Nos gusta pensar internet como una carretera: gente que va y viene, sitios que esperan visitas, algún que otro choque de opiniones en las banquinas. Es una imagen cómoda y, además, falsa. Lo que tenemos delante se parece más a una selva digital hiperconectada, y más de la mitad de sus habitantes no son personas sino autónomos de código: programas que leen, copian, vigilan, protegen, atacan y se disfrazan sin que nadie los mire.
Tras bambalinas se libra una guerra de desgaste asimétrica y automatizada por el control de tres recursos: la información, el ancho de banda y la capacidad de cómputo. En esa guerra la fauna muta todo el tiempo, porque necesita sobrevivir, cazar o proteger su territorio. Lo que sigue es un intento de cartografía: primero el censo de las especies, después las tácticas de combate, y al final una mirada a lo que significa todo esto cuando uno publica una simple entrada en su blog.
Un dato incómodo para empezar
Los datos de las empresas de ciberseguridad coinciden en algo: más de la mitad del tráfico que circula por internet no es humano. Según el Bad Bot Report 2026 de Imperva/Thales *, en 2025 el tráfico automatizado fue el 53% del total (51% el año anterior). Y de ese total, según la cobertura del informe en Help Net Security **, un 40% fueron bots maliciosos y apenas un 13% automatización benigna. Dicho en criollo: por cada bot bueno hay, más o menos, tres malos. La postal de la autopista limpia queda bastante lejos de ahí.
* https://www.imperva.com/blog/bad-bot-report-2026-bots-agentic-age/
* * https://www.helpnetsecurity.com/?p=368471
Un término paraguas para todo esto es tráfico automatizado: bots, crawlers, scripts automatizados, botnets. Dentro de él hay desde el cartero que lleva tu contenido a donde tiene que llegar hasta el ladrón que prueba picaportes en todas las casas de la cuadra.
El censo: castas biológicas digitales
El ecosistema se puede ordenar en cinco castas, cada una con su nicho evolutivo y su función:
• Benéfica y operativa: Googlebot, los previews de Discord y Telegram, los agregadores.
• Monitoreo: UptimeRobot, Pingdom y compañía.
• Defensiva: Cloudflare, reCAPTCHA, firewalls.
• Extractiva: Bytespider, GPTBot, scrapers residenciales.
• Depredadora: Scattered Spider, botnets, escáneres de vulnerabilidades.
Vamos de una en una.
1. La fauna benéfica y operativa: los exploradores de la luz
Son los agentes que mantienen vivo el ecosistema: indexan contenidos y permiten que la información circule de forma ordenada. No buscan destruir. Buscan succionar datos para procesarlos en otra parte, y son los que sostienen la economía de la información.
• Crawlers y spiders de buscadores (Googlebot, Bingbot, DuckDuckBot): recorren páginas web de manera continua para alimentar las búsquedas.
• Agentes de IA e indexadores de LLMs (GPTBot, ClaudeBot, PerplexityBot): rastrean la web para nutrir las bases de conocimiento y los modelos de lenguaje de las inteligencias artificiales. Acá la frontera se vuelve borrosa, porque según cómo se los mire caben tanto en esta casta como en la extractiva. Más abajo vuelvo sobre eso.
• Validadores de enlaces y SEO (AhrefsBot, SemrushBot, Moz): analizan la salud de los enlaces y la estructura de las páginas para métricas de optimización.
• Agregadores y scraping de feeds: scripts que devoran fuentes RSS y estructuras XML de diarios y blogs para alimentar lectores de noticias, plataformas de trading financiero o canales automatizados.
• Generadores de previews (Twitterbot, Discordbot, TelegramBot): micro-rastreadores que saltan al instante cuando un humano pega un enlace en un chat o una red social. Su único propósito es leer las etiquetas Open Graph de la web para dibujar la tarjeta visual que después ves en pantalla.
Acá vuelvo sobre lo que dejé pendiente con los indexadores de IA, porque el informe de Imperva suma una tercera categoría que no entra limpia en ninguna casa: los agentes de IA. Ya no se limitan a recorrer sitios; interactúan con ellos, recuperan datos, ejecutan flujos de trabajo y actúan en nombre de personas. Es la fauna mutando en tiempo real: la próxima especie no viene a leer, viene a actuar. Y borra todavía más la frontera entre lo legítimo y lo malicioso, porque ambos usan las mismas interfaces y siguen la misma lógica.
2. La fauna de monitoreo y rendimiento: los guardianes y analistas
Software automatizado que vigila que los sistemas funcionen y no se caigan. Es el tráfico iterativo de administración: repetitivo, rutinario, casi burocrático.
• Monitores de uptime (UptimeRobot, Pingdom): hacen peticiones cada pocos minutos para comprobar que el sitio sigue en línea. Son las pruebas de red de todos los días: un "¿seguís ahí?" que se repite sin cansancio.
• Analítica y telemetría: scripts invisibles que miden la velocidad de carga, los errores de JavaScript y el rendimiento del navegador de cada visitante.
3. La fauna defensiva: los escudos invisibles
Sistemas automatizados que protegen la infraestructura de ataques externos y filtran el tráfico no deseado.
• WAF (Web Application Firewall): bloquean los ataques comunes antes de que toquen el servidor principal.
• Desafiadores de bots (Cloudflare Turnstile, reCAPTCHA): interceptan visitas sospechosas y las obligan a resolver acertijos lógicos o pruebas criptográficas antes de mostrar el contenido.
• Sistemas anti-DDoS: desvían las avalanchas de tráfico artificial que buscan tumbar servidores por denegación de servicio.
4. La fauna extractiva: los parásitos camuflados
Acá la fauna se vuelve gris. Son los bots dedicados a la extracción masiva de datos, como Bytespider, el crawler de ByteDance/TikTok, y, en general, los web scrapers y bots de rastreo masivo que operan a través de proxies.
El truco está en el mecanismo. Para no ser bloqueados por los cortafuegos, trabajan con redes de proxies residenciales. En lugar de lanzar millones de peticiones desde un único servidor de Amazon Web Services (fácil de identificar y de banear), alquilan o infectan conexiones domésticas: el router de una casa, una Smart TV. Cada petición parece venir de un usuario real, sentado en su living, y eso vuelve el bloqueo por IP quirúrgico e increíblemente difícil: para frenar al parásito hay que arriesgarse a bloquear también a la familia de al lado.
5. La fauna depredadora: los alfa del submundo
En la cúspide de la cadena alimenticia están las mafias del código: programas automatizados dedicados a buscar fallas de seguridad, robar datos o saturar recursos.
• Sniffers y escáneres de vulnerabilidades (Nmap, Nikto, OpenVAS): los tiburones de la red. Nadan en círculos constantes por todo el rango de IPs de internet buscando servidores desactualizados, puertos abiertos, plugins vulnerables, instalaciones de WordPress descuidadas o directorios ocultos mal configurados (el clásico /wp-admin/). No tienen un objetivo fijo: buscan cualquier puerta abierta.
• Bots de fuerza bruta y credential stuffing: intentan adivinar contraseñas con combinaciones masivas automatizadas contra formularios de acceso, o directamente prueban miles de millones de contraseñas filtradas en segundos.
• Spam bots: barren la web en busca de secciones de comentarios y formularios de contacto para inundarlos de enlaces comerciales falsos o estafas.
• Content scrapers maliciosos: copian blogs enteros de forma automatizada para replicarlos en sitios fraudulentos de clonación. Sí, blogs como este.
• Células como Scattered Spider: usan botnets no solo para lanzar ataques DDoS que tiran servidores por saturación, sino como infraestructura para el credential stuffing o como intermediarios (proxies) de ataques avanzados de ransomware.
Las tácticas de la guerra oculta
El viejo tratado de paz de internet era el archivo robots.txt: una cortesía por la cual los sitios le pedían a los bots que no pasaran por ciertas habitaciones y los bots, por costumbre y por reputación, hacían caso. Ese tratado colapsó. Funcionaba mientras el costo de ignorarlo era bajo y el beneficio de respetarlo, razonable; y funciona mal cuando los datos valen oro. La necesidad de material para entrenar inteligencias artificiales y la monetización del cibercrimen empujaron las cosas hacia el combate abierto. Hay un asunto de incentivos asimétricos: quien rastrea no arriesga nada, y quien es rastreado paga el ancho de banda y el cómputo. Un acuerdo de caballeros entre partes sin nada en juego dura lo que dura la buena voluntad.
¿Qué quedó en su lugar? Un régimen de hechos consumados, sin contrato común. Del lado de los sitios, bloqueos por comportamiento y reputación en vez de pedidos de buena conducta (las murallas que describo más abajo), muros de pago y licencias para el acceso de los crawlers de IA, y trampas para el que se lleva lo que no le dieron. Del otro lado, más disfraz. El reglamento ya no lo escribe nadie en un archivo de texto: lo escribe cada defensor con lo que tiene a mano.
Estas son las tres tácticas principales.
Táctica 1: la suplantación de identidad (User-Agent spoofing)
Los scrapers e indexadores agresivos ya no se presentan con su nombre real en las cabeceras HTTP. Configuran sus scripts para clonar exactamente las firmas (los User-Agent) de navegadores humanos comunes, algo del estilo Mozilla/5.0 Windows NT 10.0; Chrome/120.0.... Al mezclarse con el tráfico de las personas, obligan a los administradores a recurrir a herramientas complejas de análisis de comportamiento para descubrirlos. El bot entra a la fiesta con traje y corbata de invitado.
Táctica 2: el envenenamiento de datos (data poisoning)
Es la resistencia de los webmasters. Sabiendo que los bots de IA ignoran los bloqueos y raspan los sitios igual, los desarrolladores arman "trampas para osos" digitales.
• Cómo funciona: inyectan texto invisible para los humanos (del mismo color que el fondo) o secciones ocultas llenas de contradicciones, código malicioso sutil o información lisa y llanamente falsa.
• Qué consigue: cuando el bot succiona la web, introduce basura en su modelo de lenguaje y degrada la inteligencia de la IA que lo recolectó.Es una defensa curiosa: el sistema que lastima al invasor es, justamente, lo que el invasor se llevó.
Táctica 3: las murallas criptográficas (Turnstile y desafíos de comportamiento)
Los defensores (los WAF, Cloudflare) abandonaron los CAPTCHAs interactivos de antes, porque las IAs ya los resuelven mejor que los humanos. La defensa actual se apoya en desafíos silenciosos de telemetría y pruebas criptográficas de fondo. Mientras la página carga, el navegador del visitante resuelve pruebas criptográficas livianas y entrega señales sobre su entorno y su comportamiento, que el sistema usa para estimar si hay una persona del otro lado (en algunos casos, hasta micro-movimientos del mouse). Si del otro lado hay un script plano (por ejemplo, un bot de Python con Requests), el servidor le cierra la puerta en la cara al instante.
Fuego cruzado perenne
Internet funciona hoy bajo este fuego cruzado. Cada milisegundo, un sitio web promedio repele cientos de micro-ataques o intentos de extracción, y al mismo tiempo abre la puerta a los bots que le dan de comer: los buscadores que lo vuelven encontrable, los previews que lo hacen presentable, los monitores que avisan si se cae.
Lo que pasa cuando publicás una entrada
Todo esto baja a tierra en un gesto mínimo. Publicás una entrada en tu blog, ponés un enlace en otra plataforma, y en cuestión de minutos, a veces de segundos, una pequeña fracción de esta fauna invisible ya pasó sigilosamente a leerlo. Antes de que aparezca el primer lector de carne y hueso, probablemente ya lo leyeron un generador de previews, un agregador de feeds, algún crawler de buscador, un indexador de IA y, con algo de mala suerte, un scraper que se lo lleva para pegarlo en otro lado.
Si esa fauna ya está leyendo, copiando y clasificando lo que escribimos, la pregunta de fondo deja de ser técnica: ¿para quién escribimos exactamente? Para el humano que quizás llegue, para la máquina que seguro llegó, o para las dos cosas a la vez, sabiendo que a la segunda nadie la invitó.
Glosario mínimo
• Tráfico automatizado: todo el tráfico generado por programas y no por personas (bots, crawlers, scripts, botnets).
• Tráfico iterativo de administración: peticiones repetitivas de mantenimiento y vigilancia (monitores de uptime, pruebas de red).
• Scraping de feeds / agregadores: lectura automática de fuentes RSS y XML para reutilizar contenido.
• Web scrapers y crawlers masivos: bots de rastreo que recorren sitios para extraer o indexar datos; los más agresivos, como Bytespider, operan mediante proxies.
• Proxies residenciales: conexiones domésticas alquiladas o infectadas que se usan para esconder el origen de las peticiones.
• Botnet: red de dispositivos controlados a distancia, usada para DDoS, credential stuffing o como intermediaria en ataques.
• Credential stuffing: probar a gran escala contraseñas filtradas contra formularios de acceso.
• User-Agent spoofing: falsificar la identificación del navegador para pasar por humano.
• Data poisoning: sembrar contenido falso u oculto para contaminar a quien lo extrae.
Co-creado con mi asistente de IA.
Entradas complementarias del tema:
La longevidad del blogging: sobre Das Bücherregal.
https://reuniendoletras.blogspot.com/2026/07/la-longevidad-del-blogging-sobre-das.html
La trinchera silenciosa: apología del blog en la era de los algoritmos de masas
https://reuniendoletras.blogspot.com/2026/08/la-trinchera-silenciosa-apologia-del.html

No hay comentarios.:
Publicar un comentario