Qué es el ‘Slop’, la felicidad artificial de la IA que ya ha colonizado 1/3 de la nueva web que visitas

Hay una experiencia que millones de personas tienen cada día sin saber nombrarla. Buscas algo en Google, haces clic en el primer resultado, empiezas a leer y a los pocos segundos algo no encaja. Las frases son correctas, la estructura es coherente, el tono es amable. Pero no hay nadie al otro lado. El texto existe para ser visto por un algoritmo publicitario, no para ser leído por un ser humano. No creáis que la ironía no se me escapa, a mi como redactor, al igual que al resto de nuestro equipo.

Ese fenómeno tiene nombre desde 2025: slop. Merriam-Webster y la Sociedad Americana de Dialectos lo eligieron Palabra del Año. En términos técnicos, es contenido sintético de baja calidad generado por IA a escala industrial con un único objetivo: capturar impresiones publicitarias. No es spam clásico. Es algo más sofisticado y más difícil de combatir, porque las granjas de contenido automatizado han aprendido a imitar la arquitectura superficial del periodismo sin ninguno de sus costes ni de su valor.

La aritmética del residuo digital

Los números que rodean al slop son difíciles de procesar. Según datos recogidos por la firma de ciberseguridad SEO Graphite, los artículos generados por IA ya representan más de la mitad de todo el contenido en inglés publicado en la web. Una investigación de la Universidad de Leipzig y la Bauhaus-Universität Weimar documentó una caída del 25% en el volumen de búsquedas tradicionales antes de 2026, atribuida en parte a la degradación de la calidad de los resultados. Y eMarketer proyectaba que hasta el 90% del contenido web podría ser de origen sintético antes de que acabara el año.

Detrás de esas cifras hay una lógica económica brutalmente simple. Producir un artículo de slop cuesta menos de 2,25 dólares. Distribuirlo en una red de cientos de dominios que imitan blogs independientes permite generar decenas de millones de impresiones publicitarias al mes. Si una fracción mínima de esas impresiones se monetiza, el esquema resulta rentable. Y los anunciantes, que compran espacio de forma programática, financian sin saberlo la misma infraestructura que erosiona la utilidad de internet.

AutoBait, o la anatomía de una fábrica de ruido

En marzo de 2026, el equipo del laboratorio de fraude de DoubleVerify, formado por los investigadores Arik Nagornov, Merav Geles y Lia Bader, publicó uno de los análisis más detallados realizados hasta la fecha sobre cómo funciona por dentro una de estas operaciones. La llamaron AutoBait. La red identificada por DoubleVerify abarcaba más de 200 dominios, cada uno presentado como un blog de estilo de vida independiente. En realidad, todos compartían el mismo sistema automatizado de generación de contenido, basado en prompts predefinidos enviados a un modelo de lenguaje. Lo que hizo especialmente valiosa la investigación fue un error operativo de los propios operadores: dejaron expuesto en el JavaScript de sus páginas el código completo que alimentaba la red, incluyendo las instrucciones exactas enviadas al modelo para generar los artículos.

Esas instrucciones revelaban algo técnicamente relevante. El sistema no buscaba engañar a los lectores con sofisticación narrativa. Buscaba engañar a los sistemas de detección publicitaria. Las imágenes debían parecer tomadas con un smartphone por una persona real. Los titulares debían activar la curiosidad sin comprometer nada. El objetivo declarado en el propio código era maximizar las oportunidades de impresión publicitaria por página, no la retención del lector ni la calidad de la información. En las primeras semanas de 2026, el mismo equipo identificó miles de redes similares en múltiples idiomas.

El sesgo que nadie diseñó pero todos padecen

Hay una dimensión del slop que trasciende el fraude publicitario y que conecta con algo más profundo en la arquitectura de los modelos de lenguaje. Los sistemas de IA generativa son entrenados mediante refuerzo con retroalimentación humana, un proceso conocido como RLHF. En ese proceso, los evaluadores humanos tienden a puntuar mejor las respuestas que resultan agradables, seguras y consensuadas.

El resultado no es una conspiración. Es una consecuencia estructural: los modelos tienden hacia un optimismo estadístico que elimina el conflicto, la ambigüedad y el disenso. Un artículo de slop nunca dirá que algo es malo sin matizarlo inmediatamente. Nunca dejará una pregunta abierta si puede cerrarla con una conclusión tranquilizadora. No tiene voz porque fue diseñado para no molestar a nadie, y en ese proceso pierde exactamente lo que hace útil a la información: la capacidad de generar fricción cognitiva, de forzar al lector a reconsiderar algo que creía saber.

Cuando ese tipo de contenido coloniza los primeros resultados de búsqueda, el efecto no es solo que encontramos respuestas peores. Es que dejamos de encontrar las preguntas correctas.

La señal que se pierde en el ruido

La respuesta del ecosistema digital ha sido desigual. Plataformas como YouTube y Pinterest han introducido filtros para limitar el contenido generado por IA en sus feeds. DoubleVerify lanzó su producto AI SlopStopper para proteger a los anunciantes de redes como AutoBait. El estándar C2PA, diseñado para rastrear la cadena de custodia del contenido desde el teclado humano hasta la publicación final, empieza a integrarse en los sistemas de gestión de contenido de algunas publicaciones.

Pero la velocidad de proliferación supera sistemáticamente la capacidad de detección. Los operadores de estas redes pueden registrar nuevos dominios y rotar sus sistemas más rápido de lo que los procesos de revisión manual pueden seguirlos. Y el modelo de negocio no requiere que la mayoría de los dominios escapen al control, solo que suficientes de ellos lo hagan durante suficiente tiempo.

Lo que queda cuando el slop domina el entorno informativo no es solo una web más ruidosa. Es una web donde la Asociación de Anunciantes Nacionales estimaba que el 15% del gasto publicitario global ya se destinaba a sitios MFA antes de la aceleración de 2025, una cifra que las propias empresas del sector reconocen que probablemente sea mayor ahora. Cada dólar que financia una granja de contenido automatizado es un dólar que no llega a una redacción que paga a alguien por pensar.

La pregunta que los investigadores de Leipzig, los equipos de DoubleVerify y los arquitectos del estándar C2PA están intentando responder no es técnica. Es ecológica: cuánto ruido puede absorber un sistema de información antes de que la señal deje de ser recuperable.