Abuso de contenido a escala: la pipeline de IA que sobrevive

El abuso de contenido a escala es la política antispam con la que Google va contra las páginas fabricadas en serie para posicionar en lugar de para servir a alguien. Da igual quién las escriba: una persona, un modelo, o los dos repartiéndose el trabajo. La política ignora el método a propósito. Google la reescribió en marzo de 2024 precisamente porque la redacción antigua perseguía la automatización, y la automatización había dejado de ser la señal útil.

Así que la pregunta que tiene que responder una pipeline de contenidos no es si la página la escribió un modelo. Es si esa página existiría sin un buscador.

Qué dice de verdad la política

La definición oficial en las políticas antispam de Google es estrecha y conviene leerla al pie de la letra: páginas generadas con el propósito principal de manipular el posicionamiento y no de ayudar a quien lee. Dos condiciones unidas por una conjunción. El volumen por sí solo no es la infracción. El volumen al servicio del ranking, sin nada debajo para el lector, sí.

Los ejemplos documentados son concretos. Usar IA generativa para sacar muchas páginas sin aportar valor. Raspar feeds o páginas de resultados y convertirlos en páginas. Coser trozos de otros sitios sin poner nada encima. Abrir varios sitios para tapar lo industrial que es la operación. Publicar páginas cargadas de keywords que apenas dicen algo.

Fíjate en lo que falta en esa lista. No hay un umbral de páginas al mes, ni un número de palabras, ni una puntuación de detección de IA. La guía de Google sobre contenido generado con IA dice lo mismo por el otro lado: los sistemas de ranking premian el contenido original y útil, el que demuestra competencia, experiencia, autoridad y confianza. Cómo se produjo no es el criterio que decide.

Qué cambió en 2026

Este año se movieron dos cosas, y las dos cierran el cerco alrededor de la publicación automática.

El 15 de mayo de 2026, Google amplió las políticas antispam a los intentos de manipular las respuestas generativas dentro de Search, no solo los diez enlaces azules. Todas las tácticas que la política ya nombraba, abuso de contenido a escala incluido, valen ahora cuando el objetivo es un AI Overview o una respuesta de AI Mode. Si tu pipeline existe para que te cite un motor generativo, estás dentro del perímetro. Merece la pena decirlo claro, porque durante dos años las tácticas de GEO se han vendido como si quedaran fuera del alcance antispam.

Después, el 24 de junio de 2026, llegó el spam update de junio. Corrió a nivel global, en todos los idiomas, sobre SpamBrain, y terminó el despliegue el 26 de junio: dos días escasos de principio a fin. Google confirmó que la actualización no iba contra el link spam ni contra el site reputation abuse. Descartar esos dos la apunta a las infracciones de contenido, y de esas el abuso de contenido a escala es la más vigilada desde 2024.

El número en el que hay que pararse es ese dos. Una caída que llega en 48 horas no deja margen para reaccionar con el despliegue en marcha. Lo que tu pipeline esté haciendo cuando aterriza la actualización es lo que se juzga.

Por qué "le pongo un repaso humano" no arregla nada

El reflejo típico después de un spam update es enganchar un editor al final de la pipeline. Alguien lee cada borrador en diagonal, ajusta el tono, publica. El resultado ya pasó por manos humanas, y por tanto se supone a salvo.

No lo está, porque la procedencia nunca fue lo que se medía. Ahrefs analizó 600.000 páginas y encontró una correlación de 0,011 entre contenido escrito con IA y penalizaciones. Eso es ruido. Y tiene que serlo, porque el 74,2% de las páginas nuevas lleva texto escrito con IA, y solo el 2,5% sale entero de un modelo. Una señal que penalizara la presencia de IA penalizaría a tres cuartas partes de la web nueva.

Un repaso de estilo cambia cómo se lee una página. No cambia por qué existe. Si la respuesta a "¿por qué está esta URL?" sigue siendo "porque la keyword tenía volumen", el editor añadió coste y ninguna defensa.

Qué funciona de verdad

Cinco límites, más o menos en orden de cuánto te protegen.

Ajusta la producción a lo que sabes defender

Elige el número de páginas que podrías justificar una por una delante de alguien que revisa, y publica ese número. No el que tus herramientas son capaces de producir. Son cifras distintas, y en la distancia entre las dos vive el riesgo. Una pipeline capaz de escribir cuarenta artículos por semana que publica cuatro está tomando una decisión editorial. Una que publica cuarenta está apostando contra la detección.

Dale a cada página un trabajo anterior a la keyword

Trabaja desde un backlog escrito antes de mirar los datos de búsqueda, donde cada entrada nombra una pregunta a la que tienes respuesta real. Los datos de búsqueda te dicen luego cuál escribir primero. Si inviertes el orden, dejas que el volumen de las keywords decida lo que piensas, que es justo la conducta que describe la política.

La investigación es una puerta, no un adorno

Cada afirmación con un número, una fecha, una versión o una norma se verifica contra una fuente primaria antes de escribir el borrador, y el tema se cae cuando las fuentes vuelven flojas. Es el paso que separa una página que lleva información de una página que lleva prosa sobre un tema. Y también es el primero que la automatización se salta, porque es el más lento.

Revisa las afirmaciones, no la prosa

Leer un borrador buscando el tono no detecta nada de lo que importa aquí. Léelo buscando las afirmaciones: cuáles sostienen el texto, cuáles tienen fuente, cuáles son ciertas solo dentro de una frase que suena bien. La tercera categoría se corta. Un modelo genera una estadística plausible sin mala intención, y las estadísticas plausibles son el camino más rápido hacia una página que no ayuda a nadie.

Actualiza lo que publicas, o quítalo

Una página lo bastante vieja como para estar equivocada es una página que ya no ayuda a nadie, y cuenta en tu contra tanto si la escribió un modelo como si la escribiste tú. Elige una ventana, repasa lo que queda fuera, borra lo que no puedas poner al día. Publicar es un compromiso que asumes por cada URL, y no acaba en el botón de publicar.

Cómo se ve esto en la práctica

Una pipeline así la tenemos funcionando en este blog, así que los límites de arriba son los nuestros y no un ejercicio teórico. Publica un artículo por ejecución. Tira de un backlog escrito meses antes, cruzado con Search Console para decidir qué tema adelantar. Verifica las afirmaciones contra fuentes primarias antes de escribir, y deja el tema cuando la investigación es pobre. Sale en inglés, italiano y español. Todo lo que pasa de 90 días se repasa y se actualiza, o se retira.

El resultado son 92 artículos. Una pipeline que fuera a por volumen habría sacado varios miles en el mismo periodo, y habría sido la apuesta equivocada. El coste de los límites es real: publicamos quizá una décima parte de lo que las herramientas podrían soltar. La ventaja es que cada URL tiene un motivo para existir que sabríamos defender en voz alta, que es el único examen que la política aplica de verdad.

La parte incómoda es que nada de esto se verifica desde fuera. No puedes mirar una página y ver si la eligió un backlog o una herramienta de keywords. Google solo puede deducirlo, de forma imperfecta, a partir de las propias páginas. O sea que la disciplina es voluntaria de verdad, y los sitios que cayeron en junio eran, en su mayoría, sitios que habían elegido la otra opción.