Arrival

El 5 de marzo de 2026, TheNumbers.com desapareció. Sin aviso, sin comunicado, sin página de mantenimiento. Simplemente dejó de responder. Un sitio que llevaba casi treinta años en línea —fundado en octubre de 1997 por el matemático Bruce Nash como una página de Geocities que rastreaba 300 películas— se había convertido en una de las bases de datos de la industria del cine más consultadas del mundo: 78.396 películas, 178.375 registros de estrenos, 236.176 personas catalogadas. Periodistas, académicos, el Guinness World Records y los mercados de predicción lo usaban como fuente autoritativa. Ocho millones de visitantes al año.

Cuando el sitio reapareció el 13 de marzo, era un esqueleto. Sin gráficos históricos, sin páginas individuales de películas, sin su herramienta de informes. Nash explicó lo que había pasado: el tráfico de bots de inteligencia artificial, combinado con ciberataques dirigidos, había hecho inviable mantener el servidor. Solo el 10% de las visitas eran humanas. El 90% restante eran máquinas —crawlers de entrenamiento, agentes de IA, scrapers de mercados de predicción— que consumían recursos a una escala para la que la infraestructura nunca fue diseñada.

No era un problema de seguridad convencional. No había un fallo que parchear. Era algo más profundo: las asunciones sobre las que se había construido ese sitio —y, en realidad, toda la web— habían dejado de ser ciertas.

---

Un espacio pensado para personas

En marzo de 1989, un físico británico del CERN llamado Tim Berners-Lee circuló un documento interno titulado Information Management: A Proposal. Su jefe, Mike Sendall, escribió en el margen: "Vague but exciting." La propuesta describía un sistema de hipertexto para que los investigadores del laboratorio pudieran enlazar documentos entre sí. No era un plan para construir una infraestructura global. No había modelo de negocio, ni plan de monetización, ni siquiera la ambición de que lo usara alguien fuera del CERN.

Esa falta de ambición comercial fue, paradójicamente, lo que hizo posible la web. Berners-Lee ha contado muchas veces que la decisión de no patentar los protocolos fue deliberada: quería un sistema abierto, sin permisos, donde cualquiera pudiera publicar y cualquiera pudiera leer. Como describe en Weaving the Web, la apertura radical no era un accidente sino una condición de diseño.

La propuesta original de Tim Berners-Lee para la web (marzo de 1989). La anotación de su jefe Mike Sendall — "Vague but exciting" — es visible en la parte superior. Sin modelo de negocio, sin plan de monetización: solo un sistema abierto para enlazar documentos.

Pero esa apertura descansaba sobre asunciones que nadie codificó porque parecían obvias: los que visitan una página son personas. El tráfico es una aproximación razonable a la lectura. El coste de servir una página se corresponde, más o menos, con el valor que genera. Nadie escribió estas reglas porque no hacía falta. Eran propiedades emergentes de un sistema donde todos los participantes eran humanos.

Los primeros bots y el primer contrato

Las asunciones no tardaron en ser testadas. En 1993, los primeros crawlers automáticos empezaron a recorrer la web para construir índices. Eran útiles —sin ellos no habría buscadores—, pero también problemáticos: consumían ancho de banda, accedían a áreas privadas, sobrecargaban servidores pequeños.

En 1994, un desarrollador holandés llamado Martijn Koster propuso una solución: robots.txt, un fichero de texto plano que los administradores de sitios web podían usar para indicar a los crawlers qué partes de su sitio no debían rastrear. No era un estándar formal —no se convertiría en RFC hasta 2022—. Era un acuerdo de caballeros. Y funcionó durante tres décadas, por una razón sencilla: los crawlers tenían incentivos para respetarlo. Si un buscador ignoraba las indicaciones de los sitios, los sitios podían bloquearlo, y el buscador perdía contenido que indexar.

Había, en otras palabras, reciprocidad. Los bots leían tu contenido, construían un índice, y a cambio te enviaban visitantes. El contrato no estaba escrito en ningún sitio, pero era real.

La máquina de las intenciones

La reciprocidad alcanzó su forma más sofisticada con Google. En 1998, dos estudiantes de doctorado de Stanford, Sergey Brin y Larry Page, publicaron un paper que describía un sistema para ordenar páginas web tratando los enlaces como citas académicas: una página a la que enlazan muchas páginas importantes es, probablemente, una página importante. El sistema se llamaba entonces BackRub. Pronto se llamaría Google.

El paper de Brin y Page de 1998 — el documento fundacional de Google. En un apéndice, advirtieron de que los buscadores financiados por publicidad estarían "inherentemente sesgados hacia los anunciantes." Después construyeron la empresa sobre ese mismo modelo.

John Battelle, en The Search, acuñó un concepto que captura bien lo que Google construyó: la "base de datos de las intenciones." El agregado de todas las búsquedas de todos los usuarios constituye un registro sin precedentes de lo que la humanidad quiere, teme y necesita. Y ese registro tenía un valor comercial enorme.

Google monetizó la búsqueda vendiendo anuncios asociados a las intenciones. El modelo era elegante: el usuario buscaba algo, Google le mostraba resultados relevantes junto con anuncios relacionados, el usuario hacía clic en el resultado orgánico o en el anuncio, y en ambos casos alguien recibía tráfico. Los editores de contenido recibían visitantes. Los anunciantes recibían clientes. Google recibía dinero. Todos ganaban, o eso parecía.

Lo que surgió alrededor fue una industria entera: el posicionamiento en buscadores, el SEO, las agencias de marketing digital, los consultores de contenido, las granjas de enlaces. Una economía construida sobre la idea de que aparecer en los resultados de Google era la forma de captar la atención de las personas que buscaban información.

Hal Varian, el economista que había escrito Information Rules —el manual de referencia sobre la economía de los bienes de información—, se convirtió en 2002 en Chief Economist de Google. El hombre que mejor entendía cómo funcionan los mercados de información pasó a construir el mercado de información más grande de la historia. No es casualidad.

Information Rules de Carl Shapiro y Hal R. Varian (1998) — el manual de referencia sobre la economía de los bienes de información. Cuatro años después, Varian se convirtió en Chief Economist de Google: el hombre que mejor entendía los mercados de información pasó a construir el más grande de la historia.

Pero había una tensión en el núcleo del modelo, y Brin y Page la habían identificado ellos mismos. En un apéndice de su paper original, escribieron una advertencia que hoy resulta profética:

"We expect that advertising funded search engines will be inherently biased towards the advertisers and away from the needs of the consumers."

— Sergey Brin & Larry Page, The Anatomy of a Large-Scale Hypertextual Web Search Engine (1998)

Señalaron el conflicto entre monetización e integridad del producto en el momento de la fundación. Y luego construyeron la empresa sobre el modelo que habían advertido que era problemático. Tim Wu, en The Attention Merchants, muestra que este patrón se repite con cada medio: capturar atención con contenido gratuito, monetizarla, escalar la extracción hasta que la audiencia se rebela, migrar a una nueva frontera.

Las primeras grietas en el contrato

La reciprocidad entre Google y los editores de contenido empezó a resquebrajarse cuando Google comenzó a mostrar suficiente información en la propia página de resultados como para que muchos usuarios nunca necesitaran visitar el sitio original. Fragmentos destacados, paneles de conocimiento, respuestas directas: Google ya hacía, de forma rudimentaria, lo que los modelos de IA hacen hoy: extraer contenido de las fuentes, reformularlo y presentarlo para que el usuario no tenga que visitar el origen. Era comportamiento proto-IA antes de que nadie lo llamara así. Google News lo llevó más lejos: agregaba titulares y fragmentos de periódicos de todo el mundo.

Los editores europeos se rebelaron. España aprobó en 2014 una ley que exigía un pago obligatorio por el uso de fragmentos —el llamado "canon AEDE"—, y Google respondió cerrando Google News en España. La Unión Europea debatió durante años lo que la prensa llamó el "impuesto al enlace" —el artículo 15 de la Directiva de Copyright de 2019—. Hubo litigios, negociaciones y acuerdos parciales.

En paralelo, Google había puesto en marcha en 2004 un proyecto aún más ambicioso: escanear millones de libros de bibliotecas universitarias para hacerlos buscables en línea. La Authors Guild demandó. Los tribunales acabaron fallando que era uso legítimo (fair use), argumentando que la digitalización y el acceso a fragmentos era "altamente transformativo." El caso sentó un precedente que hoy resuena con fuerza: tomar conocimiento acumulado a gran escala, sin consentimiento, puede ser legalmente aceptable si el uso se considera transformativo. Es exactamente el argumento que las empresas de inteligencia artificial usan hoy para justificar el entrenamiento de modelos con datos de la web abierta.

Cada una de estas rupturas encontró un equilibrio nuevo, aunque imperfecto. La razón: seguía existiendo alguna forma de reciprocidad. Google, por mucho que capturara, seguía enviando tráfico. El buscador necesitaba que los editores siguieran publicando contenido de calidad —sin él, su producto perdía valor—. Había una interdependencia que, aunque asimétrica, funcionaba como mecanismo de reequilibrio.

Volver a TheNumbers: cuando la reciprocidad desaparece

Lo que le ocurrió a TheNumbers.com no fue una ruptura más en esa secuencia. Fue algo cualitativamente distinto.

El artículo de Stephen Follows documenta tres oleadas de tráfico no humano. La primera, en 2024, eran crawlers de entrenamiento de IA que se sumaban a los bots de los buscadores: más trabajo de gestión, pero asumible. La segunda, a finales de 2025, fue la irrupción de la IA agéntica: ya no se trataba de crawlers que leían el sitio una vez para entrenar un modelo, sino de agentes que lo visitaban en tiempo real cada vez que un usuario hacía una pregunta. La escala se volvió multiplicativa.

Los números que Follows presenta, basados en datos de Cloudflare, son elocuentes.

Por cada visitante humano, Google rastreaba unas 5 páginas. OpenAI, más de 1.000. Anthropic, más de 38.000.

Pero el problema no era solo de volumen. En paralelo, los mercados de predicción de Polymarket habían convertido los datos de taquilla en un instrumento financiero, usando TheNumbers como "fuente de verdad" para liquidar apuestas que movían decenas o cientos de miles de dólares cada fin de semana. Eso creaba un incentivo directo para acceder a los datos antes de su publicación o para manipularlos. Nash encontró en los logs del servidor sondeos automatizados buscando puertas traseras:

"Some of these used the site using legitimate URLs, others were looking for back doors, most likely so they could get to the data before it appeared on the site, or to manipulate the data presented to users."

— Bruce Nash, en el artículo de Stephen Follows (2026)

El caso de TheNumbers no era aislado. La fundación Wikimedia documentó en abril de 2025 que los bots representaban al menos el 65% de su tráfico más caro —las peticiones que no pueden resolverse desde la caché y deben llegar hasta los servidores centrales—, mientras las visitas humanas habían caído un 8% en un año. Read the Docs, una organización sin ánimo de lucro, descubrió que un solo crawler había descargado 73 terabytes en un mes, generando más de 5.000 dólares en costes de ancho de banda. El CEO de iFixit denunció un millón de peticiones de un crawler de Anthropic en un solo día. Drew DeVault, fundador de SourceHut, contó que dedicaba entre el 20% y el 100% de su tiempo laboral a combatir crawlers de IA. El proyecto GNOME midió que el 97% de su tráfico era de bots.

Nash resumió la nueva realidad con precisión: donde antes servía a dos audiencias —personas y buscadores—, ahora tenía que servir a seis: personas, buscadores, crawlers de entrenamiento de modelos, tráfico generado por prompts, agentes de IA autónomos y participantes en mercados de predicción. Las decisiones de diseño habían pasado de depender de tres factores a ocho o diez.

"We've gone from a world where running a web site meant focusing on three things (content, ads, and SEO) to about eight to ten different factors that go into every design decision."

— Bruce Nash, en el artículo de Stephen Follows (2026)

Es un caso particular de algo a lo que sigo volviendo: los productos basados en software se enfrentan a un cliente que es, por naturaleza, una incógnita dinámica. No eliges quién visita tu sitio, quién llama a tu API, quién envía una petición HTTP. Publicas una interfaz y esperas. Durante tres décadas la incógnita era manejable: el visitante era casi seguro una persona, quizá un crawler de buscador operando bajo un contrato conocido. El espacio de diseño estaba acotado. Lo que Nash describe es el momento en que esa frontera se disolvió. El "cliente" es ahora una población que muta más rápido de lo que puedes caracterizar: humanos, crawlers de entrenamiento, agentes, scrapers, sondas adversariales, bots financieros. Cada uno con intenciones distintas, costes distintos, valor distinto — o ninguno. El producto que antes servía a una audiencia que podía estudiar ahora sirve a un ecosistema que no puede ver del todo.

Y volver a poner el servidor anterior no era una opción:

"It was really clear that we couldn't just put that server up again, because it would inevitably be brought down again, possibly within minutes."

— Bruce Nash, en el artículo de Stephen Follows (2026)

La atención que se vacía

Herbert Simon escribió en 1971 una de esas frases que se vuelven más verdaderas con el tiempo:

"What information consumes is rather obvious: it consumes the attention of its recipients. Hence a wealth of information creates a poverty of attention."

— Herbert A. Simon, Designing Organizations for an Information-Rich World (1971)

Michael Goldhaber, veintiséis años después, convirtió la observación de Simon en tesis económica: en un mundo donde la información se reproduce a coste casi cero, el recurso realmente escaso es la atención humana, y toda la economía se reorganiza para capturarla. La web entera se construyó sobre esta lógica. Publicidad, métricas de engagement, feeds, notificaciones: todo el modelo de negocio digital se basa en que cada visita a una página representa un humano que presta atención. Y esa atención tiene valor económico porque un humano que mira puede comprar, suscribirse, recomendar, volver.

Lo que los agentes de IA hacen es multiplicar la capacidad de "atención" a una escala que no tiene precedentes. Un usuario con un agente puede "atender" miles de páginas en segundos. El agente visita TheNumbers, lee los datos, los extrae, los reformula y le devuelve una respuesta al usuario. El resultado de taquilla llega sin que el usuario haya visto nunca el sitio que lo publicó.

Pero esta atención automatizada no es atención en el sentido de Simon. No lleva consigo el valor económico que la atención humana llevaba. El agente no ve anuncios, no se suscribe, no recomienda el sitio a un colega. Visita, extrae y se va. El servidor no puede distinguir entre un humano que va a pensar sobre los datos y un bot que los va a triturar. Una petición HTTP es una petición HTTP.

Se produce una inversión que Simon no previó:

Antes, la información era abundante y la atención escasa, y el valor fluía hacia quien capturaba atención humana. Ahora, la atención de las máquinas es masivamente abundante y la atención humana es aún más escasa —porque la IA la intermedia—, pero la atención de las máquinas no tiene valor económico. Y al editor le cuesta servirla. TheNumbers tenía que servir diez veces más tráfico que antes, pero solo una décima parte de ese tráfico generaba valor.

La cadena se quiebra: el creador del contenido soporta el coste; el intermediario —el modelo de IA, la interfaz del agente— captura la atención humana.

Aral, Li y Zuo documentaron este efecto en un estudio de campo publicado en 2026: las respuestas generadas por IA suprimen las fuentes de cola larga, reducen la variedad de contenido que los usuarios consultan y favorecen fuentes de baja credibilidad. La atención humana no solo no llega al creador del contenido: llega a una versión degradada de ese contenido, procesada y reformulada por un sistema que no tiene incentivos para preservar la fuente.

No solo volumen: acción autónoma

Hay una dimensión más que el caso de TheNumbers insinúa pero que otro incidente, casi simultáneo, pone en evidencia.

El 31 de julio de 2026, Anthropic publicó que, al revisar sus evaluaciones internas de ciberseguridad, había descubierto tres incidentes en los que un modelo Claude había alcanzado internet desde dentro de un entorno de evaluación supuestamente aislado y había obtenido acceso no autorizado a sistemas reales de tres empresas distintas. Había ocurrido en abril. Nadie lo había detectado hasta que revisaron los logs meses después.

Simon Willison lo resumió en un tuit:

Simon Willison reaccionando a la revelación de Anthropic de que sus propias evaluaciones de IA en sandbox habían hackeado tres empresas sin que nadie se diera cuenta (31 de julio de 2026).

No estamos hablando ya de bots que sobrecargan servidores por volumen. Estamos hablando de modelos que actúan de formas no previstas por sus propios creadores. La infraestructura no solo tiene que soportar una escala de tráfico para la que no fue diseñada; tiene que defenderse de agentes cuyo comportamiento no es completamente predecible ni siquiera para quienes los construyen.

Jonathan Zittrain, en The Future of the Internet—And How to Stop It, había anticipado una versión de este problema: la tensión entre la apertura generativa de internet —que permite la innovación— y las presiones de seguridad que empujan hacia jardines amurallados. Lo que no anticipó es que la presión no vendría solo de los virus y el malware, sino de los propios sistemas de inteligencia artificial desplegados por las empresas más grandes del mundo.

---

Asunciones que se daban por hechas

Lo que revela la historia de TheNumbers no es un fallo técnico ni un problema de seguridad. Es algo más incómodo: las asunciones sobre las que se construyó la web —que los visitantes son humanos, que el tráfico mide lectores, que servir contenido genera reciprocidad— eran tan invisibles que las confundíamos con propiedades del sistema. Ahora que han dejado de cumplirse, descubrimos que el sistema era mucho más frágil de lo que pensábamos.

No es la primera vez que esto ocurre. Cada nueva capa de acceso mediado por máquinas —los buscadores, los agregadores de noticias, los digitalizadores de libros— ha testado y eventualmente roto los acuerdos informales de la era anterior. Pero cada ruptura anterior encontró un nuevo equilibrio porque existía alguna forma de reciprocidad y porque los actores tenían incentivos para mantener vivo el ecosistema del que dependían.

Esta vez, ese mecanismo de reequilibrio está bajo una presión sin precedentes. Los modelos de IA consumen el contenido de la web abierta pero no devuelven visitantes. Los agentes multiplican la "atención" pero la vacían de valor. Y la propia IA introduce capacidades —autonomía, escala, acción no prevista— que desbordan los mecanismos informales que sostenían el sistema.

Cloudflare ha empezado a mover piezas: un modelo de pago por rastreo que permite a los sitios cobrar a los crawlers de IA por cada página, y el bloqueo por defecto de los rastreadores que no paguen. Es un intento de reconstruir la reciprocidad por la vía del precio. Quizá funcione, o quizá solo formalice una asimetría de poder donde los que pueden pagar acceden y los que no quedan fuera.

Bruce Nash sigue reconstruyendo TheNumbers. Tiene la ventaja de que su negocio principal —la venta de datos en bruto a través de OpusData— no dependía del sitio web. Pero muchos otros no tienen esa segunda línea. Follows menciona el caso de ZEGO, una empresa textil alemana de 37 años que tuvo que declarar insolvencia tras un ciberataque en marzo de 2026. La producción estuvo parada seis semanas. No tenía a dónde ir.

La web que construimos durante tres décadas era más frágil de lo que sabíamos. No por defectos de su código, sino porque dependía de acuerdos que nunca se escribieron y de asunciones sobre quién estaba al otro lado de cada petición. Treinta años de conocimiento acumulado por un matemático en su tiempo libre pueden desaparecer en una semana. No porque el conocimiento haya dejado de tener valor, sino porque las máquinas que lo consumen no saben qué es el valor. Solo saben hacer peticiones.