexada”. Es que el comprador llegue, confíe y avance en tu proceso. Si la respuesta se queda en el chatbot, el canal se adelgaza.

Atribuimos con cuidado: gran parte de lo nuevo sale del brief de The Times, no de todos los exhibits sellados. TechCrunch reporta, entre otros puntos, que un documento interno de Microsoft (Brent Hecht, enero 2024) hablaba de un “doom loop”: menos clics a las fuentes, peor web, peores modelos. En el mismo reportaje, datos de Microsoft sobre Copilot como “answer engine” muestran caídas fuertes de click-through hacia el dominio del Times frente a la búsqueda tradicional en Bing.

OpenAI, según el mismo reportaje, tiene comunicaciones internas donde productos como ChatGPT se describen como “largely substitutive” —en gran medida sustitutivos— del medio original. Nadella, en declaración bajo juramento citada por TechCrunch, reconoció que conversar con chatbots puede sustituir ir a la fuente.

No inventamos citas ni fallos judiciales. El patrón de negocio es claro en lenguaje llano: si el asistente responde “aquí mismo”, muchas visitas nunca llegan. Para un medio es existential. Para un B2B LatAm que publica contenido genérico reciclado, es el mismo loop con otro disfraz: te vuelves invisible en el canal que creías “orgánico”.

GEO y AEO no son magia de keywords. Son una decisión de producto de contenido:

• Publica lo que solo tu empresa puede operar: cómo haces el trabajo, qué stack usas, qué casos cerraste, qué FAQs responde tu equipo de ventas.
• Una idea por URL. Títulos honestos. Sin thin content ni spam de IA que nadie defendería en una demo con el cliente.
• Diseña el sitio para responder (bloques claros, FAQs citables, schema donde aporte) sin que la página se “coma” el siguiente paso del comprador.
• Mide canal, no vanidad: menciones/citas en asistentes, leads cualificados, no solo ranking de una keyword de moda.

Si tu blog es un collage de lo que ya está en diez sitios, los modelos y los motores te tratarán como ruido. Si tu blog es el manual operable de tu producto B2B, tienes algo que citar —y un motivo para hacer clic.

Somos un equipo humano de agencia web/tech B2B. No vendemos “ganar la demanda a Microsoft”. Vendemos construir el canal: SEO clásico donde aún manda el clic, GEO/AEO donde manda la cita y la respuesta, y un sitio que convierte.

En la práctica: procesos, casos, stack y FAQs claras; arquitectura de contenido con Prismic u otro CMS headless cuando hace falta control editorial; y frontends que responden sin “comerse” el clic hacia tu producto. Si quieres el método de software, mira desarrollo de software que funciona; el mapa de servicios; o cómo trabajamos con Prismic.

Si también estás acelerando con IA en el código, el mismo criterio aplica: velocidad sin mapa de dominio es otra forma de reciclar sin entender. Lo tratamos en vibe-coding sin mapa.

1. El 80% del blog podría firmarlo cualquier competidor sin cambiar tres adjetivos.
2. No hay FAQs que tu equipo de ventas use de verdad en llamadas.
3. No documentas procesos, stack ni casos con números o restricciones reales.
4. El sitio “responde” en un párrafo largo y no ofrece un siguiente paso claro (demo, contacto, producto).
5. Mides solo posiciones SEO y no si te citan o te eligen cuando alguien pregunta al asistente.
6. Publicas por volumen de IA sin revisión humana de utilidad para el comprador.

¿Qué es scraping de IA?

Es copiar contenido web a escala —páginas, artículos, datasets— para entrenar o contextualizar modelos. No es un visitante leyendo tu sitio; es extracción masiva que puede alimentar respuestas sin enviar tráfico.

¿Qué es GEO y qué es AEO?

GEO (Generative Engine Optimization) es cómo los asistentes de IA encuentran y citan tu contenido. AEO (Answer Engine Optimization) es optimizar para motores de respuesta (búsqueda con IA, chatbots, copilotos), no solo para la lista clásica de enlaces.

¿El juicio NYT vs OpenAI/Microsoft cambia mi SEO mañana?

No de forma mágica. Los filings refuerzan un riesgo de mercado ya visible: la sustitución del clic. Tu respuesta operativa es publicar conocimiento propio operable y diseñar el sitio como canal de producto, no pelear el headline.

¿Debo bloquear scrapers con robots.txt?

Puede ser parte de una política técnica, pero no sustituye tener algo propio que valga la pena citar. Bloquear sin publicar conocimiento diferenciado no construye GEO/AEO.

¿Cómo evita SGD que el sitio se “sustituya” a sí mismo?

Contenido con una idea clara por URL, FAQs citables, CTAs honestos y arquitectura editorial (a menudo headless) para que marketing publique sin romper el producto. El asistente puede resumir; el comprador aún necesita tu proceso, tu demo y tu equipo.

¿GEO reemplaza al SEO?

No. En LatAm B2B convivimos: SEO donde el clic sigue importando, GEO/AEO donde la respuesta y la cita definen la primera impresión. SGD lo trata como un solo canal de producto.

Si tu sitio aún vive de reciclar lo que ya está en la web —o de publicar sin mapa de preguntas reales del comprador— hablemos. En SGD armamos SEO·GEO·AEO como canal de un producto B2B, no como pauta.