Time comienza a vender anuncios legibles por máquinas para influir en las respuestas de IA
Time ha comenzado a vender anuncios diseñados para agentes de IA, lo que crea un nuevo conflicto para Google News y para cualquier asistente que recupere contenido de medios. Los anuncios no se parecen a banners ni a tarjetas patrocinadas. Aparecen como texto legible por máquinas dentro de versiones alternativas de las páginas de Time, donde los bots pueden recopilar mensajes de anunciantes junto al material editorial.
Esta diferencia hace que el experimento sea más relevante que otro formato publicitario. Los lectores humanos pueden ignorar un banner, reconocer un contenido comercial o cuestionar una recomendación patrocinada. Un sistema de IA puede absorber el texto subyacente y presentar su propia respuesta sin conservar el diseño original de la página.
El experimento también pone en cuestión la separación promovida por OpenAI, Google y otras empresas de IA. Quieren que las ubicaciones comerciales permanezcan visiblemente separadas de las respuestas generadas. Time y su socio publicitario están probando si las marcas pueden influir en esas respuestas antes de que la plataforma de IA seleccione un anuncio.
Time vende publicidad que los lectores humanos rara vez ven
El nuevo producto de Time trata a un rastreador de IA como audiencia publicitaria, no simplemente como un sistema de distribución para llegar a personas.
Time comenzó a crear copias simplificadas en markdown de sus páginas web en junio de 2026, según los detalles sobre anuncios para agentes publicados por Digiday. Markdown es un formato de documento centrado en texto que elimina gran parte de la estructura visual de una página web. Los sistemas de IA pueden procesarlo con más facilidad que una página saturada de navegación, scripts, gráficos y anuncios display convencionales.
El medio trabaja con la empresa de tecnología publicitaria Mobian. Juntas, insertan mensajes pagados en esas páginas legibles por máquinas. Los mensajes usan un formato de preguntas y respuestas que contiene información proporcionada por el anunciante.
Ally Bank y el Project Management Institute estuvieron entre los primeros compradores identificados en el informe. Time y Mobian describieron el formato como el primer producto publicitario de un medio dirigido específicamente a agentes de IA.
El proceso de producción sigue incluyendo revisión humana. Mobian genera un anuncio a partir de un briefing de marca, lo convierte en PDF y lo envía al cliente para su aprobación. El material aprobado aparece después en una página markdown que un rastreador de IA puede recuperar.
Estas ubicaciones no son literalmente no divulgadas. Time coloca una etiqueta de “contenido patrocinado” sobre el material del anunciante e identifica al cliente. Ese detalle importa porque llamarlos anuncios secretos sin matices sugiere que el medio oculta su origen comercial a todas las audiencias.
El secretismo práctico proviene de la distribución. La mayoría de los lectores visita la página diseñada de Time, mientras que un agente de IA puede recibir una presentación textual paralela. Una divulgación visible en la fuente no garantiza que un asistente conserve la etiqueta en su resumen, cita o recomendación.
Time vende un anuncio para agentes en cada página markdown elegible. La empresa puede dirigir las ubicaciones a sus listas recurrentes o a un intervalo de fechas seleccionado. También mide cuánto tráfico automatizado llega a la página.
Luego, Mobian plantea a los productos de búsqueda con IA las mismas preguntas incluidas en el anuncio. Hace seguimiento de si aparece la marca, de cuán favorablemente aparece y de si la información resultante es precisa. Esto transforma un anuncio de una unidad medida mediante impresiones humanas en contenido medido mediante respuestas de máquinas.
Por tanto, el formato se sitúa entre la publicidad nativa, la optimización para búsquedas y la ingeniería de recuperación. Es material promocional pagado, pero su objetivo inmediato no es necesariamente lograr un clic. Su objetivo es entrar en el conjunto de información a partir del cual un sistema de IA construye una respuesta.
Time no ha publicado pruebas que demuestren que estas ubicaciones alteren de forma consistente las respuestas de los modelos. Los primeros clientes demuestran interés comercial, no influencia comprobada. Aun así, el producto crea una prueba directa que las plataformas de IA, los medios y los reguladores ya pueden observar.
Por qué Google News afronta un problema de publicidad legible por máquinas
Google News y los productos de respuestas con IA deben determinar si el texto patrocinado legible por máquinas es contenido legítimo, un anuncio o un intento de manipular la recuperación.
La publicidad tradicional en buscadores mantiene varias funciones relativamente claras. Un medio aporta contenido, un buscador clasifica enlaces y un anunciante paga por una ubicación etiquetada. Las interfaces generativas debilitan esas fronteras porque el sistema puede extraer hechos, combinar fuentes y responder sin enviar al lector a ningún medio.
Google News ya agrega reportajes de publicaciones externas. Google Search coloca cada vez más resúmenes generados y resultados conversacionales entre la fuente y el usuario. Un anuncio dirigido a máquinas dentro de una página de un medio introduce lenguaje pagado antes de que Google decida qué recuperar o resumir.
La preocupación no es que comprar un anuncio para agentes compre automáticamente una respuesta favorable de Google. No hay pruebas públicas que establezcan ese resultado. La preocupación es que material comercial entre en la misma ruta de recuperación que el texto editorial circundante.
Un banner convencional presenta señales técnicas y visuales reconocibles. Su imagen, ubicación, código de seguimiento y procedencia de un servidor publicitario ayudan a los navegadores y las plataformas a clasificarlo. Unas preguntas frecuentes redactadas en lenguaje natural se parecen mucho más a material fuente ordinario.
La estructura de preguntas y respuestas también se parece al formato que prefieren muchos sistemas de búsqueda y asistentes. Plantea una consulta probable, la sigue con una respuesta concisa y repite información relevante sobre la marca. Esas propiedades pueden hacer que el pasaje sea fácil de extraer, incluso cuando ningún modelo le otorgue un trato preferente deliberado.
Las políticas de spam publicadas por Google definen el cloaking como presentar contenido diferente a usuarios y sistemas de búsqueda con la intención de manipular clasificaciones y engañar a las personas. Las políticas ahora también abordan los esfuerzos destinados a manipular respuestas de IA generativa en Google Search.
El enfoque de Time no encaja limpiamente en el ejemplo clásico. Según los informes, el markdown es una representación alternativa de una página, y la sección pagada lleva una etiqueta de patrocinio. Las versiones de texto accesibles, las páginas móviles y los datos estructurados pueden diferir legítimamente de una presentación visual de escritorio.
La intención y la equivalencia serán importantes. Si una versión para máquinas representa fielmente la página para humanos y conserva una divulgación efectiva, se parece más a una distribución accesible de contenido. Si introduce afirmaciones promocionales que los visitantes humanos no pueden encontrar razonablemente, empieza a parecerse a una persuasión específica para rastreadores.
Los ejecutivos de Time han reconocido esta incertidumbre. Mark Howard, director de operaciones del medio, dijo a Digiday que las reglas sobre cómo los grandes modelos de lenguaje tratan estos anuncios siguen sin estar resueltas. Identificó el riesgo de que las plataformas eventualmente clasifiquen el formato como cloaking.
Ese riesgo da a Google una influencia considerable. Puede reducir el peso asignado al texto, excluir el bloque patrocinado o penalizar páginas que proporcionen contenido sustancialmente diferente a los rastreadores. También puede conservar el contenido mientras exige que los resultados generados incluyan su divulgación comercial.
Ninguna de esas respuestas es sencilla. Un clasificador debe distinguir unas preguntas frecuentes pagadas del periodismo patrocinado legítimo, los datos de productos, las declaraciones corporativas ordinarias y los metadatos estructurados de los medios. Un filtrado demasiado amplio podría eliminar información útil. Un filtrado débil podría permitir que afirmaciones pagadas aparezcan como respuestas neutrales.
Por eso Google News importa aunque el experimento reportado comenzara en Time. Los medios necesitan acceso a la distribución de Google, mientras que Google necesita material fiable de los medios. La publicidad exclusiva para máquinas convierte esa relación en una negociación sobre qué partes de una página cuentan como evidencia editorial.
La verdadera disputa es entre divulgación y recuperación
La disyuntiva central es si un anuncio sigue estando divulgado de forma significativa después de que un sistema de IA lo extraiga de la página donde aparecía esa divulgación.
En la publicidad nativa dirigida a humanos, los reguladores se centran en si una persona razonable puede reconocer la relación comercial. La guía sobre publicidad nativa de la Federal Trade Commission señala que el contenido promocional no debe dar a entender que es independiente o imparcial cuando un anunciante lo ha moldeado.
La guía enfatiza un lenguaje claro, una ubicación destacada y la proximidad al mensaje promocional. También indica que las divulgaciones deben mantenerse adjuntas cuando la publicidad se difunde mediante resultados de búsqueda, redes sociales, correo electrónico u otros canales de distribución.
La publicidad para agentes expone una nueva versión de ese problema de portabilidad. El sistema receptor podría citar una sola frase, comprimir varios párrafos o fusionar la afirmación con material de otras fuentes. Una etiqueta en la parte superior del bloque original puede desaparecer durante la extracción.
Supongamos que un usuario pregunta a un asistente qué institución financiera ofrece la cuenta más adecuada para una necesidad concreta. El asistente recupera una página de Time que contiene unas preguntas frecuentes financiadas por un anunciante. Si la respuesta repite sus afirmaciones sin el contexto de patrocinio, el usuario se enfrenta a una influencia sin un anuncio reconocible.
El problema se agrava cuando un agente actúa en lugar de limitarse a responder. Un agente de compras o del entorno laboral podría comparar productos, preseleccionar proveedores o completar una transacción. Su operador podría interpretar el material fuente como evidencia y nunca inspeccionar la página subyacente.
Eso no convierte en falsa toda afirmación de un anunciante. Un pasaje pagado puede contener información precisa y útil. La cuestión es que el origen comercial ayuda a los usuarios a decidir cuánto peso dar a una afirmación y si deben verificarla de forma independiente.
Por tanto, la divulgación legible por máquinas necesita más que palabras visibles. Necesita metadatos que los sistemas de recuperación conserven y comprendan. Un medio podría marcar al anunciante, el estado de pago, los límites de cada afirmación, la fecha de publicación y el destino mediante un esquema coherente.
Las plataformas de IA tendrían entonces que respetar ese esquema. Podrían excluir las afirmaciones pagadas de las recomendaciones orgánicas, mostrarlas por separado o identificarlas dentro de las respuestas generadas. Sin reglas compartidas, cada rastreador puede interpretar de manera distinta la misma etiqueta.
OpenAI ha elegido un modelo contrastante dentro de su propio producto. Su política publicitaria de ChatGPT establece que los sistemas publicitarios permanecen separados del modelo de chat y que los anunciantes no pueden dar forma, clasificar ni modificar las respuestas. Los anuncios aparecen como ubicaciones etiquetadas debajo de las respuestas para usuarios elegibles.
El experimento de Time opera fuera de esa interfaz controlada. Un medio añade contenido pagado al material que un asistente podría recuperar mediante búsqueda, navegación u otro proveedor de datos. La empresa de IA no vende la ubicación y podría no saber que una relación comercial moldeó el texto.
Esto crea dos mercados publicitarios en torno a la misma respuesta. Un mercado compra una ubicación etiquetada al proveedor del asistente. El otro paga a un medio fuente por lenguaje que podría convertirse en parte de la propia respuesta.
La segunda vía puede parecer más valiosa porque una recomendación suele tener más autoridad que un anuncio cercano. También conlleva una mayor incertidumbre. Los anunciantes no pueden garantizar la recuperación, la atribución, una redacción favorable ni la tolerancia continuada de la plataforma.
Los lectores deberían considerar el formato actual como un experimento de influencia, no como un método fiable para controlar modelos. Los modelos de lenguaje de gran tamaño pueden ignorar un pasaje, favorecer otra fuente o cambiar su comportamiento tras una actualización. Los sistemas de recuperación también pueden clasificar el contenido de forma distinta según los usuarios y las consultas.
La cadena de divulgación sin resolver sigue siendo el problema mayor. Una etiqueta que nunca llega a quien toma la decisión tiene un valor protector limitado, tanto si esa persona lee un resumen de IA como si se trata de un agente automatizado que selecciona un producto.
Los editores quieren ingresos de los bots que sustituyen a sus lectores
Los anuncios para agentes responden a una inversión económica: los sistemas automatizados consumen contenido de los editores mientras reducen las visitas humanas que antes sostenían la publicidad.
Tradicionalmente, los editores intercambiaban acceso abierto por atención. Los motores de búsqueda indexaban sus historias, los lectores seguían enlaces y la publicidad o las suscripciones monetizaban la visita. La búsqueda generativa puede conservar la indexación y, al mismo tiempo, eliminar gran parte del tráfico.
Un asistente puede responder una pregunta con datos recopilados de varias publicaciones. El usuario recibe una síntesis práctica, pero la fuente puede no obtener ninguna visita a la página, oportunidad de suscripción ni impresión publicitaria convencional.
Las páginas legibles por máquinas intentan mejorar las probabilidades de que el contenido de un editor sea comprendido y citado. También facilitan que el contenido se consuma sin visitar el sitio diseñado. Los anuncios para agentes de Time buscan monetizar directamente ese acceso automatizado.
Esta es la inversión central. Antes, los editores vendían a los anunciantes acceso a la atención humana en sus propiedades. Ahora están probando si pueden vender acceso a los sistemas que se interponen entre esas propiedades y la atención humana.
Para Time, una ubicación legible por máquinas crea inventario allí donde los anuncios visuales convencionales tienen poco valor. A un rastreador de texto no le importa un banner pulido. Sí le importa el texto que puede responder una consulta.
Los anunciantes también afrontan un proceso de descubrimiento cambiante. Antes, una persona podía comparar varios enlaces de Google News, revisar sitios de reseñas y reparar en anuncios de retargeting. Ahora, esa misma persona puede pedir a un asistente una lista breve y aceptar su resumen.
Eso concentra la influencia dentro del proceso de selección del asistente. Las marcas deben decidir si compran anuncios en la plataforma, mejoran su información pública habitual, colaboran con editores autoritativos o siguen las tres vías.
Anthropic ha adoptado la postura contraria más explícita entre los principales proveedores de asistentes. La empresa afirmó en la postura de Claude sobre la publicidad que los incentivos publicitarios comprometerían el tipo de entorno de reflexión que quiere ofrecer con Claude. Diferenció la exploración neutral de las respuestas moldeadas por intereses comerciales.
Esa promesa afronta presión cuando la influencia pagada entra a través de fuentes externas. Un asistente puede operar sin un negocio publicitario interno y, aun así, recuperar material comercialmente condicionado de la web abierta.
El mismo reto se aplica a Google. Su infraestructura publicitaria puede separar visiblemente una ubicación pagada de un resultado orgánico conforme a las reglas de la plataforma. Tiene menos control directo sobre un editor que integra material patrocinado en contenido disponible para su recuperación.
Mientras tanto, los editores no pueden esperar indefinidamente a que las empresas de IA rediseñen la economía de la web. Los acuerdos de licencia siguen siendo desiguales, el tráfico de referencia continúa siendo incierto y bloquear todos los rastreadores puede reducir la visibilidad. La publicidad para agentes ofrece una posible fuente de ingresos mediante infraestructura que los editores ya controlan.
Sin embargo, también introduce un riesgo para la credibilidad. Los lectores confían en publicaciones establecidas, en parte porque esperan una separación entre el criterio editorial y la influencia de los anunciantes. Un pasaje pagado dirigido a máquinas puede debilitar esa frontera, incluso si la página para humanos no cambia.
Por ello, el uso de una etiqueta de patrocinio por parte de Time es importante, pero por sí solo insuficiente. El editor debe demostrar que la etiqueta sobrevive a la extracción y que las afirmaciones pagadas no adquieren autoridad editorial simplemente por estar en un dominio de confianza.
Los anunciantes afrontan un problema de medición relacionado. Mobian puede comprobar si una marca aparece en respuestas seleccionadas de IA, pero la correlación no demuestra que el texto pagado haya causado el resultado. El modelo podría conocer ya la marca, recuperar otra fuente o generar una respuesta diferente para otro usuario.
Las puntuaciones de visibilidad, favorabilidad y precisión pueden describir los resultados. No aportan la atribución estable que los especialistas en marketing esperan de los clics o el seguimiento de conversiones. Las actualizaciones de plataforma también pueden borrar los avances sin previo aviso.
El formato aún podría resultar útil. Las marcas pueden valorar experimentos controlados en páginas autoritativas, especialmente cuando el descubrimiento mediante IA afecta a compras costosas o complejas. Sin embargo, el mercado necesita medición independiente antes de que la visibilidad para máquinas se equipare al rendimiento publicitario.
Para los editores, el activo más seguro a largo plazo sigue siendo el material de fuente fiable. La información clara, los datos estructurados precisos y unas fronteras comerciales transparentes son más duraderos que cualquier táctica dependiente del comportamiento actual de análisis de un rastreador.
Los trabajadores del conocimiento afrontan el mismo desafío dentro de las organizaciones. Cuando los sistemas de IA mezclan documentos fuente en una sola respuesta, la procedencia puede desaparecer. Mantener una base de conocimiento personal con capacidad de búsqueda ayuda a los usuarios a volver al material original y evaluar quién produjo cada afirmación.
El hábito subyacente importa más allá de este experimento publicitario. Las respuestas generadas por IA deberían iniciar un proceso de evaluación, no ponerle fin. Los usuarios necesitan la fuente, el contexto de publicación y cualquier relación financiera vinculada a la información.
Qué deben hacer ahora Google News y las plataformas de IA
Las próximas tres señales mostrarán si los anuncios para agentes se convierten en un formato mediático reconocido o en una forma efímera de optimización para rastreadores.
La primera señal es la clasificación de la plataforma. La respuesta de Google importa porque sus productos de búsqueda y noticias conectan a los editores con una gran audiencia, mientras que sus sistemas generativos pueden reutilizar texto de los editores dentro de las respuestas.
Google no necesita prohibir todos los anuncios legibles por máquinas. Sí necesita una regla coherente para páginas alternativas, pasajes patrocinados y metadatos comerciales. Actuar contra un editor sin criterios publicados dejaría al mercado más amplio haciendo conjeturas.
Habrá que observar si Google actualiza su documentación, añade soporte estructurado para patrocinios o actúa visiblemente contra páginas que contienen afirmaciones comerciales específicas para rastreadores. Un respaldo claro fortalecería el argumento a favor de un nuevo formato legítimo. Una sanción por cloaking lo debilitaría de forma considerable.
La segunda señal es la persistencia de la divulgación. Time y Mobian deberían comprobar si las etiquetas de patrocinio sobreviven en resúmenes de búsqueda, respuestas de chatbots, citas y acciones de agentes. Publicar ejemplos y metodología permitiría a anunciantes, reguladores y lectores evaluar el sistema.
La pregunta decisiva no es si existe contenido “patrocinado” en alguna parte de la fuente. Es si la persona que recibe una recomendación entiende que un anunciante pagó para colocar lenguaje relevante en la ruta de recuperación.
Si los asistentes conservan sistemáticamente ese dato, los anuncios para agentes empezarán a parecerse a la publicidad nativa legible por máquinas. Si los asistentes lo omiten, el experimento creará un fallo de transparencia que las plataformas deberán corregir.
La tercera señal es la evidencia independiente de causalidad. Los anunciantes necesitan pruebas controladas que demuestren que los pasajes pagados modifican las respuestas de forma más fiable que la información ordinaria de marca, el material de relaciones públicas o la optimización estándar para buscadores.
Esas pruebas deberían comparar páginas equivalentes, múltiples modelos, prompts repetidos y resultados a lo largo del tiempo. También deberían medir respuestas incorrectas y efectos negativos, no solo menciones favorables.
La evidencia de una influencia constante y divulgada reforzaría el argumento comercial de Time. Efectos débiles o inestables sugerirían que los anunciantes pagan por un acceso escaso sin obtener resultados fiables.
El mercado más amplio no se quedará quieto durante esas pruebas. OpenAI está ampliando anuncios conversacionales claramente separados, mientras Amazon desarrolla publicidad en torno a asistentes de compra. Anthropic está posicionando un asistente sin anuncios como una ventaja de confianza.
Google debe equilibrar ambos lados. Opera un importante negocio publicitario, pero sus productos de búsqueda también dependen de que los usuarios crean que las respuestas orgánicas no han sido compradas silenciosamente mediante manipulación de fuentes.
Los usuarios de Google News deberían aplicar la misma disciplina que usan con el material patrocinado convencional. Abrir la página citada, revisar la divulgación, comparar otra fuente y separar las afirmaciones factuales de las recomendaciones.
Los desarrolladores que crean sistemas de recuperación deberían preservar la procedencia a nivel de pasaje. Una cita a un dominio completo no basta cuando un bloque es editorial y otro está financiado por un anunciante. El estado de pago debería viajar con el texto extraído.
Los compradores empresariales deberían preguntar a los proveedores si la publicidad recuperada puede entrar en recomendaciones, resúmenes o decisiones de compra automatizadas. También deberían preguntar si sus sistemas preservan las divulgaciones cuando el contenido se mueve entre herramientas.
Los editores deberían evitar tratar las páginas alternativas para máquinas como un canal invisible. Cualquier afirmación servida a un agente puede acabar llegando a una persona, influir en una compra o aparecer en una respuesta generada. Debería aplicarse el mismo escrutinio editorial y legal.
La historia inmediata no es que los anunciantes hayan descubierto una forma fiable de controlar la IA. Han encontrado un nuevo lugar para probar la influencia: dentro del material que las máquinas utilizan antes de redactar una respuesta.
Esa distinción definirá la próxima fase de la publicidad con IA. Si Google News y otras plataformas preservan el contexto comercial, los editores podrán desarrollar inventario transparente y legible por máquinas. Si no pueden hacerlo, cada recomendación recuperada planteará una nueva pregunta: ¿el asistente seleccionó esta información porque era útil o porque alguien pagó para colocarla en el camino de la máquina?
Por ahora, los lectores deberían exigir la fuente original detrás de cualquier recomendación comercial. Los equipos de producto deberían auditar lo que recuperan sus agentes, y los editores deberían demostrar que las etiquetas de patrocinio sobreviven más allá de la página. Google News y los asistentes conversacionales determinarán si los anuncios para agentes se convierten en medios responsables o simplemente en influencia invisible.
