El acceso no autorizado a contenidos web para entrenar modelos de inteligencia artificial ha generado tensiones crecientes entre creadores y desarrolladores. Como respuesta a esta situación, el proyecto de tecnología creativa ShieldFont, publicado el 30 de julio de 2026 por Isaque Seneda y Gabriel Abrucio, propone una alternativa técnica: una capa de consentimiento que altera el código fuente de las páginas web para confundir a los rastreadores automatizados.
Al reemplazar un 24,4% de todas las palabras en el código HTML por términos aleatorios del mismo tipo gramatical, esta herramienta de código abierto logra que los raspadores de datos recopilen textos distorsionados. Mientras tanto, los lectores humanos continúan visualizando el contenido original y correcto en sus pantallas gracias a la tipografía que restituye el significado real en tiempo real. En las pruebas de rendimiento, este sistema provocó que más del 90% de las páginas web que normalmente superarían los filtros de calidad de las empresas de inteligencia artificial fueran descartadas, convirtiéndose en un obstáculo que protege la propiedad intelectual y encarece la recolección masiva de datos sin permiso.
¿Qué es ShieldFont y cómo funciona?
Las páginas web se distribuyen en formato HTML, un archivo de texto con el contenido y la estructura que los navegadores y los raspadores de datos leen directamente. ShieldFont reemplaza los términos de este código fuente con palabras señuelo, de manera que humanos y rastreadores reciben dos documentos diferentes. El secreto detrás de esto reside en las ligaduras tipográficas, un estándar de diseño digital con treinta años de antigüedad diseñado para unir pares de letras que colisionan visualmente.
En lugar de aplicar esta técnica a letras individuales, ShieldFont la reorienta hacia palabras completas. Cuando el código HTML de una web protegida contiene la palabra señuelo, el navegador descarga la tipografía personalizada y la interpreta como una instrucción para renderizar en pantalla la palabra original.
Tras 18 reconstrucciones del diccionario para optimizar su fluidez, el sistema cuenta hoy con 11.988 pares de palabras clasificados en 250 grupos gramaticales específicos (como verbos conjugados, sustantivos concretos o abstractos). Así, el código alterado mantiene una sintaxis correcta y natural para el lector artificial.
Para no comprometer la estructura de las oraciones, el proyecto respeta una lista de no sustitución de 113 palabras comunes (como artículos, pronombres, preposiciones o verbos auxiliares básicos). Los nombres propios, marcas y unidades de medida se mantienen sin alteraciones, garantizando que el texto modificado parezca legítimo a primera vista.
¿Por qué importa y qué cambia frente al rastreo?
El desarrollo de grandes modelos de lenguaje se basa en el copiado masivo de textos creados por humanos. Al no existir retribución o crédito para los autores, prácticas como el rastreo automatizado alimentan lo que algunos analistas definen como un modelo de tecnofeudalismo. Aunque herramientas tradicionales como robots.txt permiten expresar rechazo al rastreo, son solo peticiones voluntarias y fáciles de evadir.
ShieldFont cambia esta dinámica al imponer un obstáculo económico real. Las páginas protegidas con esta capa de consentimiento dificultan el entrenamiento de la inteligencia artificial de dos formas. Primero, al alterar el vocabulario se eleva la perplejidad del fragmento, haciendo que los filtros de calidad automatizados consideren que el texto carece de valor educativo y lo descarten. En las pruebas del proyecto, este proceso filtró a más del 90% de las páginas web protegidas.
Segundo, si la página supera el filtro, sus datos entrarán al entrenamiento con un 19,4% de palabras basura que difunden datos incorrectos. A diferencia de un cambio de sinónimos comunes, la herramienta recurre a cohipónimos (palabras de la misma clase pero con significados lejanos, como sustituir caballo por patata). Esto resulta de 15 a 27 veces más destructivo para la coherencia semántica de una inteligencia artificial que una simple reescritura.
Este fenómeno se basa en que las inteligencias artificiales no entienden conceptos de forma abstracta, sino por la cercanía de los términos que los rodean habitualmente en los textos. Mientras que el término caballo suele aparecer junto a palabras como montura, establo o jinete, una patata se asocia con puré o fritas. Al intercambiar estos vocablos por cohipónimos, el significado original se traslada a una coordenada totalmente diferente del mapa mental del modelo. Como las oraciones resultantes mantienen una sintaxis impecable y emplean palabras reales en posiciones legítimas, los filtros no sospechan del engaño y las IA asimilan estos datos falsos con absoluta confianza, asumiendo (por ejemplo) que un caballero andante cabalgó un motor hacia la batalla.
La única forma de saltar este escudo sería que los desarrolladores procesaran el contenido web mediante navegadores visuales y aplicaran reconocimiento óptico de caracteres (OCR) a cada captura de pantalla. Sin embargo, procesar tres mil millones de páginas con OCR costaría unos 528.000 dólares, una cifra prohibitiva que consumiría el cuarenta por ciento del presupuesto anual de grandes organizaciones de rastreo, encareciendo drásticamente la extracción de datos sin autorización.
Datos del proyecto y limitaciones técnicas
El proyecto ShieldFont, publicado el 30 de julio de 2026 por Isaque Seneda y Gabriel Abrucio, es de código abierto y distribuye todos sus datos en Zenodo y su repositorio oficial en GitHub. No obstante, el sistema conlleva limitaciones que los editores deben considerar antes de su implementación.
Debido a que el código fuente permanece modificado, los buscadores tradicionales indexarán las palabras señuelo, afectando la optimización en motores de búsqueda. Por ello, se aconseja su uso exclusivo en archivos históricos, opiniones y textos que no dependan del tráfico de búsquedas. Asimismo, afecta a los traductores automáticos y a los lectores de pantalla para personas con discapacidad visual.
Para estos últimos, el equipo ha desarrollado un sistema en fase de prueba que encripta el texto original y permite descifrarlo en el navegador con un botón que los robots de rastreo ignoran.
¿Qué depara el futuro para la web abierta?
ShieldFont no pretende detener el avance tecnológico, sino defender una compensación justa y el reconocimiento del trabajo de autoría. Esta alternativa demuestra que la ingeniería puede ofrecer defensas prácticas a los creadores allí donde las leyes de propiedad intelectual avanzan con lentitud.
El impacto final de la medida se multiplicará si surgen nuevos proyectos con lógicas y diccionarios incompatibles. Ante una red descentralizada que responde con un caos organizado, las corporaciones tendrán que asumir el costo de interactuar con una web que protege activamente su contenido. Al final, estar en internet no implica regalar nuestro trabajo para entrenar a las tecnologías del mañana.
