Errores de salud en AI Overviews y la demanda de Google a SerpApi
The Guardian detectó errores médicos en AI Overviews, Google demandó a SerpApi y Microsoft explica cómo la IA elige entre páginas similares.
En esta nota6
En corto
- The Guardian encontró información médica falsa o engañosa en AI Overviews sobre cáncer, enfermedades hepáticas y salud mental.
- Google demandó a SerpApi por revender contenido de sus resultados.
- Noruega pagará unos 4,5 millones de dólares anuales a los diarios para entrenar modelos de IA.
- Según Microsoft, la IA agrupa páginas similares y elige una: el medio tiene que señalar cuál es la principal.
Google: haz lo que yo digo y no lo que yo hago
Una investigación de The Guardian detectó errores graves en los resúmenes con inteligencia artificial de Google, incluidos consejos equivocados sobre cáncer, pruebas médicas y salud mental. El buscador es sumamente estricto cuando se trata de rankear a los sitios, pero no aplica las mismas reglas cuando se trata de su contenido generado.
Según el informe del medio británico, estos resúmenes están ofreciendo información médica falsa o engañosa que podría poner en riesgo a los usuarios, especialmente en búsquedas relacionadas con cáncer, enfermedades hepáticas y salud mental.
Sophie Randall, directora del Patient Information Forum, afirmó que los ejemplos muestran que “los AI Overviews de Google pueden colocar información médica incorrecta en lo más alto de las búsquedas, lo que representa un riesgo para la salud de las personas”.
Stephanie Parker, directora digital de la organización Marie Curie, agregó: “Las personas recurren a internet en momentos de preocupación y crisis. Si la información que reciben es inexacta o carece de contexto, puede perjudicar seriamente su salud”.
Pero esto no es todo, porque el gigante de internet, que basa toda su razón de ser en scrapear e indexar otras páginas, ahora demandó a SerpApi por… básicamente hacer lo mismo.
Según la explicación del blog de Google, “SerpApi toma de forma engañosa contenido que Google licencia a terceros (como imágenes que aparecen en los Knowledge Panels, datos en tiempo real de funciones de Search y mucho más) y luego lo revende a cambio de una tarifa. Al hacerlo, ignora deliberadamente los derechos y las directrices de los sitios web y proveedores cuyo contenido aparece en el buscador”.
Sin embargo, esto parece más un castigo al proveedor de servicios por permitir, de forma indirecta, que ChatGPT utilice los resultados de Google para generar sus respuestas.
4.5 millones de dólares a los medios para entrenar una IA
Noruega se convirtió en el primer país del mundo en establecer un acuerdo nacional que permite utilizar contenidos de diarios para entrenar modelos de inteligencia artificial de forma legal y remunerada.
A través de un convenio entre la Biblioteca Nacional y Kopinor, el Estado pagará 45 millones de coronas noruegas anuales (unos 4.5 millones de dólares) para acceder a artículos con más de un año de antigüedad.
El objetivo es desarrollar modelos de lenguaje de alta calidad en noruego y sami, que podrán ser utilizados libremente por actores públicos y privados, sentando un precedente global sobre cómo integrar IA, derechos de autor y periodismo (anuncio de la Biblioteca Nacional).
Microsoft explica por qué las páginas similares pueden perder visibilidad en la búsqueda con IA
Microsoft publicó una guía sobre cómo los sistemas de búsqueda con inteligencia artificial interpretan páginas similares. El foco no está en penalizaciones, sino en cómo la IA agrupa contenidos parecidos, elige una sola versión para representarlos y, si las señales no son claras, puede mostrar URLs no deseadas o desactualizadas.
Para los medios, donde muchas notas comparten estructura o temática, la clave pasa por definir intención, jerarquía editorial y versiones principales.
Claves para publishers:
1. Tener páginas similares es normal en medios
Coberturas como clima, servicios, agenda o actualizaciones constantes generan contenidos parecidos por definición. El problema no es la similitud, sino cuando varias URLs compiten por la misma intención sin jerarquía clara.
2. La IA elige una versión para representar el tema
Los sistemas de IA agrupan páginas similares y seleccionan una como fuente. Si el medio no define cuál es la principal, la IA puede elegir una versión técnica, antigua o secundaria.
3. Señalizar intención es más importante que “evitar duplicar”
Interlinkeado interno, canonicals, redirecciones, URLs estables y metadata coherente ayudan a que buscadores y sistemas de IA entiendan qué página es la referencia editorial.
4. Menos fricción, más control editorial
No se trata de eliminar notas, sino de ordenar versiones: qué se actualiza, qué se consolida y qué se deja como histórico, para que la visibilidad recaiga donde el medio la necesita.
La gente no lee
Un estudio muestra cómo cambió el consumo de contenidos en la última década.
Realizado por el blog Dejan AI, el informe se basa en el seguimiento del comportamiento real de usuarios y revela que la lectura en esa web cayó de forma drástica en los últimos diez años.
En 2015, el 56% de los usuarios se identificaba como lector; en 2025, ese número bajó al 28%.
A partir del análisis de tiempo en página, scroll y movimientos del mouse, el documento muestra que la mayoría de las personas escanea los contenidos y abandona en menos de 30 segundos.
Para los medios, el desafío no es dejar de producir contenido largo, sino asumir que los primeros segundos, la estructura y la jerarquía editorial son determinantes para captar la atención.
Qué revela el informe:
- El scroll ya no es una señal fiable de lectura: la mayoría recorre la nota, pero no la lee.
- El abandono es temprano: dos tercios de los usuarios se van antes de los 30 segundos.
- Las personas creen leer más de lo que realmente leen.
- La plataforma importa: LinkedIn genera más lectura que redes de consumo rápido.
- La lectura profunda es minoritaria, pero concentra el mayor valor editorial.
Dar la cara: ¿funciona poner un rostro en la miniatura de YouTube?
Un nuevo análisis basado en más de 300.000 videos virales publicados en 2025 sugiere que mostrar el rostro del creador en las miniaturas de YouTube no es una ventaja automática. En promedio, los thumbnails con caras y sin caras presentan niveles de rendimiento muy similares, a pesar de que las caras aparecen en una gran proporción de los videos analizados.
El estudio, citado en un debate reciente entre creadores y herramientas de optimización como vidIQ y 1of10 Media, muestra que las diferencias aparecen cuando se segmentan los datos. En canales más grandes, la inclusión de rostros genera una mejora leve, mientras que en canales pequeños el impacto es prácticamente neutro. Por categoría, algunos nichos (como finanzas) tienden a rendir mejor con caras, mientras que otros (por ejemplo, negocios), muestran resultados opuestos. Además, las miniaturas con múltiples rostros superan en rendimiento a las que muestran una sola cara.
Desde YouTube, el enfoque refuerza esta lectura. La plataforma prueba miniaturas en función del tiempo total de visualización, no solo del CTR. Un thumbnail que consigue más clics pero no mantiene a los usuarios mirando el video no gana en los tests internos. Por eso, YouTube trata el título, la miniatura y los primeros segundos del video como una sola unidad de “empaquetado”.
La conclusión es clara: no hay reglas universales. Mostrar la cara puede ayudar a generar confianza o reconocimiento en ciertos contextos, pero también puede competir visualmente con la idea del video. En un escenario donde YouTube amplía sus herramientas de A/B testing, la recomendación es validar decisiones con datos propios y optimizar por retención, no solo por clics.