¿Puede Google detectar el contenido de IA y lo penaliza?

‍

‍

En Originality.ai creemos en el desarrollo ético (estudio que analiza cómo bloquear bots de IA) y el uso ético de la IA generativa usando nuestro detector de IA, que puede identificar si un texto fue creado por ChatGPT u otra herramienta de escritura de IA.

‍

Estamos informando sobre cómo la IA está impactando el mundo online, rastreando cuánta IA hay en los resultados de búsqueda de Google, y el estudio a continuación profundiza en la actualización del 5 de marzo de 2024.

‍

El 5 de marzo, Google anunció que se produciría una actualización masiva cuyo objetivo sería reducir el contenido poco útil en un 40%. Esta actualización comenzó con una ronda significativa de acciones manuales aplicadas a sitios y su desindexación completa. Estas acciones manuales ocurrieron junto con esta actualización, pero son independientes de la actualización del algoritmo que se implementará durante 2 a 4 semanas.

‍

Hemos completado 2 estudios significativos en las últimas 24 horas para ayudar a las personas a entender estas actualizaciones, y ambos se incluyen aquí. 

• Estudio 1 - Lista de sitios web que recibieron una acción manual en marzo de 2024
  • 1,446 sitios web recibieron una acción manual de los 79k sitios web revisados en marzo de 2024.
• Estudio 2 - ¿Fue el spam de contenido de IA el culpable de la acción manual?
  • El 100% de los sitios web tenían algunas publicaciones generadas por IA
  • El 50% de los sitios tenían entre el 90% y el 100% de sus publicaciones generadas por IA
  • Usamos nuestro verificador de texto de IA para entender qué cantidad de escritura de IA de una herramienta como ChatGPT se publicó en los sitios afectados.

En esta publicación vamos a cubrir…

‍

1. Resumen de la actualización de Google
2. Qué son una acción manual y la desindexación de un sitio
3. La lista más completa de sitios que fueron afectados
4. Qué hemos aprendido sobre los sitios que fueron afectados

‍

Para ver la metodología, consulta cada sección a continuación. 

‍

Si tienes alguna pregunta, quieres acceder a los datos o buscas ampliar el alcance de esta investigación, ponte en contacto con jon@originality.ai 

‍

Resumen de la actualización de acción manual sobre contenido de IA de marzo de 2024

‍

Esta actualización de Google se anunció el 5 de marzo y tiene como objetivo penalizar…

• “Abuso de contenido a escala”
  • Busca detener la publicación masiva de spam de contenido (¿quién hace spam de contenido y no usa IA en 2024 y en adelante?). 
• “Abuso de dominios caducados”
  • Busca impedir que las personas reutilicen dominios caducados para obtener beneficios SEO 
• “Abuso de reputación del sitio”
  • Busca impedir que sitios web de buena reputación manipulen los motores de búsqueda haciendo que una parte de su sitio publique artículos de Parasite SEO. Un ejemplo de esto es el ejemplo de Sports Illustrated Parasite SEO. 

Ha habido más comunicación por parte de Google sobre esta actualización en sus primeros días que con la mayoría de otras actualizaciones similares.

‍

Cobertura de la actualización de marzo de 2024:‍

• https://searchengineland.com/google-released-massive-search-quality-improvements-with-march-2024-core-update-and-multiple-spam-updates-438144
• https://www.wired.com/story/google-search-artificial-intelligence-clickbait-spam-crackdown/

‍

Publicaciones del blog de Google:

• https://blog.google/products/search/google-search-update-march-2024/
• https://developers.google.com/search/blog/2024/03/core-update-spam-policies

‍

Es importante señalar de nuevo que las acciones manuales no son lo mismo que las actualizaciones del algoritmo que también estarán ocurriendo. 

‍

Qué son una acción manual y la desindexación de un sitio

‍

Si Google ha identificado un sitio que no cumple sus directrices, puede aplicar una “acción manual” y eliminarlo por completo de sus resultados de búsqueda (también conocido como desindexar el sitio web). 

‍

Los sitios comenzaron a recibir un número cada vez mayor de estas notificaciones el 5 de marzo en su panel de Google Search Console Manual Action…

‍

‍

La consecuencia de estas acciones manuales parece ser la eliminación completa de los resultados de búsqueda de Google. 

‍

‍

Ahora, ¿qué sabemos sobre los sitios que fueron afectados…

‍

Estudio 1 - Lista de sitios web que recibieron una acción manual en marzo de 2024

‍

En un intento por comprender mejor el alcance de este esfuerzo de acciones manuales, hemos completado un estudio para identificar sitios web de contenido que han sido desindexados por Google y que hasta hace muy poco tenían tráfico orgánico de Google.

Este estudio se centra en sitios web cuyo foco principal es el contenido, no en ECommerce ni otros tipos de sitios.

‍

Hallazgos:

• Acción manual aplicada a más de 1,446 sitios que estaban en MediaVine, Raptive o Ezoic
• De los aproximadamente 79k sitios revisados, al 1.9% se les aplicó una acción manual 
• Pérdida acumulada de tráfico estimada en más de 20 millones de visitantes/mes
• 3 sitios web con más de 1 millón de visitantes orgánicos al mes pasaron a cero 

‍

‍

DR de sitios con acción manual:

‍

3 sitios web con más de 1 millón de visitantes orgánicos al mes pasaron a cero

• zacjohnson.com
• beingselfish.in
• equityatlas.org

‍

Metodología:

‍

Así es como completamos este estudio.

‍

Resumen: Identificamos una lista de 79k sitios web que son una representación mejor que el promedio de internet, verificamos si están actualmente indexados y, si no estaban indexados, revisamos 2 fuentes (AHrefs y SImilarWeb) para verificar si recientemente tenían tráfico orgánico. 

‍

Si un sitio web tenía tráfico orgánico recientemente (febrero), pero ahora no está indexado en Google, asumimos que se aplicó una acción manual de la actualización del 5 de marzo.

‍

1. Creamos una lista de todas las URLs que muestran anuncios de proveedores de publicidad populares usando listas de BuiltWith. Estas plataformas fueron seleccionadas porque aplican un estándar mínimo para permitir que los sitios se añadan a su plataforma; los sitios de AdSense no se analizaron debido al volumen de sitios de baja calidad. Esta lista debería ser (posiblemente) una representación mejor que el promedio de todos los sitios web online y potencialmente subestimar el % de sitios web que recibieron una acción manual. Estos son los números de sitios web revisados según la empresa que proporciona la publicidad:
   1. MediaVine: 21,808
   2. Raptive: 6,428
   3. Ezoic: 51,293
2. Se eliminaron 18 duplicados
3. Revisamos cada URL para ver si estaba desindexada buscando en Google “Site:URL”
4. Para cada sitio que fue desindexado, revisamos las cifras de tráfico orgánico de febrero usando AHrefs y SimilarWeb. 
5. Confirmamos que nuestro método capturó algunos de los sitios compartidos públicamente dentro de este método (y así fue)

Conjunto de datos:

‍

Si quieres acceder al conjunto de datos de los sitios web desindexados, incluidos los datos de ahrefs y similar web, ponte en contacto con Jon@originality.ai

‍

Estudio 2 - ¿Fue el spam de contenido de IA el culpable de la acción manual?

‍

Muchos medios de comunicación se apresuraron a concluir que esta actualización apunta a aplastar el spam de IA en los resultados de búsqueda de Google… 

‍

Muchos SEO en X están de acuerdo…

‍

‍

Pero usando nuestro verificador de IA, queríamos hacer un análisis más riguroso. 

‍

Analizamos 100 artículos recientes de cada uno de los sitios desindexados que ya se han compartido públicamente para ver la prevalencia del contenido de IA en los sitios que recibieron una penalización manual. 

‍

Hallazgos:

• El 100% de los sitios web que recibieron una acción manual mostraron señales de usar IA
• 7 de los 14 sitios web que analizamos tenían más del 90% de sus artículos de muestra 

‍

Metodología:

‍

1. Identificamos sitios que fueron desindexados y cuya URL ya se había divulgado en X
   1. fresherslive.com
   2. qmunicatemagazine.com
   3. hnbgu.net
   4. zacjohnson.com
   5. newsunzip.com
   6. Bognor.news
   7. popularbio.com
   8. popularnetworth.com
   9. bioofy.com
   10. istaunch.com
   11. healthyceleb.com
   12. GoDownSize.com
   13. networthpost.org
   14. tvguidetime.com
   15. thesocialtalks.com
   16. juliangoldie.com
   17. chipperbird.com
   18. EquityAtlas.org
   19. filmifeed.com
2. Extrajimos 100 de las publicaciones más recientes que tienen más de 100 palabras
3. Se excluyeron varios sitios:
   1. juliangoldie.com - ya no está completamente desindexado - 10 páginas están en el índice (pero admite públicamente usar IA)
   2. chipperbird.com - no se pudo obtener contenido (pero el propietario del sitio web admite públicamente usar IA)
   3. equityatlas.org - no se pudo obtener contenido
   4. filmifeed.com - no se pudo obtener contenido
   5. thesocialtalks.com - no se pudo obtener contenido
4. Pasamos cada artículo por nuestro detector de IA (eficacia del detector) usando el modelo 2.0 Standard el 7 de marzo. Esta prueba se completó con nuestro modelo anterior. Para obtener detalles sobre el modelo más reciente, visita el verificador de Originality AI.
5. Completamos un análisis para cada sitio con el fin de identificar la puntuación media de IA y el % de artículos sospechosos de haber sido generados por IA. 

‍

¿Fue el contenido de IA el culpable de que los sitios fueran desindexados por Google?

‍

La respuesta breve es que sí… después de analizar 200 sitios y más de 40k URLs con nuestro verificador de IA, está claro que la gran mayoría de los sitios que recibieron una acción manual probablemente estaban usando contenido de IA. 

‍

Con la actualización del 5 de marzo, Google desindexó casi el 2% de todos los sitios en plataformas publicitarias populares como MediaVine, Ezoic y Raptive. Algunas de estas plataformas, como MediaVine, adoptaron una postura proactiva de No AI Content inmediatamente después de estas acciones manuales (fuente).

‍

‍

https://www.mediavine.com/ai-and-our-commitment-to-a-creator-first-future/

‍

En el momento de la actualización, analizamos los 14 sitios web revelados públicamente e identificamos que todos tenían alguna cantidad de contenido de IA en ellos. Esto generó mucha discusión…

‍

‍

Pero… queríamos hacer un análisis más exhaustivo e ir MUCHO más profundo que solo los 14 sitios que ya habían sido revelados en ese momento.

‍

Metodología:

‍

1. Identificar 200 sitios con el mayor tráfico que fueron desindexados
2. Identificar alrededor de 200 artículos recientes por sitio 
3. Comprobamos contenido de IA en más de 40k URLs usando Originality.ai detector de IA’s URL API
   1. Eliminamos errores 
   2. Eliminamos sitios con menos de 25 artículos revisados
4. Luego pudimos analizar el contenido de 30,614 URLs en 175 sitios web

‍

Hallazgos clave:

‍

151 de los 175 sitios probablemente habían publicado contenido de IA

‍

La gran mayoría de los sitios desindexados parecen haber tenido algo de contenido de IA publicado en ellos. Usando el umbral de IA como un 5% conservador (la tasa de falsos positivos es < 3% en casi todos los conjuntos de datos probados).

‍

51 de los 175 eran sitios de contenido generado por IA puro (95%+ IA)

‍

Algunos sitios parecen haber adoptado un enfoque mixto tanto de contenido escrito por IA como por humanos, mientras que algunos de los sitios claramente no mostraban nada más que contenido generado por IA. 

‍

51 de los sitios, o ~30% de los sitios, eran contenido generado por IA puro.

‍

‍

Otras similitudes con los sitios desindexados:

• Anuncios agresivos
• Sitios solo de contenido

‍

Pero estos hallazgos probablemente podrían deberse a un sesgo de muestreo, ya que la lista de sitios se tomó de MediaVine, Raptive y EZoic (todas redes publicitarias populares entre los editores web). 

‍

¿Es normal esta cantidad de contenido de IA?

‍

Estos hallazgos no nos llevarían a culpar al contenido de IA por la desindexación de los sitios SI esta cantidad de contenido de IA fuera consistente en el resto de las SERP de Google. 

‍

Tenemos un estudio en curso que analiza el contenido de una página web en los 20 primeros resultados de búsqueda para 500 palabras clave diferentes que se remontan a más de 60 meses. 

‍

Conclusión

‍

El riesgo de que el spam generado por IA abrume los resultados de búsqueda de Google es una amenaza existencial para Google. Esto parece ser un intento claro de Google no solo de castigar, sino también de hacer una declaración sobre su visión del spam generado por IA.

‍

‍

‍