Contenido IA y Google: penalizaciones y Reglamento de IA de la UE

Desde 2024, Google y el legislador europeo tiran en la misma dirección: ambos apuntan al contenido de IA de baja calidad generado en masa. Google lo combate con algoritmos y con acciones manuales; el Reglamento de IA de la UE añade a partir de agosto de 2026 una obligación legal de transparencia. Para los sitios B2B en Europa, esto supone un doble requisito: los contenidos deben demostrar valor ante los buscadores y, al mismo tiempo, cumplir las normas de etiquetado. Este artículo explica dónde traza Google la línea entre Scaled Content Abuse y el uso legítimo de la IA, qué exige en concreto el artículo 50 del Reglamento de IA y cómo es un flujo de trabajo editorial y de cumplimiento sólido.

Por qué el control del contenido de IA ya es crítico para el negocio

La producción de textos con IA ya es una realidad en el mercado. Según un análisis internacional de 900.000 páginas web en inglés de nueva creación, el 74,2 % incluía contenido generado por IA (estudio internacional, abril de 2025). Llama la atención la distribución: solo el 2,5 % era texto puramente de IA, el 25,8 % puramente humano y el 71,7 % una mezcla de humano e IA (estudio internacional). Lo habitual, por tanto, no es el documento puramente sintético, sino el flujo de trabajo híbrido. Precisamente esta distinción es clave para Google y para el Reglamento de IA.

También en la región DACH (Alemania, Austria y Suiza) el uso de la IA se ha generalizado. En Austria, en 2025 el 30 % de las empresas con 10 o más empleados ya utilizaba inteligencia artificial, frente al 20 % del año anterior (Austria, Statistik Austria, encuesta de febrero a julio de 2025). Si usas IA para crear contenido, entras cada vez más en el ámbito de aplicación de las obligaciones de transparencia vigentes a partir de 2026.

El riesgo en caso de error es concreto. Con el Core Update de marzo de 2024, según un seguimiento independiente, 837 de 49.345 sitios observados fueron eliminados por completo del índice de Google, alrededor del 1,7 % (estudio internacional). Un análisis complementario encontró en el 100 % de los sitios afectados indicios de contenido generado por IA, y en el 50 %, entre el 90 y el 100 % de las publicaciones procedía de la IA (estudio internacional). La desindexación completa significa cero tráfico orgánico. Para un sitio B2B cuyo pipeline depende de la búsqueda, es un apagón total.

Dónde pone Google el límite: Scaled Content Abuse frente a contenido de IA legítimo

Google no considera spam el contenido de IA por sistema. Su postura de siempre es que el uso de la automatización, incluida la IA generativa, solo es spam cuando el objetivo principal es manipular los rankings. Con el Core Update de marzo de 2024, Google introdujo tres nuevas políticas contra el spam: Scaled Content Abuse, Expired Domain Abuse y Site Reputation Abuse (internacional). Lo determinante no es el método de creación, sino la intención y el resultado.

Google define Scaled Content Abuse como la generación de muchas páginas con el propósito principal de manipular los rankings en lugar de ayudar a los usuarios. La política se aplica con independencia de que los contenidos se creen mediante automatización, trabajo humano o una combinación (internacional). Publicar miles de páginas sin sustancia es, por tanto, una infracción aunque hayan intervenido personas. Y a la inversa: un artículo apoyado en IA con valor real no es ninguna infracción.

El propio Google documenta el impacto económico de esta ofensiva por la calidad: tras el update de marzo de 2024 registró un 45 % menos de contenido de baja calidad y poco original en los resultados de búsqueda, más que el 40 % esperado (internacional, despliegue completado el 19 de abril de 2024). En la práctica, Google decide en torno a tres ejes:

• Valor añadido y originalidad: ¿Aporta la página información, análisis o experiencia que no exista de la misma forma en otro lugar? Los lugares comunes reformulados en masa son el patrón central de Scaled Content Abuse.
• Propósito principal: ¿Está la página hecha para los usuarios o para el ranking? Las plantillas de SEO programático sin utilidad propia en cada página caen rápidamente en el terreno del abuso.
• E-E-A-T: ¿Se reconocen la experiencia, la pericia, la autoridad y la fiabilidad? La falta de autoría, de fuentes y de práctica son señales de alarma.

Es importante distinguir entre acción manual y penalización algorítmica. Una acción manual la activa un revisor, se notifica en Google Search Console y, una vez corregido el problema, requiere una solicitud de reconsideración. Una penalización algorítmica por un Core Update no aparece como aviso, solo se nota en la caída del tráfico, y el sitio no se recupera hasta un update posterior.

Site Reputation Abuse: el riesgo subestimado para los publishers B2B

Site Reputation Abuse, conocido coloquialmente como parasite SEO, afecta a sitios que alquilan su propia autoridad a terceros. Google lo cita como una de las tres nuevas políticas contra el spam de 2024 (internacional). Se refiere a contenidos de terceros publicados sin una supervisión estrecha del propietario del sitio y principalmente para aprovechar la reputación del dominio. Para los publishers B2B con artículos de invitados, contenidos de partners o secciones patrocinadas, es un área de riesgo real.

Una configuración limpia significa aquí: supervisión editorial de todos los contenidos de terceros, separación y etiquetado claros del contenido patrocinado, nada de alojar subportales ajenos solo para transferir señales de ranking y los mismos requisitos de calidad para autores externos que para internos. Los artículos de invitados no plantean problemas mientras encajen temáticamente, estén revisados y aporten una utilidad propia.

El artículo 50 del Reglamento de IA de la UE en la práctica

El Reglamento de IA de la UE crea una obligación legal independiente de la evaluación de los buscadores. El artículo 50 regula las obligaciones de transparencia y se aplica a partir del 2 de agosto de 2026 (UE). Se dirige a dos roles con obligaciones distintas.

Los proveedores, es decir, quienes ofrecen sistemas de IA, incluidos los modelos de uso general, que generan contenidos sintéticos de audio, imagen, vídeo o texto, deben garantizar que los resultados estén marcados en un formato legible por máquina y se puedan identificar como generados o manipulados artificialmente (UE). Técnicamente, esto apunta a estándares como C2PA Content Credentials, que incrustan en el archivo metadatos de procedencia firmados criptográficamente. Para los sistemas que ya estaban en el mercado antes del 2 de agosto de 2026, esta obligación de marcado se aplica, según el Digital Omnibus sobre el Reglamento de IA, Reglamento (UE) 2026/1744, solo a partir del 2 de diciembre de 2026 (UE, art. 111, apartado 4, del Reglamento de IA). El Omnibus no aplaza las obligaciones de divulgación de los responsables del despliegue.

Los responsables del despliegue, es decir, las entidades que utilizan un sistema de IA, tienen obligaciones de divulgación. Quien genera deepfakes debe revelar que se han generado artificialmente. Y quien genera o manipula texto que se publica con el fin de informar al público sobre asuntos de interés público debe revelar que el texto se ha generado o manipulado artificialmente (UE). Esta obligación sobre el texto es el punto central para los publishers. Solo se aplica a contenidos con finalidad informativa pública. Además, queda exento el texto que ha pasado una revisión humana o un control editorial y cuya publicación está bajo la responsabilidad editorial de una persona física o jurídica (art. 50, apartado 4, párrafo 2). Para los publishers B2B con un proceso editorial documentado, esta excepción decide si hace falta etiquetar o no. No se aplica a los deepfakes. El ámbito de aplicación para textos de producto puramente comerciales es más restringido y debe analizarse caso por caso.

La horquilla de multas es considerable, pero diferenciada. Las infracciones relativas a las prácticas prohibidas del artículo 5 pueden sancionarse con hasta 35 millones de euros o el 7 % del volumen de negocios anual mundial (UE). Para las infracciones de otras obligaciones, incluidas expresamente las obligaciones de transparencia del artículo 50, rige una horquilla menor de hasta 15 millones de euros o el 3 % del volumen de negocios anual mundial (UE). Para las pymes y las start-ups se aplica en cada caso el menor de los dos importes. Los 35 millones de euros tan citados no afectan, por tanto, a la obligación de etiquetado, sino a las prácticas prohibidas; para las infracciones del artículo 50, la referencia es la horquilla de 15 millones.

Flujo de trabajo de cumplimiento normativo para sitios B2B en Europa

El primer paso es aclarar el rol. Por regla general, un sitio B2B que usa un modelo de terceros, como un LLM comercial, es responsable del despliegue y no proveedor. El marcado legible por máquina del artículo 50, apartado 2, es sobre todo una obligación del proveedor; al responsable del despliegue le corresponde la obligación de divulgación en el caso de los deepfakes y del texto que informa al público, siempre que este no haya sido revisado editorialmente ni esté bajo responsabilidad editorial.

En la práctica, se recomienda la siguiente estructura:

• Revisión de roles e inventario: Registrar qué contenidos se crean o editan con IA y cuáles de ellos transmiten información factual al público. Solo estos últimos pueden activar la obligación de divulgación del texto.
• Textos de divulgación y etiquetas: Prever un aviso claro y visible para los deepfakes y para los textos informativos de IA que no hayan sido revisados editorialmente ni estén bajo responsabilidad editorial. Este aviso obligatorio debe ser comprensible y fácil de encontrar, no estar oculto en el código fuente. En los textos revisados y bajo responsabilidad editorial, una nota sobre el apoyo de la IA es voluntaria.
• Tener en cuenta la legibilidad por máquina: Donde se operen sistemas generativos propios, comprobar el marcado de proveedor mediante Content Credentials y garantizar que los resultados sigan siendo identificables como generados por IA.
• Delimitación con el RGPD y el consentimiento: El etiquetado del Reglamento de IA es una obligación de transparencia sobre el contenido y no sustituye al consentimiento exigido por la normativa de protección de datos. Si para las funciones de IA se tratan datos personales o se cargan scripts de seguimiento, el RGPD y el banner de consentimiento siguen siendo necesarios por sí mismos.
• Documentación: Documentar el proceso editorial y de revisión. Así se puede demostrar, en caso de conflicto, que se aplica la excepción para el texto bajo responsabilidad editorial.

Proceso editorial human-in-the-loop como protección frente a las señales de Scaled Content

La protección más eficaz contra las penalizaciones por Scaled Content es un proceso editorial real, no una etiqueta. Google subraya que la política contra el spam se aplica con independencia del método de creación; lo decisivo es la utilidad. Un flujo de trabajo sólido incluye controles de calidad claros:

• Verificación de datos: Toda afirmación con cifras, fechas o hechos se contrasta con una fuente primaria. Los modelos generativos inventan datos que suenan plausibles pero son falsos; un output sin verificar es un riesgo directo para la calidad.
• Cita de fuentes: Las afirmaciones clave se enlazan a fuentes fiables. Las fuentes aumentan la fiabilidad y hacen que los contenidos sean citables para los sistemas de IA.
• Datos originales y experiencia: Las cifras de proyectos propios, los casos prácticos y las valoraciones propias elevan un texto por encima del estándar intercambiable de la IA. Eso es justo lo que Google valora como Experience.
• Responsabilidad editorial: Una persona identificada revisa el contenido final y responde de él. La revisión y la responsabilidad nominal, juntas, son el requisito para que pueda desaparecer la obligación de etiquetar el texto de IA según el art. 50, apartado 4.

Este proceso resuelve ambos problemas a la vez: evita las señales de Scaled Content y crea la responsabilidad editorial documentada con la que puede desaparecer la obligación de divulgación para el texto de IA que informa al público. Esta excepción no se aplica a los deepfakes.

Gestión de rastreadores de IA: sopesar la protección del contenido y la visibilidad GEO

Si publicas contenido de IA, tienes que decidir si los rastreadores de IA pueden leer tu contenido. Las tasas de bloqueo aumentan: según un análisis internacional de unos 140 millones de sitios web, GPTBot de OpenAI es el rastreador de IA más bloqueado, en el 5,89 % de todos los sitios web y hasta el 7,3 % si se cuentan todos los archivos robots.txt (estudio internacional). La tasa de bloqueo que más rápido creció fue la de ClaudeBot, con un aumento del 32,67 %, el mayor crecimiento de todos los rastreadores en el último año (estudio internacional).

El control se hace en el robots.txt mediante los user agents correspondientes: GPTBot (OpenAI), ClaudeBot (Anthropic), CCBot (Common Crawl) y Google-Extended (entrenamiento de IA de Google, separado de Googlebot). Además, llms.txt se está consolidando como archivo de indicaciones para sistemas de IA. La disyuntiva es estratégica: un bloqueo protege los contenidos de su uso para entrenamiento y respuestas, pero reduce la probabilidad de aparecer citado en las respuestas de los LLM. Si apuestas por la visibilidad GEO, conviene distinguir entre rastreadores de entrenamiento y de recuperación (retrieval) en lugar de bloquear todo por defecto. Bloquear Google-Extended tampoco afecta a la indexación normal por parte de Googlebot.

Base técnica de SEO para grandes volúmenes de contenido

La IA reduce los costes de producción y, con ello, agrava el problema del volumen. Si escalas, necesitas un control técnico limpio de la indexación; de lo contrario, se desperdicia crawl budget y surgen señales de contenido duplicado que parecen Scaled Content Abuse.

La base de rendimiento sigue siendo obligatoria. Según HTTP Archive, en 2024, en móvil, solo el 59 % de las páginas alcanzó un buen valor de LCP, mientras que INP llegó al 74 % y CLS al 79 % (estudio internacional). El LCP es, por tanto, la métrica de Core Web Vitals más difícil de superar. Con grandes volúmenes de contenido se suman tres niveles de control:

• Canonical y robots: Las etiquetas canonical inequívocas y las directivas noindex específicas evitan que las variantes de plantilla se indexen como thin pages independientes.
• Sitemaps XML: Unos sitemaps actualizados guían al rastreador hacia las URL realmente relevantes y alivian el crawl budget.
• IndexNow: Con IndexNow se pueden notificar activamente los cambios a los buscadores participantes, lo que acelera la indexación en inventarios grandes que se actualizan con frecuencia.

GEO/AEO como respuesta a los AI Overviews y al zero-click

La lógica clásica del clic se erosiona. Según Pew Research, cuando aparecía un AI Overview, los usuarios de EE. UU. solo hicieron clic en un resultado de búsqueda clásico en el 8 % de los casos, frente al 15 % sin Overview, y solo el 1 % hizo clic en un enlace a una fuente dentro del Overview (EE. UU., marzo de 2025). Otro análisis internacional cuantifica el efecto en la posición 1: allí, la presencia de un AI Overview se correlaciona con un CTR medio un 58 % más bajo (estudio internacional, diciembre de 2025).

De ahí se deriva un cambio: de optimizar solo el ranking a optimizar para ser citado. GEO y AEO buscan que el contenido aparezca mencionado en la propia respuesta de la IA. Las palancas eficaces son los datos estructurados y el marcado Schema para la lectura automática, definiciones claras y fáciles de extraer, estadísticas respaldadas con su fuente y una estructura que haga citable cada afirmación. Estas medidas coinciden con las buenas prácticas de E-E-A-T y funcionan tanto en la búsqueda clásica como en las respuestas de los LLM.

Recuperación tras una acción manual o un impacto de Core Update

El camino de recuperación depende del tipo de impacto. En una acción manual, la causa aparece indicada en Search Console. El proceso: identificar la infracción, eliminar o mejorar sustancialmente los contenidos afectados y, después, enviar una solicitud de reconsideración. En una penalización algorítmica por un Core Update no hay aviso ni solicitud de reconsideración; aquí solo queda elevar la calidad del contenido en todo el sitio y esperar a una nueva evaluación en un update posterior.

El núcleo del diagnóstico es una auditoría de contenido. Se identifican el thin content y las páginas de plantilla redundantes, así como los textos masivos sin fuentes, y se eliminan, se fusionan o se enriquecen con valor real. La magnitud de los riesgos la muestra el dato de que, tras el update de marzo de 2024, alrededor del 1,7 % de los sitios observados fue desindexado por completo, todos con señales de contenido de IA (estudio internacional). Siendo realistas, la recuperación no es rápida: las acciones manuales pueden retirarse en cuestión de semanas tras una solicitud de reconsideración favorable; la recuperación de un Core Update puede tardar varios meses, hasta el siguiente update adecuado.

Arquitectura de Next.js y renderizado para contenido escalado con IA

Para el contenido escalado, la estrategia de renderizado es decisiva. El Server-Side Rendering (SSR) y la Static Site Generation (SSG) garantizan que los contenidos estén en el HTML inicial sin JavaScript del lado del cliente y, por tanto, se rastreen y rendericen de forma fiable. En inventarios grandes que cambian a menudo, la Incremental Static Regeneration es un término medio viable entre la entrega estática y la actualidad.

El SEO programático es técnicamente legítimo, pero cae en Scaled Content Abuse en cuanto las páginas son solo plantillas con variables intercambiadas sin utilidad propia. La regla: cada URL generada debe responder a una pregunta concreta del usuario y aportar un valor verificable. Una gestión limpia del crawl budget mediante canonical, enlazado interno y sitemaps evita que las variantes pobres inunden el índice. Así se puede escalar con IA sin cruzar la línea de calidad y cumplimiento.

Para profundizar y conclusión

Google y el Reglamento de IA de la UE evalúan el contenido de IA según el mismo principio: el problema no es la máquina, sino la falta de valor añadido y de transparencia. Google devalúa Scaled Content Abuse de forma algorítmica y mediante acciones manuales; el Reglamento de IA exige, a partir del 2 de agosto de 2026, etiquetar el texto de IA que informa al público si no ha pasado una revisión humana ni está bajo responsabilidad editorial. Ambos requisitos pueden abordarse con una sola palanca: un verdadero proceso editorial human-in-the-loop con verificación de datos, fuentes citadas, experiencia propia y responsabilidad editorial documentada. Los siguientes pasos razonables para los sitios B2B en Europa son una auditoría de contenido en busca de thin content y textos masivos, aclarar el rol como proveedor o responsable del despliegue, definir textos de divulgación para deepfakes y para textos informativos de IA sin responsabilidad editorial, y tomar una decisión consciente en la gestión de rastreadores de IA entre protección del contenido y visibilidad GEO.