Hace tiempo repetimos una obviedad que, de tan discutida, parecía abstracta: la IA no crea desde la nada; se alimenta de contenidos existentes. En 2025 esa afirmación aterriza en algo muy concreto: se empieza a formar un mercado —todavía embrionario, pero real— para licenciar contenido hacia asistentes de IA, no ya como acuerdos aislados, sino con aspiración de sistema.
La señal más clara la dio Microsoft al preparar un Publisher Content Marketplace (PCM) para Copilot, un piloto que busca pagar a publishers por el uso de su contenido en respuestas, con la ambición de estandarizar términos y compensaciones.
La novedad es estratégica: si prospera, no sólo se cobrará por entrenar modelos, sino por el uso vivo del contenido en respuestas que llegan a usuarios finales. Ese “pago por respuesta” no es una formalidad: introduce la idea de que cada respuesta tiene un autor reconocible y un origen trazable.
Este giro no ocurre en el vacío. En mayo, The New York Times firmó su primer acuerdo de licencia de IA con Amazon: acceso al archivo del Times (incluyendo Cooking y The Athletic) para Alexa y para entrenamiento de modelos.
La señal de mercado es inequívoca: las grandes bibliotecas periodísticas están formalizando licencias para usos de entrenamiento y de inferencia. El dato importa porque cambia el tono del debate: ya no es sólo “fair use sí/no”, sino qué se licencia, para qué se usa y cómo se atribuye cuando el contenido sostiene una respuesta.
La otra mitad de la historia es menos cómoda: los motores con IA citan mal. El Tow Center (Columbia) probó ocho buscadores generativos con live search y concluyó que fallan en atribuir correctamente en más del 60% de los casos. En términos prácticos, el usuario recibe una respuesta “bien escrita” que se apoya en fuentes reales, pero no siempre sabe quién la aportó ni puede ir a leer el material original.
Si el mercado de licencias avanza sin resolver la atribución visible, el resultado es una economía de “autores fantasma”: se paga por el uso, pero la voz del productor se borra en la interfaz.
Como si faltaran incentivos para ordenar el juego, la fricción legal escaló. La BBC amenazó con demandar a Perplexity por uso de su contenido para entrenar el “modelo por defecto”; y Encyclopaedia Britannica y Merriam-Webster directamente demandaron a la misma startup en Nueva York por copyright y marcas (alegan scraping, reproducción y hasta atribuciones erróneas de material inexistente).
No se trata sólo de proteger ingresos: se trata de no degradar la señal de calidad asociada a una marca que, para bien o mal, hoy puede ser remezclada y aparecer en boca de un asistente sin contexto ni enlace.
Y aparece Europa con un empujón más estructural. En julio, la Comisión Europea publicó el Código de Prácticas para modelos de IA de Propósito General (GPAI) y, sobre todo, una plantilla oficial para que los proveedores publiquen un “resumen de los datos de entrenamiento”.
No es un detalle burocrático: obliga a transparentar, al menos en un nivel mínimo común, qué se usó para entrenar. Si el entrenamiento debe ser públicamente “narrado”, entonces las licencias con trazabilidad (quién autorizó qué, para qué) valen más.
La combinación de mercado (PCM), fricción legal (BBC, Britannica) y transparencia regulatoria (UE) empuja a un mismo destino: un sistema donde entrenar y responder con contenido ajeno exige permiso, pago y visibilidad.
Para quienes leen esto desde B2B de ticket alto — ciencias, investigación, datos, alimentos y bebidas, logística, manufactura — la novedad no es un tema “de medios”. Es un tema comercial y reputacional. Sus fichas técnicas, guías de cumplimiento y comparativas de costos no son textos de relleno: son activos informativos que orientan decisiones de millones de dólares.
Si un asistente responde con esos datos sin atribuir, el costo no es sólo “perdí un clic”: es perdí autoridad en el momento de la verdad.
Síntomas:
La IA se está quedando con la consulta, la atribución tambalea, y el embudo orgánico se achica
El primer dato incómodo
es de comportamiento del usuario
Según Pew Research Center, cuando en Google aparece un AI Overview, la probabilidad de que el usuario haga clic en un resultado se reduce a 8%, frente a 15% cuando no hay resumen con IA.
Es un cambio de orden, no de matiz: menos clics hacia sitios significa menos oportunidades de construir audiencia, de captar leads y de que la marca aparezca como fuente. La IA le ofrece al usuario una “respuesta suficiente” allí mismo; el viaje se acorta.
Ese patrón se traduce en menos tráfico derivado, y no sólo en medios de noticias. Digiday reportó, con datos de Digital Content Next, que la mayoría de sus miembros —medios de distintas verticales— vieron caídas de 1% a 25% en el referral desde Google coincidiendo con la expansión de AI Overviews. Puede parecer un rango “manejable” si uno mira un mes suelto, pero en negocios de contenido con márgenes apretados, o en B2B donde el orgánico sostiene la adquisición de leads cualificados, esa caída erosiona no sólo sesiones: erosiona pipeline.
El segundo dato incómodo
es cualitativo
Cuando la respuesta nace en un asistente, la relación entre fuente y lector depende de la atribución. Volvamos al Tow Center: si más del 60% de las respuestas no citan bien —no especifican nombre, no incluyen enlace, confunden fecha o titular—, la transferencia de prestigio y confianza se interrumpe.
En B2B, donde el decisor suele validar normativas, cifras o metodologías, no poder ir a la fuente es sinónimo de no poder avanzar. En la práctica, el usuario consume una respuesta que “suena” a la autoridad de tu marca, pero no te encuentra.
La tercera pieza del diagnóstico es jurídica,
pero su efecto es editorial:
La incertidumbre legal frena la inversión en licenciar contenidos si el editor y la marca no pueden garantizar que el uso futuro será auditable.
El caso BBC–Perplexity lo dejó claro: sin límites y mecanismos de control, la empresa afectada se mueve entre cartas documento y PR crisis, en vez de negociar condiciones razonables. Y el paso de Britannica/Merriam-Webster a la demanda formal repite el patrón: la línea entre “entrenar para mejorar” y “sustituir la visita al editor” se vuelve litigable si no hay permisos y atribución. Esto, en términos de mercado, encarece los acuerdos y ralentiza la adopción.
Cuarta pieza:
Europa
Mientras Silicon Valley discute el “cómo pagar”, la UE empieza a fijar el “cómo transparentar”. El Código de Prácticas GPAI y la plantilla para resumir datos de entrenamiento no resuelven precios ni modelos de reparto, pero elevan el estándar de documentación.
Un proveedor deberá publicar qué tipos de contenidos usó para entrenar. Para medios y marcas B2B con activos de alto valor (tablas regulatorias, catálogos técnicos), este punto es crucial: si existe una plantilla oficial que empuja a contar qué se usó, la licencia con trazabilidad deja de ser “nice to have” y pasa a ser diferencial competitivo.
Quien pueda ofrecer dataset con permiso verificable y actualizaciones garantizadas tiene ventaja en la mesa.
Quinta pieza:
la economía del embudo.
El discurso reconfortante diría que “la IA también envía tráfico”. Es parcialmente cierto: ciertos asistentes (y hasta ChatGPT en contextos específicos) pueden derivar visitas. Pero hoy no compensa el recorte de clics en buscadores cuando aparece AI Overview, ni resuelve la pérdida de contexto al no citar bien.
En medios y en B2B, no todo clic vale lo mismo: los clics que ** llegan por una búsqueda informativa de nicho segmentado** suelen tener mayor valor que los clics casuales de una mención en una app. En otras palabras, aun si “entran” visitas desde un asistente, no necesariamente reemplazan el volumen ni la calidad de lo que se pierde en el orgánico clásico.
La discusión relevante —que casi nadie quiere tener— es sobre qué clase de demanda está sustituyendo a cuál. Pew pone el número sobre la mesa (8% vs. 15%), y DCN confirma la dirección: menos derivación cuando aparece el resumen con IA.
Sexta pieza:
cronología y efecto imitación
Los acuerdos de 2024 entre OpenAI y publishers —Financial Times, Dotdash Meredith, Time, Axel Springer, entre otros— tuvieron dos efectos.
Primero, validaron la idea de pagar por usar periodismo de calidad en entrenamiento y respuestas. Segundo, generaron una carrera armamentista: si tu competidor ya firmó y aparece citado en ChatGPT, es probable que tu ausencia en esas superficies te cueste autoridad.
Con el PCM de Microsoft, ese incentivo deja de ser bilateral (empresa-editor) para moverse hacia un mercado donde competirán condiciones, métricas y calidad de fuente. Quien llegue con activos bien estructurados y reglas claras de atribución tendrá más poder de negociación.
¿Dónde nos deja este diagnóstico?
En un punto incómodo pero fértil. Los asistentes ya intermedian la consulta; los clics se reducen cuando hay resumen con IA; la atribución falla demasiado; y el marco regulatorio empuja a documentar entrenamiento.
Resistirse no alcanza, y entregarse sin condiciones tampoco. Lo que queda por construir —y hacia ahí va el resto del artículo— es un enfoque de negociación que traslade el valor desde “la nota” hacia “la respuesta” sin perder visibilidad.
Eso implica medir no sólo dinero, sino presencia atribuida: ¿en cuántas respuestas clave aparezco como fuente? ¿Se me nombra? ¿Hay enlace? ¿Se respeta el contexto? Y, sobre todo, ¿mejoran mis leads y mis conversaciones comerciales cuando la respuesta me cita?
En síntesis, no alcanza con cobrar. Si la respuesta no te menciona y enlaza, no existes para el usuario. Si te menciona, pero no trae de vuelta una oportunidad mejor calificada, no hay negocio.
El mercado que nace —licencias, plantillas de transparencia, marketplaces— nos da una oportunidad para redefinir el intercambio: pago + visibilidad certificada a cambio de contenido verificado, trazable y actualizable. Ese es el punto de partida sobre el que vamos a construir el marco de negociación y los casos B2B en las siguientes secciones.
El ángulo B2B:
por qué esta discusión no es solo para medios
Cuando se habla de licencias de contenido con IA, muchos imaginan a grandes periódicos o revistas negociando con Silicon Valley. Pero en realidad, el impacto es incluso más agudo en el mundo B2B de alto ticket: alimentos y bebidas industriales, logística, manufactura, salud, farmacia, investigación, datos, etc.
Estas empresas producen contenidos que no buscan “clics masivos”, sino autoridad técnica. Un whitepaper sobre aditivos, una matriz de cumplimiento normativo o una comparativa de costos de contenedores no son artículos de entretenimiento: son herramientas de decisión que pueden determinar una compra de millones de dólares.
En este contexto, los asistentes con IA actúan como nuevos intermediarios de esa información. No redirigen la consulta a la fuente original, sino que responden allí mismo. Y cuando la atribución falla, el activo de confianza se desvanece.
Nuevos activos:
La tabla de aditivos como activo premium
Imaginemos un fabricante de ingredientes que publica una guía de aditivos permitidos por país. Esa tabla, actualizada con referencias oficiales, es un imán para responsables de I+D y compliance. Si mañana Copilot responde a la pregunta “¿qué límites aplica la EFSA al aditivo X?” usando esa tabla pero sin nombrar a la fuente, la empresa pierde visibilidad en un momento crítico del embudo.
Lo paradójico es que, con la UE obligando a los proveedores de IA a publicar resúmenes de datos de entrenamiento, ese mismo dataset gana valor como activo licenciado y verificable.
En otras palabras: el contenido que hoy se invisibiliza podría mañana ser la ficha más valiosa de la negociación, siempre y cuando esté documentado, trazable y actualizado.
El debate de licencias no es abstracto. En B2B, cada tabla no citada es un lead menos. Cada guía sin enlace es una conversación comercial que nunca ocurre.
Marco de negociación:
dinero, visibilidad y control
Si aceptamos que los asistentes son nuevos intermediarios, la pregunta es cómo negociar con ellos. Y aquí conviene salir de la lógica binaria de “cobro vs. no cobro” y pensar en tres planos interdependientes: económico, legal y editorial.
Lo económico:
no todo uso vale lo mismo
El riesgo es que se establezca un modelo simplista donde se paga una suma global por “uso de contenidos”. Eso sería repetir los errores de los inicios con Google News. En realidad, no es lo mismo entrenar un modelo con archivos históricos que responder hoy a miles de usuarios con comparativas vivas. El primero es un insumo de largo plazo, el segundo es un servicio en tiempo real que sustituye visitas y leads.
La negociación económica debería reflejar esa diferencia: tarifas separadas para entrenamiento e inferencia, mínimos garantizados para no depender solo del volumen, y variables asociadas a respuestas atribuidas.
Lo legal:
atribución como cláusula dura
Ya lo vimos, más del 60% de las veces los buscadores con IA citan mal Esa estadística, traducida a contrato, implica algo obvio: sin atribución visible con enlace no hay licencia válida.
Aquí entran las cláusulas clave:
- Definir qué es “cita” (nombre + enlace).
- Garantizar rectificación en menos de 72 horas si hay error.
- Establecer territorios y canales: no es igual una cita en texto que en voz.
- Incluir un “kill switch”: la posibilidad de suspender el acuerdo si hay incumplimiento reiterado.
Los casos legales de la BBC y de Britannica contra Perplexity muestran por qué esto no es teoría. Si no hay límites claros, el uso se convierte en conflicto jurídico o reputacional.
Lo editorial:
escribir para ser citados, no solo leídos
El tercer plano es quizás el más incómodo: adaptar la producción de contenido para que sea más fácilmente citable por IA. Esto no significa empobrecer el análisis, sino estructurarlo para que la máquina tenga menos excusas para no atribuir.
Preguntas claras como subtítulos, tablas comparativas, resúmenes verificables y bloques de fuentes oficiales no son ornamentos: son ganchos de citación. (Aquí puedes consultar una guía completa qué hice al respecto)
Aquí aparece una paradoja: cuanto más estructurado el contenido, más citable para IA… pero también más fácil de responder sin clic. La negociación editorial es, por tanto, asegurar que esa citación estructurada se traduzca en visibilidad real, no en invisibilidad elegante.
Lo que se negocia, en última instancia, no es un archivo ni una nota: es el lugar que ocupa tu voz en la interfaz de la próxima década.
Medición y métricas:
cómo saber si un acuerdo funciona
Uno de los riesgos de esta ola de licencias es medir el éxito solo en dinero. Si reducimos la negociación a cuántos millones paga un asistente, perdemos de vista el punto esencial: ¿nuestra voz está presente en las respuestas?
En este artículo proponemos dos métricas originales —Share of Answer (SoA) y Attribution Quality Index (AQI)— inspiradas en prácticas de marketing y SEO, pero adaptadas al nuevo contexto de respuestas generadas por IA. No existen aún estándares globales, y creemos que avanzar en este tipo de mediciones es clave para futuras negociaciones.
- Share of Answer (SoA). El porcentaje de respuestas, en una categoría clave, donde tu contenido aparece citado. Si publicás comparativas de costos logísticos y en 10 preguntas críticas Copilot responde sin mencionarte, tu SoA es cero, aunque el asistente se haya entrenado con tus datos.
- Attribution Quality Index (AQI). Una escala de 0 a 100 que mide si la cita fue clara (nombre de marca visible), si incluyó enlace clicable, si respetó la fecha y el contexto. No es lo mismo que te nombren con enlace correcto a tu comparativa SOC vs COC que una mención genérica a “una fuente de la industria”.
La ventaja de estos indicadores es doble. Primero, son comparables: puedes medir tu SoA y AQI contra los de un competidor. Segundo, son accionables: si tu AQI es bajo, exiges cláusulas de rectificación; si tu SoA no crece, renegocias tarifas o sacás tu contenido del acuerdo.
El mensaje es claro: no alcanza con cobrar por entrenamiento, hay que garantizar visibilidad en la inferencia. SoA y AQI son una manera de auditarlo.
Negociar respuestas,
no solo contratos
Lo que hemos visto hasta aquí dibuja un paisaje nuevo. Los asistentes de IA no son un buscador más; son nuevos editores invisibles que deciden qué fuente se muestra y cuál se borra.
Para medios, la tentación es aceptar acuerdos millonarios a cambio de ceder archivos. Para empresas B2B, el riesgo es que sus activos técnicos alimenten respuestas sin nunca devolver reconocimiento ni leads. Ambos casos comparten la misma vulnerabilidad: cobrar sin ser vistos es pan para hoy y hambre para mañana.
Como ya vimos, el camino no pasa por resistirse (la IA ya intermedia consultas), ni por entregarse sin condiciones (lo que erosiona autoridad). Pasa por negociar respuestas. Eso significa exigir que cada respuesta basada en tu contenido lleve tu nombre, tu enlace y tu contexto. Y medirlo con métricas claras.
Accionables:
¿Cómo prepararte para negociar?
- Mapear activos críticos. Identificar qué piezas de contenido (tablas, comparativas, guías regulatorias) son estratégicas para tu sector y ponerlas en la mesa de negociación.
- Pedir métricas desde el inicio. No firmar sin cláusulas que incluyan SoA y AQI como indicadores de cumplimiento.
- Separar usos. Cobrar distinto por entrenamiento (dataset histórico) y por inferencia (respuesta en tiempo real).
- Blindar atribución. Definir qué es cita válida y establecer rectificación en menos de 72 horas.
- Medir calidad de leads. Comparar el valor de oportunidades originadas desde respuestas IA frente al SEO clásico para evaluar si el acuerdo genera ROI real.
La conclusión es sencilla, pero desafiante: en la era de los asistentes, lo que se negocia no es solo contenido. Se negocia reconocimiento, presencia y reputación en el momento de la respuesta. Quien entienda esto antes, tendrá ventaja en un mercado que recién empieza a formarse.
MAIA - SEO & IA 