Google ha presentado Gemini 4 Argón, un nuevo modelo de inteligencia artificial diseñado para afrontar tareas complejas y trabajos de larga duración. La compañía lo sitúa especialmente en ámbitos como la ingeniería de software, la gestión del conocimiento empresarial, los sectores legal y financiero y la ciberseguridad. El anuncio, publicado el 30 de septiembre de 2026, supone un nuevo paso en la estrategia de Google para llevar sus modelos más avanzados hacia tareas en las que no basta con generar una respuesta puntual.
Según Google, Argón está pensado para realizar razonamientos profundos durante flujos de trabajo complejos y prolongados. El modelo ya está siendo utilizado internamente por miles de empleados de la compañía y también ha comenzado a probarse con un grupo seleccionado de expertos en ciberseguridad mediante el programa Fairwind. Su disponibilidad general todavía no se ha producido, ya que Google asegura que continuará reforzando sus medidas de seguridad antes de ampliar el acceso.
Gemini 4 Argón amplía el límite de generación hasta un millón de tokens
Uno de los cambios técnicos más destacados de Gemini 4 Argón está relacionado con su capacidad para generar grandes cantidades de contenido en una misma trayectoria. Google ha elevado el límite de salida hasta 1 millón de tokens, frente a los 64.000 tokens anteriores. La compañía considera que este aumento permite al modelo analizar problemas extensos y producir cientos de miles de tokens sin tener que dividir necesariamente el trabajo en tantas etapas independientes.
La idea es especialmente relevante para tareas que requieren mantener el contexto durante periodos prolongados. Google explica que Argón puede utilizarse en programación, investigación, redacción y otros procesos empresariales que implican múltiples pasos. En lugar de limitarse a contestar una pregunta, el modelo está diseñado para mantener una tarea compleja durante más tiempo y avanzar sobre ella de manera continuada.
Google también ha aportado varios ejemplos de uso interno. En computación cuántica, la compañía afirma que Argón ayudó a optimizar recursos espaciotemporales en determinadas subrutinas y que, en un caso, superó en un 40 % el rendimiento de referencia publicado en cuestión de minutos. Se trata de resultados comunicados por la propia Google, por lo que forman parte de sus evaluaciones internas del modelo.
Otro de los casos descritos afecta a la gestión de memoria en los centros de datos. Según Google, un equipo de agentes basado en Argón analizó la telemetría de perfilado de toda su flota para identificar y aplicar optimizaciones. Una vez implementadas, esas mejoras liberaron más de 300 TiB de memoria, mientras que el ahorro total estimado se situó entre 500 TiB y 1 PiB.
El nuevo modelo pone el foco en la programación y el trabajo empresarial
La programación es otro de los ámbitos en los que Google destaca el rendimiento de Gemini 4 Argón. Los ingenieros de la compañía lo están utilizando para tareas que van desde la depuración cotidiana hasta migraciones de código y diseño de algoritmos. Google asegura que el modelo alcanzó un 77,9 % en DeepSWE v1.1, una evaluación orientada a medir el rendimiento en tareas de ingeniería de software de larga duración.
Uno de los ejemplos más llamativos es la migración de código C y C++ a Rust. Los agentes de Argón están trabajando en bases de código de diferentes tamaños dentro de Google, incluyendo proyectos con decenas de miles de líneas y otros con más de 800.000 líneas de código, como el kernel Zircon del sistema operativo Fuchsia.
La compañía señala que estas modificaciones no se incorporan directamente sin controles. Debido a la importancia de muchos de los sistemas afectados, las reescrituras se someten a auditorías automatizadas y manuales, pruebas de emulación y revisiones antes de llegar a producción. El enfoque muestra que Google está planteando estos modelos como herramientas capaces de participar en procesos técnicos complejos, pero dentro de mecanismos de supervisión.
Argón también obtiene resultados destacados en evaluaciones relacionadas con el trabajo empresarial. Google afirma que ocupa el primer puesto en AutomationBench, una prueba de Zapier que mide la ejecución integral de tareas empresariales, con una puntuación del 51,3 %. La compañía también señala un rendimiento destacado en evaluaciones relacionadas con finanzas, programación, derecho e impuestos.
Gemini 4 Argón también se orienta a la ciberseguridad
La ciberseguridad es otro de los pilares del lanzamiento. Google asegura que ha entrenado Gemini 4 Argón para ayudar a los defensores a detectar, validar y corregir vulnerabilidades críticas de software. La compañía afirma que el modelo ya se está utilizando con equipos de confianza y que también participa en iniciativas destinadas a proteger infraestructura pública.
Uno de los ejemplos procede de Wiz y su iniciativa Scan for Good. Según Google, Argón detectó durante una demostración una vulnerabilidad crítica que exponía información personal confidencial en software sanitario utilizado por hospitales. La compañía asegura que ese riesgo no había sido detectado por modelos de vanguardia anteriores.
En CWE-bench v1, una prueba destinada a evaluar la capacidad para solucionar vulnerabilidades, Google sitúa a Argón en un empate en primera posición con una puntuación máxima del 68 %. Además, afirma que el modelo encontró vulnerabilidades en bases de código complejas que abarcaban 20 lenguajes de programación durante sus pruebas internas.
Google prepara un lanzamiento gradual para Gemini 4 Argón
El despliegue de Gemini 4 Argón será progresivo. Google reconoce que un modelo con capacidades avanzadas de programación y ciberseguridad requiere medidas de protección específicas. Entre ellas se encuentran sistemas destinados a impedir usos maliciosos, defensas frente a ataques de inyección de instrucciones y mecanismos para detectar posibles desalineaciones durante la ejecución de tareas.
La compañía también afirma que ha sometido sus medidas de seguridad a pruebas de robustez realizadas por equipos internos y externos. En el caso de los ataques de inyección directa indirecta, Google asegura que Argón presenta una elevada resistencia en las pruebas realizadas por Gray Swan. El objetivo es reducir los riesgos antes de permitir que el modelo opere de forma más amplia.
Google todavía no ha puesto Gemini 4 Argón a disposición general. La compañía prevé comenzar el lanzamiento para clientes de la API de pago y suscriptores de Google AI Ultra, antes de ampliar progresivamente el acceso a desarrolladores, empresas y consumidores. El precio introductorio anunciado es de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida, con un descuento del 95 % para los tokens de entrada almacenados en caché.
«` :chatgpt-content-reference{index=»2″} — ## NOTICIA 2 **Fuente:** [https://www.tavus.io/griffin](https://www.tavus.io/griffin?utm_source=chatgpt.com) :chatgpt-content-reference{index=»4″} **HTML:** «`htmlTavus ha presentado Griffin, un nuevo modelo de inteligencia artificial que la compañía define como el primer Human Interaction Model (HIM), una categoría diseñada específicamente para comprender y generar interacción humana cara a cara en tiempo real. El sistema no se limita a interpretar las palabras de una persona: también analiza el vídeo, las expresiones, los gestos, las pausas y el ritmo de la conversación para decidir cómo responder.
La compañía presentó Griffin el 1 de octubre de 2026 en San Francisco. Según Tavus, el modelo combina percepción en tiempo real, conversación y generación de vídeo expresivo dentro de un sistema video-to-video y full-duplex. Griffin-Lite, la versión utilizada para las primeras pruebas, está disponible como preview de investigación para un grupo limitado de evaluadores, mientras que una versión más potente llegará posteriormente.
Griffin intenta cambiar la forma de interactuar con una IA
La principal diferencia frente a muchos sistemas conversacionales está en la manera en la que Griffin gestiona los turnos de palabra. Tavus explica que los sistemas tradicionales suelen funcionar como una cadena: primero transcriben el audio, después un modelo genera la respuesta y finalmente otro sistema convierte esa respuesta en voz y vídeo. Cada paso introduce latencia y puede perder parte del contexto no verbal.
Griffin plantea un funcionamiento diferente. El modelo evalúa la conversación en intervalos inferiores a un segundo y decide continuamente si debe hablar, esperar, asentir, reaccionar o ceder el turno. Esto permite que pueda responder mientras la otra persona todavía está hablando, detenerse cuando recibe una interrupción o utilizar expresiones no verbales sin esperar a que termine una frase completa.
El sistema también procesa simultáneamente audio y vídeo. Según Tavus, esto permite interpretar señales como la mirada o las expresiones faciales y utilizar la información visual del entorno. La compañía plantea este enfoque como una forma de acercar la interacción con los ordenadores a la comunicación humana habitual, donde las personas no dependen únicamente de las palabras para entenderse.
Griffin puede además generar comportamientos asociados al contexto. Tavus muestra ejemplos en los que el modelo cambia el tono, se ríe, modifica sus expresiones o responde a determinados gestos. La compañía afirma que el sistema entiende también el paso del tiempo dentro de una conversación, de manera que una pausa no se interpreta automáticamente como el final de un turno.
El modelo genera voz y vídeo al mismo tiempo
La arquitectura de Griffin se divide en dos grandes componentes. El primero es un motor de Continuous Conversational Modeling, que recibe audio y vídeo, interpreta la situación y decide qué debe ocurrir a continuación. El segundo es un sistema de generación audiovisual que transforma esas decisiones en voz, expresiones faciales, mirada y gestos.
La generación de voz está diseñada para funcionar por streaming. Tavus explica que su sistema puede producir paquetes de audio de apenas 10 milisegundos, permitiendo comenzar la reproducción antes de que se haya generado toda la frase. Esto resulta importante para una conversación en tiempo real, donde esperar a disponer de una respuesta completa antes de empezar a hablar puede producir una sensación artificial.
Griffin-Lite también puede clonar una voz a partir de un fragmento de audio de aproximadamente 10 segundos. La compañía explica que utiliza un transformer de difusión autoregresivo que genera progresivamente la representación latente de la voz mientras recibe nuevas instrucciones del modelo conversacional.
En el apartado visual, Griffin genera la escena completa a partir de una imagen de referencia. Tavus señala que no se limita a animar el rostro, sino que puede generar elementos como el movimiento corporal, la silla, las sombras y el fondo. La compañía afirma que esta capacidad permite que los gestos y los movimientos formen parte del mismo proceso de generación.
Griffin-Lite obtiene buenos resultados en las pruebas de Tavus
Tavus ha sometido Griffin-Lite a diferentes evaluaciones, desde pruebas específicas del generador de vídeo hasta conversaciones completas con personas. En las pruebas de generación audiovisual, el sistema obtuvo una latencia media de 0,43 segundos en equipos H100, aproximadamente la mitad de la registrada por el siguiente método más rápido utilizado como referencia.
En calidad visual, Griffin-Lite quedó en primera posición entre cinco sistemas en las métricas DOVER, FID y THEval, según las pruebas publicadas por Tavus. En sincronización labial ocupó el segundo puesto con una puntuación LSE-C de 7,27. La compañía advierte que esta métrica premia determinados movimientos pronunciados de la boca, mientras que THEval incorpora otros aspectos relacionados con la naturalidad.
Las pruebas también utilizaron VideoFDB, el benchmark de NVIDIA para evaluar conversaciones audiovisuales full-duplex. Tavus afirma que Griffin-Lite obtuvo la mayor puntuación en las dos categorías evaluadas. En generación alcanzó 3,83 sobre 5, frente a 2,80 del siguiente sistema y 3,92 de la referencia humana.
En percepción, Griffin-Lite obtuvo 3,73 sobre 5. Tavus indica que quedó 0,29 puntos por encima del segundo sistema y 0,47 puntos por debajo de la referencia humana. La compañía señala que fue el modelo más perceptivo entre los 15 sistemas incluidos en esa evaluación.
Casi la mitad de los participantes confundió Griffin con una persona
La prueba más llamativa fue un estudio de conversación cara a cara. Tavus reunió a participantes que creían que iban a hablar con otra persona durante una videollamada de un minuto. En realidad, estaban interactuando con un personaje generado en tiempo real por Griffin-Lite.
De los 54 participantes que participaron en la prueba, 26 aseguraron que habían hablado con una persona real. Eso representa un 48 %. Tavus compara el resultado con una prueba anterior basada en Phoenix-4.5, Sparrow-2 y Raven-1, en la que solamente una de 41 personas, el 2,4 %, consideró que hablaba con un humano.
El resultado también plantea uno de los principales problemas que la propia compañía reconoce. La capacidad de Griffin para resultar convincente puede convertirse en un riesgo si una persona no sabe que está hablando con una IA. Tavus afirma que está trabajando en mecanismos de divulgación y en nuevas medidas de seguridad antes de poner el modelo a disposición de clientes.
Por ahora, Griffin-Lite no está disponible para clientes y permanece limitado a evaluadores de confianza como preview de investigación. Tavus asegura que espera lanzar Griffin cuando haya resuelto las cuestiones de seguridad asociadas. La compañía presenta el proyecto como un paso hacia interfaces en las que las personas puedan comunicarse con un ordenador de forma natural, utilizando palabras, expresiones, gestos y contexto visual.
«` :chatgpt-content-reference{index=»5″} — ## NOTICIA 3 **Fuente:** [https://www.seroundtable.com/google-updates-ai-content-guidelines-factcheck-review-42217.html](https://www.seroundtable.com/google-updates-ai-content-guidelines-factcheck-review-42217.html?utm_source=chatgpt.com) :chatgpt-content-reference{index=»7″} **HTML:** «`htmlGoogle ha actualizado su documentación sobre el uso de contenido generado mediante inteligencia artificial y ha introducido una recomendación especialmente relevante para medios, empresas y creadores que utilizan estas herramientas: revisar y verificar manualmente el contenido generado por IA antes de publicarlo. El cambio afecta a la documentación oficial de Google Search dedicada al uso de inteligencia artificial generativa en sitios web.
La actualización fue recogida el 1 de octubre de 2026 por Search Engine Roundtable, que señala que Google ha incorporado en su documentación una advertencia explícita sobre la necesidad de comprobar la precisión y fiabilidad del contenido generado. La compañía utiliza incluso el término “crítico” para describir la importancia de realizar esta revisión antes de que el material llegue a una página web.
Google recuerda que los modelos generativos pueden cometer errores
El argumento central de Google parte de una característica conocida de los modelos generativos. Según la documentación citada por Search Engine Roundtable, estos sistemas no funcionan necesariamente recuperando un dato verificado cada vez que responden. En su lugar, generan una secuencia de palabras que consideran probable a partir de los datos utilizados durante su entrenamiento.
Esto significa que una respuesta aparentemente convincente puede contener información incorrecta. Google vuelve a referirse a estas situaciones como “alucinaciones”, un término habitual en el ámbito de la inteligencia artificial para describir respuestas que presentan datos falsos o inexactos con apariencia de certeza.
La modificación de la documentación no implica que Google prohíba utilizar inteligencia artificial para crear contenido. El enfoque es diferente: la compañía insiste en que el material producido con estas herramientas debe pasar por un proceso de revisión antes de su publicación. Para los responsables de sitios web, la cuestión pasa así de la generación automática a la responsabilidad sobre el resultado final.
La recomendación adquiere especial importancia en páginas donde la precisión de los datos es fundamental. Una herramienta generativa puede producir un texto fluido y aparentemente coherente, pero eso no garantiza que los nombres, fechas, cifras, afirmaciones o explicaciones sean correctos. La revisión humana sirve precisamente para detectar esos errores antes de que formen parte de una página indexable.
El cambio afecta a quienes utilizan IA para producir contenido a escala
El mensaje de Google resulta especialmente relevante para los sitios que han incorporado inteligencia artificial generativa a sus procesos editoriales. La rapidez con la que estas herramientas permiten crear grandes cantidades de texto puede facilitar la producción de contenido, pero también aumenta la importancia de disponer de controles antes de publicar.
La documentación actualizada coloca la verificación humana como un paso necesario dentro del proceso. Esto no significa necesariamente que cada texto tenga que ser escrito manualmente desde cero. La IA puede seguir utilizándose como apoyo, pero el contenido final debe ser comprobado para determinar si realmente es fiable y apropiado para los usuarios.
También existe una consecuencia editorial importante. Una revisión superficial centrada únicamente en errores gramaticales no necesariamente permite detectar una alucinación. El responsable del contenido debe comprobar si las afirmaciones son correctas, si los datos están bien utilizados y si el texto representa de forma fiel aquello que se pretende comunicar.
La modificación llega además en un momento en el que el contenido generado por inteligencia artificial forma parte habitual de las estrategias de publicación digital. Para Google, el problema no parece ser únicamente quién escribe el contenido, sino la calidad, precisión y confianza que ofrece el resultado una vez publicado.
Google actualiza la documentación para alinearla con sus explicaciones públicas
Google explicó que la modificación se realizó para poner su documentación en línea con las presentaciones que la compañía utiliza durante sus eventos para desarrolladores. Es decir, el cambio no se presenta como una nueva política independiente, sino como una actualización de la documentación para reflejar mejor las recomendaciones que Google ya estaba comunicando públicamente.
Según la información publicada por Search Engine Roundtable, la versión anterior del documento había sido actualizada en octubre de 2025. La nueva modificación introduce ahora de manera explícita la necesidad de comprobar manualmente la precisión y fiabilidad del contenido generado por IA antes de publicarlo.
El matiz es importante para quienes gestionan estrategias SEO. Utilizar una herramienta generativa no elimina la responsabilidad editorial sobre el contenido. Aunque un modelo sea capaz de producir artículos en segundos, la persona o equipo que publica la información sigue teniendo que comprobar que los datos utilizados son correctos y que el resultado cumple su propósito.
Para los medios digitales y sitios corporativos, la actualización refuerza una idea sencilla: generar contenido y publicar contenido no son el mismo proceso. La inteligencia artificial puede acelerar la primera fase, pero Google está recordando que la segunda requiere controles de calidad. La modificación de su documentación convierte esa recomendación en una indicación mucho más explícita para quienes utilizan IA generativa en sus páginas.
La revisión humana gana peso en la estrategia de contenido
El cambio también puede afectar a la manera en que los equipos editoriales organizan sus flujos de trabajo. Si la IA se utiliza para redactar borradores, resumir información o producir estructuras iniciales, la comprobación de los datos debería formar parte del proceso antes de que el contenido llegue al sitio web.
Google no afirma en esta actualización que todo contenido generado con IA sea incorrecto. Su advertencia se centra en el hecho de que los modelos pueden producir información inexacta. Por eso, la recomendación consiste en revisar el resultado y no asumir que una respuesta bien redactada es necesariamente una respuesta fiable.
Para quienes trabajan en SEO, el mensaje tiene una lectura especialmente práctica. La automatización puede ayudar a producir más rápido, pero no sustituye la comprobación editorial. En un escenario donde cada vez más páginas incorporan herramientas generativas, Google está poniendo el foco en una cuestión básica: antes de publicar, hay que asegurarse de que el contenido realmente dice la verdad.
La actualización, por tanto, no elimina la IA de la estrategia de contenidos. Al contrario, establece una expectativa clara sobre cómo utilizarla: como herramienta sometida a revisión humana y no como fuente automática de información fiable. Ese matiz es el principal cambio que deja la nueva documentación de Google.
«` :chatgpt-content-reference{index=»8″} — ## NOTICIA 4 **Fuente:** [https://www.demandsphere.com/blog/branded-ai-overviews-september-2026/](https://www.demandsphere.com/blog/branded-ai-overviews-september-2026/?utm_source=chatgpt.com) :chatgpt-content-reference{index=»10″} **HTML:** «`htmlLos AI Overviews de Google experimentaron un fuerte aumento durante septiembre de 2026 en las búsquedas relacionadas con marcas, según los datos publicados por DemandSphere. La compañía asegura que la presencia de estos resultados de inteligencia artificial se multiplicó por más de tres a lo largo del mes en el conjunto de palabras clave de marca que monitoriza. El crecimiento fue especialmente visible durante los últimos días de septiembre.
DemandSphere publicó sus datos el 1 de octubre de 2026 después de analizar las búsquedas registradas diariamente en su plataforma. La empresa explica que observó inicialmente el fenómeno a partir de comentarios realizados por profesionales del sector y posteriormente comprobó que sus propios datos mostraban una evolución similar. Google, por su parte, no había anunciado oficialmente este cambio en el momento de la publicación.
La presencia de AI Overviews pasa de alrededor del 26 % a más del 80 %
Los datos de DemandSphere muestran una evolución bastante clara durante septiembre. El 1 de septiembre, los AI Overviews aparecían en el 26,12 % de las búsquedas de marca monitorizadas. Durante los primeros días del mes la cifra se mantuvo en niveles similares, aunque posteriormente comenzaron a producirse variaciones más pronunciadas.
El 6 de septiembre, por ejemplo, la presencia alcanzó el 35,45 %, mientras que durante varios días posteriores se mantuvo por encima del 30 %. El 18 de septiembre se produjo otro salto importante, hasta el 57,43 %. En los días siguientes la presencia volvió a descender, antes de iniciar una nueva subida durante la última semana del mes.
El cambio más acusado aparece en los últimos días analizados. DemandSphere registró un 69,21 % el 26 de septiembre y un 90,48 % el 27 de septiembre. Después, el indicador se situó en el 80,23 % el día 28 y en el 82,06 % el día 29. La serie publicada termina en esa fecha.
La evolución significa que los AI Overviews pasaron de aparecer en aproximadamente una de cada cuatro búsquedas de marca al comienzo del periodo a estar presentes en la gran mayoría de las consultas monitorizadas al final. La compañía describe la evolución como un incremento de más de tres veces durante septiembre.
DemandSphere analizó palabras clave relacionadas con marcas
La metodología utilizada por DemandSphere se basa en palabras clave de marca monitorizadas diariamente mediante DemandMetrics. Cada término se comprueba una vez al día y el análisis cubre diferentes mercados y dispositivos. La compañía está trabajando además en desgloses específicos por dispositivos y grandes mercados.
Hay un matiz importante en la interpretación de los datos. DemandSphere considera que existe un AI Overview cuando la página de resultados de Google muestra uno para una determinada consulta, independientemente de que la propia marca aparezca citada dentro del resumen generado por IA.
Por tanto, los porcentajes no representan directamente cuántas veces una marca es mencionada o enlazada por el AI Overview. Lo que mide la compañía es la frecuencia con la que aparece el formato de respuesta generado por inteligencia artificial en las consultas de marca incluidas en su seguimiento.
Esta distinción resulta relevante para interpretar las implicaciones para SEO. Una mayor presencia de AI Overviews significa que el usuario puede encontrarse con un resumen generado por Google antes de acceder a los resultados orgánicos tradicionales. Sin embargo, los datos publicados por DemandSphere no permiten determinar por sí solos cuántos clics generan esos módulos ni qué marcas obtienen más visibilidad dentro de ellos.
El crecimiento se concentra especialmente al final de septiembre
La serie diaria también muestra que el crecimiento no fue lineal. Durante buena parte de la primera mitad de septiembre, los porcentajes oscilaron entre aproximadamente el 26 % y el 35 %, con algunos movimientos puntuales. Después aparecieron episodios de mayor presencia, como los registrados el 18, 23 y 24 de septiembre.
El verdadero cambio se produjo durante los últimos días. El salto del 29,98 % del 25 de septiembre al 69,21 % del día 26 muestra una variación especialmente pronunciada. Al día siguiente, el indicador volvió a subir hasta el 90,48 %, antes de retroceder ligeramente durante las dos jornadas siguientes.
DemandSphere no atribuye oficialmente este comportamiento a una actualización concreta de Google. De hecho, la empresa señala expresamente que Google no había realizado ningún anuncio sobre este cambio en el momento de publicar el análisis. Por ello, los datos muestran una tendencia observada en los resultados, pero no establecen por sí mismos la causa técnica que la habría provocado.
La compañía también indica que está recopilando datos de meses anteriores para poder determinar si el comportamiento observado en septiembre representa una aceleración puntual o forma parte de una tendencia más prolongada. Esa comparación será importante para entender si el crecimiento se mantiene o si se trata de una modificación temporal de la página de resultados.
El cambio puede aumentar la importancia de la visibilidad en AI Search
Para los responsables de SEO, el dato más relevante es que las búsquedas de marca están mostrando una presencia mucho mayor de respuestas generadas por inteligencia artificial. Cuando un usuario busca una empresa o producto, la página de resultados puede incorporar ahora un AI Overview antes de los resultados orgánicos, modificando la forma en la que se distribuye la atención.
Esto no significa necesariamente que el tráfico orgánico vaya a caer en la misma proporción. Los datos de DemandSphere no miden directamente clics ni tráfico. Su estudio se centra en la aparición del formato AI Overview, por lo que cualquier conclusión sobre visitas debe realizarse utilizando otras fuentes de datos.
Lo que sí muestran los resultados es un cambio en la composición de las páginas de resultados para las consultas analizadas. En los últimos días de septiembre, los AI Overviews llegaron a aparecer en más del 80 % de las búsquedas de marca monitorizadas, con un máximo del 90,48 % el 27 de septiembre.
DemandSphere continuará ampliando el análisis para comprobar la evolución en meses anteriores y estudiar diferencias entre mercados y dispositivos. Hasta entonces, la fotografía disponible es clara: septiembre terminó con una presencia de AI Overviews mucho mayor en las búsquedas de marca que la registrada al comienzo del mes, aunque todavía no existe una explicación oficial de Google sobre el motivo de este cambio.
«` :chatgpt-content-reference{index=»11″} — ## NOTICIA 5 **Fuente:** [https://www.searchenginejournal.com/google-crawling-indexing-recovery-timing-ranges/591829/](https://www.searchenginejournal.com/google-crawling-indexing-recovery-timing-ranges/591829/?utm_source=chatgpt.com) :chatgpt-content-reference{index=»13″} **HTML:** «`htmlGoogle ha compartido nuevos rangos de tiempo para algunos de los procesos más importantes de Search, desde el descubrimiento y rastreo de una URL hasta la indexación, los cambios de títulos y la recuperación tras una actualización principal. Los datos fueron presentados por Gary Illyes durante el evento Search Central Live Deep Dive Europe celebrado en Barcelona y recogidos posteriormente en un resumen de la sesión.
Las cifras ofrecen una referencia útil para entender por qué determinados cambios SEO no aparecen inmediatamente en Google. Según el resumen de la presentación, cada proceso tiene un tiempo típico y un escenario más lento. Google también recuerda que estos procesos están conectados entre sí, por lo que un retraso en una fase puede trasladarse a las siguientes.
Descubrir una URL nueva puede llevar unas 20 horas
Uno de los datos destacados corresponde al descubrimiento de nuevas URLs. El resumen de la sesión sitúa en aproximadamente 20 horas el tiempo típico para que Google descubra una URL nueva. En el escenario más lento, sin embargo, el proceso puede prolongarse durante semanas o incluso no llegar a producirse.
Para una URL que Google ya conoce, el tiempo de actualización es considerablemente mayor. El rango típico indicado es de aproximadamente 30 días, aunque el escenario más lento también puede extenderse durante semanas o no producirse. Esto ayuda a explicar por qué modificar una página no implica necesariamente que Google vaya a reflejar el cambio de inmediato.
El procesamiento de los sitemaps tiene un tiempo típico estimado de unas 24 horas. El escenario lento puede alcanzar los 14 días o incluso no producirse cuando existen problemas relacionados con la calidad. El sitemap, por tanto, ayuda a comunicar URLs a Google, pero no constituye una garantía de indexación inmediata.
La indexación completa presenta una cifra llamativa. Según los datos recogidos en la presentación, el tiempo típico de indexación de extremo a extremo se sitúa en aproximadamente 1,5 horas. En casos lentos, el proceso puede prolongarse durante meses o no completarse debido a cuestiones relacionadas con la calidad.
Los cambios de canonical y las migraciones necesitan más tiempo
Los cambios de canonicalización tienen un plazo típico de entre una y tres semanas. Si existen señales contradictorias, el escenario lento puede llegar a meses. Esto resulta especialmente relevante en webs que modifican sus URLs canónicas o que atraviesan problemas de duplicación.
Google considera que las diferentes señales utilizadas durante el procesamiento de una página no funcionan de forma aislada. Si una URL necesita ser rastreada antes de ser indexada, cualquier retraso inicial puede terminar afectando a la fase posterior. Por eso, el tiempo total que percibe el propietario de una web puede ser superior al de cada proceso individual.
Los cambios de sitio completo requieren todavía más paciencia. El rango típico indicado para una migración web es de uno a tres meses, mientras que el escenario más lento puede llegar a seis meses o incluso más de un año. El resumen también señala que una migración pequeña puede completarse en unas pocas semanas.
Estos plazos no deben interpretarse como una promesa de Google. La propia información publicada por Search Engine Journal subraya que se trata de referencias y no de fechas límite. Además, el resumen no proporciona una definición concreta de qué se considera “típico” ni detalla el tamaño de la muestra o el periodo de medición utilizado.
Los cambios de título y snippet pueden aparecer antes
La situación es diferente cuando se trata de determinados cambios visibles en los resultados. Según los rangos mostrados durante la sesión, las modificaciones del título de una página pueden reflejarse normalmente en uno o dos días. En los casos más lentos, el cambio puede tardar varias semanas o incluso meses.
Los snippets presentan un rango similar. El tiempo típico indicado también es de uno a dos días, mientras que los casos más lentos pueden llegar a varias semanas o meses. Esto demuestra que no todos los cambios de una página siguen el mismo ritmo dentro de los sistemas de Google.
Las solicitudes de retirada realizadas mediante Search Console presentan un plazo considerablemente menor. El rango típico señalado es de aproximadamente dos horas, mientras que el escenario más lento llega a unas 24 horas. Se trata de un proceso específico y no debe confundirse con los tiempos de rastreo o indexación.
La eliminación de una acción manual también necesita más tiempo. El plazo típico se sitúa entre una y dos semanas, mientras que el escenario lento puede alcanzar cuatro o seis semanas o incluso más cuando se trata de sitios inactivos durante largos periodos.
La recuperación tras un core update puede tardar meses
Uno de los datos que más puede interesar a los responsables SEO es el relacionado con la recuperación después de una actualización principal. El rango típico presentado en la sesión se sitúa entre tres y seis meses. En el escenario más lento, la recuperación puede extenderse de seis meses a un año, coincidiendo en algunos casos con la llegada de la siguiente actualización principal.
El dato no representa el tiempo que tarda en desplegarse una core update, sino el periodo de recuperación después de realizar cambios en un sitio afectado. Google ya ha explicado anteriormente que determinadas mejoras pueden empezar a mostrar efectos en pocos días, pero que confirmar una recuperación completa puede requerir varios meses.
La información presentada por Gary Illyes refuerza así una idea importante para cualquier estrategia SEO: no todos los cambios pueden evaluarse de inmediato. Una modificación técnica puede necesitar días o semanas para ser procesada, mientras que una recuperación algorítmica puede requerir varios meses.
Para los propietarios de webs, la principal utilidad de estos rangos está en ajustar las expectativas. No ver un cambio después de unas horas no significa necesariamente que la modificación haya fallado. Del mismo modo, una caída después de una actualización principal no implica que la recuperación vaya a producirse en la siguiente semana. Los procesos de Google tienen diferentes ritmos y, en muchos casos, están encadenados.
Google recuerda que los procesos están conectados
El mensaje más importante de la presentación no es únicamente cada cifra individual, sino la relación entre los distintos procesos. Una página debe ser descubierta y rastreada antes de poder completar determinadas fases posteriores. Si el rastreo se retrasa, la indexación también puede hacerlo, y los cambios posteriores pueden tardar todavía más en reflejarse.
Por eso, Google presenta estos plazos como rangos de referencia y no como calendarios garantizados. La velocidad puede variar según la web, el tipo de cambio y las señales que Google encuentre durante el procesamiento. Para los profesionales del SEO, conocer estas diferencias ayuda a evitar diagnósticos prematuros y a interpretar con más contexto la evolución de una página después de realizar modificaciones.
«` :chatgpt-content-reference{index=»14″} — ## NOTICIA 6 **Fuente:** [https://www.searchenginejournal.com/seo-pulse-google-ai-content-fact-check-gemini-utm-tags/591787/](https://www.searchenginejournal.com/seo-pulse-google-ai-content-fact-check-gemini-utm-tags/591787/?utm_source=chatgpt.com) :chatgpt-content-reference{index=»16″} **HTML:** «`htmlGoogle ha introducido nuevos cambios y señales que afectan directamente al trabajo de profesionales SEO, editores y responsables de analítica web. Entre ellos destaca la actualización de sus recomendaciones sobre contenido generado mediante inteligencia artificial, que ahora pide una revisión manual de precisión y fiabilidad antes de publicar. Al mismo tiempo, se han observado parámetros UTM en algunos enlaces procedentes de Gemini.
Los cambios forman parte de una semana con varias novedades relevantes para la búsqueda. Search Engine Journal también recoge datos sobre el CTR en escritorio y móvil, el despliegue global de la monitorización de información en AI Mode y una resolución judicial relacionada con las demandas de Penske Media y Chegg contra Google por AI Overviews.
Google incorpora la revisión manual del contenido generado por IA
El 1 de octubre, Google actualizó su documentación sobre el uso de contenido generado mediante inteligencia artificial. La modificación añade varias frases a la sección dedicada a la precisión, calidad y relevancia. El mensaje central es que los modelos generativos pueden producir errores porque predicen secuencias de palabras en lugar de recuperar necesariamente hechos verificados.
Por ese motivo, Google considera fundamental realizar una comprobación manual del contenido antes de publicarlo. La recomendación no se limita al cuerpo de un artículo. Según la documentación analizada por Search Engine Journal, la revisión también debe aplicarse a elementos como títulos, meta descripciones, datos estructurados y textos alternativos de imágenes.
La modificación es especialmente relevante para los sitios que utilizan IA en procesos editoriales. Revisar únicamente la redacción no garantiza que el contenido sea correcto. Una página puede estar perfectamente escrita y, al mismo tiempo, contener una cifra equivocada, una afirmación incorrecta o una interpretación que el modelo haya generado sin respaldo.
Google explicó en su historial de cambios que la actualización pretende alinear la documentación con las presentaciones que la compañía utiliza durante sus eventos para desarrolladores. El cambio convierte así en una indicación explícita algo que ya formaba parte de las recomendaciones comunicadas por Google en otros contextos.
Los enlaces de Gemini muestran parámetros UTM
Otra de las novedades analizadas por Search Engine Journal tiene que ver con los enlaces que aparecen en respuestas de Google Gemini. Un usuario de Reddit detectó parámetros UTM en algunos enlaces que llevaban desde Gemini hasta sitios web. John Mueller, de Google, respondió que él también podía observar esos parámetros.
Los UTM son especialmente útiles para los responsables de analítica porque permiten identificar determinados accesos independientemente de la información disponible en el referrer. Esto puede ayudar a separar las visitas procedentes de Gemini de otras fuentes y comparar los datos obtenidos mediante distintos mecanismos de atribución.
Sin embargo, existe todavía una incógnita importante. Google no ha documentado públicamente cuándo añade Gemini esos parámetros ni bajo qué condiciones. Mueller preguntó incluso si Gemini estaba enviando un referrer que los sitios pudieran rastrear por otros medios y ofreció trasladar la información al equipo correspondiente.
Para los responsables de analítica, esto significa que los datos UTM pueden convertirse en una señal adicional, pero todavía no existe una documentación completa que permita interpretar todos los casos. La recomendación implícita es comparar los datos etiquetados con las visitas identificadas mediante referrer para detectar posibles diferencias.
El CTR de escritorio cayó en Q2 mientras el móvil aumentó
Search Engine Journal también recoge un informe de Advanced Web Ranking sobre el CTR orgánico durante el segundo trimestre de 2026. Según los datos del estudio, el CTR de escritorio en las posiciones uno y dos cayó en conjunto 5,27 puntos porcentuales respecto al primer trimestre.
El comportamiento móvil fue el contrario. En las mismas posiciones, el CTR aumentó en conjunto 6,59 puntos porcentuales. Las cifras agregan los cambios registrados en las posiciones uno y dos y no corresponden al comportamiento de un sitio concreto.
Existe, además, un factor metodológico que obliga a interpretar estos resultados con cautela. La comparación entre Q1 y Q2 atraviesa el periodo en el que se produjo un problema de registro de impresiones en Search Console. Google señala que ese error afectó a los datos desde el 13 de mayo de 2025 hasta el 27 de abril de 2026.
Como el CTR se calcula dividiendo clics entre impresiones, un cambio en la calidad o forma de registrar las impresiones puede afectar a las comparaciones. Search Engine Journal señala que cualquier análisis que compare Q1 y Q2 debe tener presente ese punto de corte antes de interpretar la evolución como un cambio puro en el comportamiento de los usuarios.
AI Mode amplía su monitorización de información
Otra de las novedades de la semana es el despliegue global de la función de monitorización de información de AI Mode. Robby Stein, de Google, anunció el 28 de septiembre que la capacidad comenzaba a estar disponible para todos los usuarios. Hasta entonces, la función había estado disponible para usuarios de Google AI Ultra y Pro.
El funcionamiento permite indicar a AI Mode qué información se quiere vigilar mientras Search continúa comprobando si existen novedades. Los ejemplos utilizados por Google se centraron en cuestiones locales y compras. La función también puede sugerir tareas de monitorización durante las propias búsquedas.
El despliegue amplía una característica que Google había presentado anteriormente para determinados usuarios. No obstante, sigue existiendo información pendiente de aclarar, como el modo exacto en el que Search selecciona las fuentes utilizadas para generar cada actualización. Según Search Engine Journal, la documentación disponible todavía no explica completamente ese proceso.
Un juez desestima las demandas de Penske Media y Chegg
La semana también dejó una resolución judicial relacionada con AI Overviews. El juez federal estadounidense Amit Mehta decidió desestimar las demandas antimonopolio presentadas por Penske Media y Chegg contra Google por cuestiones relacionadas con el uso de contenido y tráfico en AI Overviews.
En su resolución del 30 de septiembre, el juez consideró que los demandantes no habían planteado de forma suficientemente plausible un acuerdo mediante el cual Google intercambiara tráfico de búsqueda por contenido. También señaló problemas relacionados con la legitimación para cuestionar el mantenimiento del monopolio de búsqueda de Google.
La resolución no obliga a Google a modificar el funcionamiento de Search ni el uso del contenido de los editores en AI Overviews. El fallo tampoco elimina el debate sobre el impacto económico de las respuestas generadas por inteligencia artificial. Lo que cambia es la situación jurídica concreta de esas dos demandas.
En conjunto, las novedades de la semana muestran una misma tendencia: la búsqueda está incorporando cada vez más capas de inteligencia artificial y nuevos mecanismos de medición. Para los profesionales SEO, esto obliga a prestar atención tanto a la calidad del contenido generado como a la forma en que se mide el tráfico procedente de los nuevos sistemas de búsqueda.
«` :chatgpt-content-reference{index=»17″} — ## NOTICIA 7 **Fuente:** [https://www.searchenginejournal.com/what-to-expect-from-googles-next-search-ranking-update/591928/](https://www.searchenginejournal.com/what-to-expect-from-googles-next-search-ranking-update/591928/?utm_source=chatgpt.com) :chatgpt-content-reference{index=»19″} **HTML:** «`htmlGoogle podría estar preparando una nueva actualización importante de su algoritmo de búsqueda antes de que termine 2026. Esa es la hipótesis planteada por Search Engine Journal a partir de varios cambios recientes en la documentación de Google, nuevas investigaciones y la coincidencia con una actualización de spam actualmente en curso. El análisis apunta a un posible mayor peso de la satisfacción del usuario, la autenticidad y la calidad del contenido.
La compañía todavía no ha anunciado una core update con esas características. Por tanto, las conclusiones sobre su posible alcance deben entenderse como una previsión y no como una confirmación de Google. El interés está en que varias modificaciones recientes de sus directrices parecen apuntar en una misma dirección.
La experiencia del usuario vuelve a ganar protagonismo
Google ha actualizado su documentación para insistir en que uno de los elementos fundamentales para valorar la calidad de una página es la capacidad de su contenido principal para cumplir el propósito de la página y ofrecer una experiencia satisfactoria al usuario. Search Engine Journal considera que este cambio puede tener relevancia en una futura actualización.
La documentación también destaca la importancia del talento, la habilidad y la experiencia cuando sean necesarios para producir una experiencia de calidad. Esto no significa que todas las páginas tengan que estar escritas por especialistas reconocidos. Google pone el foco en que el contenido debe mostrar las capacidades necesarias para cumplir correctamente su objetivo.
Desde el punto de vista SEO, el cambio de enfoque es significativo. La optimización deja de plantearse únicamente como una cuestión de palabras clave, entidades o estructura técnica y pasa a considerar de forma más directa qué quiere conseguir el usuario en una página y si realmente puede lograrlo.
Según el análisis de Search Engine Journal, el contenido de calidad debería cumplir su finalidad, satisfacer al usuario y mostrar esfuerzo significativo, originalidad, habilidad y precisión. Son elementos que Google considera relacionados con una experiencia positiva, aunque no exista una métrica que los propietarios de sitios puedan controlar directamente.
La definición de contenido principal es más amplia
Uno de los cambios que más llama la atención es la definición de “main content” utilizada por Google. El concepto ya no se limita al texto de una página. También puede incluir imágenes, audio, vídeo y elementos funcionales cuando estos ayudan directamente a cumplir el propósito de la página.
La documentación menciona además funcionalidades interactivas como buscadores internos, calculadoras, herramientas y juegos. La condición es que estas características tengan una relación directa con la finalidad de la página y aporten realmente valor al usuario.
Esto puede tener consecuencias para determinados proyectos que tradicionalmente han considerado el contenido como una cuestión casi exclusivamente textual. Una página cuyo propósito es ofrecer una herramienta, por ejemplo, no se evalúa únicamente por el texto que la acompaña. La propia herramienta forma parte de la experiencia que el usuario espera encontrar.
La guía también contempla las contribuciones generadas por usuarios, como debates en foros, reseñas, comentarios o archivos multimedia subidos por usuarios. De nuevo, el criterio es que ese material debe cumplir una función relacionada con el propósito de la página y no estar presente simplemente para aumentar el volumen de contenido.
Los títulos y encabezados deberían ayudar al usuario
Otro punto destacado afecta a los títulos y encabezados. Google los considera parte del contenido principal cuando sirven para resumir el tema de la página y ayudar al usuario a decidir si quiere visitarla. La interpretación de Search Engine Journal es que esto puede entrar en conflicto con algunas prácticas SEO basadas en introducir palabras clave exactas de forma repetitiva.
El análisis sostiene que un exceso de términos colocados en títulos y encabezados únicamente para intentar posicionar puede generar una estructura poco natural. La recomendación práctica sería utilizar los encabezados para explicar claramente qué contiene cada sección, en lugar de convertirlos en listas de palabras clave.
Esta diferencia puede parecer pequeña, pero afecta a la forma de construir contenidos. Un encabezado debe permitir al lector entender qué encontrará a continuación. Si además contiene términos relevantes para la búsqueda, mejor, pero el objetivo principal debería ser describir correctamente el contenido.
El mismo principio se aplica a otros elementos de una página. La optimización debe estar subordinada al propósito que tiene el sitio y no al revés. Para Search Engine Journal, este cambio de perspectiva podría convertirse en uno de los aspectos importantes de una futura actualización de ranking.
Google también refuerza la autenticidad del contenido
La autenticidad es otro de los puntos que aparecen en las modificaciones recientes. Google ha incorporado advertencias contra perfiles de autores falsos, fotografías generadas mediante IA, nombres inventados y credenciales falsas utilizadas para hacer creer al usuario que un contenido ha sido elaborado por un experto humano.
La compañía considera este comportamiento una forma de engaño y señala que puede convertir una página en poco fiable tanto para los usuarios como para sus sistemas automáticos de calidad. El cambio conecta con las directrices que ya utilizaban los evaluadores de calidad de Google.
También se ha reforzado la recomendación de verificar manualmente el contenido generado por IA. Google recuerda que los modelos generativos pueden producir errores y pide comprobar la precisión y fiabilidad del material antes de publicarlo. Para los sitios que producen contenido a gran escala, esta indicación añade presión sobre los procesos de revisión editorial.
El conjunto de cambios puede interpretarse como una señal de que Google quiere diferenciar con mayor claridad entre contenido creado para satisfacer una necesidad real y contenido producido principalmente para captar tráfico. La compañía no ha confirmado que todos estos elementos vayan a convertirse en señales nuevas de ranking, pero las modificaciones de sus directrices apuntan hacia una mayor atención a la calidad real.
La actualización todavía no ha sido confirmada por Google
La hipótesis de una próxima actualización importante se apoya también en el calendario. Google suele publicar actualizaciones principales antes de la temporada comercial de final de año. Además, en 2026 coincide este contexto con una actualización de spam de dos semanas, algo que Search Engine Journal interpreta como un posible paso previo a cambios de mayor alcance.
El análisis recuerda que en los últimos años varias actualizaciones importantes han coincidido o han sido precedidas por actualizaciones de spam. Eso no demuestra que vaya a ocurrir de nuevo, pero constituye un patrón que la comunidad SEO está observando.
Por ahora, no existe confirmación oficial sobre una actualización concreta ni sobre los cambios que incorporaría. Lo que sí está documentado son las nuevas recomendaciones de Google sobre calidad, satisfacción, autenticidad y uso de inteligencia artificial. Por eso, la conclusión más prudente para los propietarios de sitios es revisar si sus páginas cumplen realmente el propósito para el que fueron creadas.
Si Google termina incorporando estos criterios con mayor peso en sus sistemas de ranking, las webs que dependan de contenido superficial, autores ficticios, estructuras creadas exclusivamente para buscadores o funcionalidades que no aportan valor podrían quedar más expuestas. Pero hasta que Google publique una actualización, cualquier predicción sobre su impacto debe considerarse una hipótesis y no una política confirmada.
«` :chatgpt-content-reference{index=»20″} — ## NOTICIA 8 **Fuente:** [https://www.searchenginejournal.com/google-fake-author-warning-site-owner-guidance/591806/](https://www.searchenginejournal.com/google-fake-author-warning-site-owner-guidance/591806/?utm_source=chatgpt.com) :chatgpt-content-reference{index=»22″} **HTML:** «`htmlGoogle ha añadido una nueva advertencia a sus recomendaciones sobre contenido útil, fiable y orientado a las personas. La documentación de Search Central ahora señala expresamente que los sitios deben evitar utilizar perfiles de autores falsos para hacer que un contenido parezca escrito por expertos humanos. Entre los ejemplos citados aparecen fotografías generadas mediante IA, nombres inventados y credenciales falsas.
El cambio fue detectado en la documentación de Google fechada el 1 de octubre de 2026 y analizado por Search Engine Journal. La advertencia no aparece de la nada: los evaluadores de calidad de Google ya disponían de instrucciones similares. La novedad es que ahora la recomendación se encuentra también directamente en la documentación destinada a los propietarios de sitios.
Google considera engañosos los perfiles de autores inventados
La nueva sección aparece dentro del apartado dedicado a quién ha creado el contenido. Google recomienda proporcionar información de autoría precisa, pero añade una advertencia sobre los perfiles fabricados. El objetivo de estas prácticas suele ser transmitir al lector una sensación de experiencia o autoridad que realmente no existe.
La documentación menciona tres ejemplos especialmente claros: imágenes de autor generadas mediante IA, nombres inventados y credenciales falsas. El problema no es utilizar una fotografía creada artificialmente por sí misma, sino emplearla junto a información ficticia para hacer creer que existe un experto humano detrás del contenido.
Google considera que este comportamiento es una forma de engaño. Según la nueva orientación, cualquier forma de engaño puede hacer que una página resulte poco fiable tanto para los usuarios como para los sistemas automáticos de calidad de Google. La compañía lo describe además como una señal de una página de baja calidad.
La modificación afecta especialmente a sitios que han creado estructuras editoriales con múltiples autores ficticios. Durante años, las páginas de autor y las biografías se han utilizado para presentar quién está detrás de un contenido. Con la nueva advertencia, Google deja claro que esa información debe representar de forma auténtica al creador.
La advertencia ya aparecía en las directrices para evaluadores
Search Engine Journal señala que los evaluadores de calidad de Google ya disponían de una orientación parecida. Las Search Quality Rater Guidelines incluyen ejemplos de engaño relacionados con perfiles de autores inventados, fotografías generadas mediante IA y biografías que presentan credenciales falsas.
Uno de los ejemplos contemplados por esas directrices es la creación de perfiles que utilizan imágenes generadas artificialmente o biografías engañosas para hacer pasar un contenido por obra de un experto. También se incluyen casos en los que un autor afirma disponer de credenciales profesionales que realmente no posee.
Los evaluadores reciben instrucciones para considerar estas prácticas como una forma grave de engaño. Search Engine Journal explica que las páginas que utilizan este tipo de comportamiento pueden recibir la valoración más baja dentro de las directrices de calidad.
La diferencia ahora es que Google ha trasladado esa idea a la documentación destinada a los propietarios de sitios. Es decir, ya no se trata únicamente de una instrucción interna para quienes evalúan resultados de búsqueda, sino de una recomendación pública dirigida directamente a quienes crean y gestionan páginas web.
Google no dice que una firma de autor mejore el ranking
La actualización no significa que añadir una firma de autor vaya a mejorar automáticamente el posicionamiento de una página. Search Engine Journal recuerda que Google ya había señalado anteriormente que las bylines, por sí solas, no ayudan a que una página obtenga mejores posiciones.
La cuestión es diferente: si un sitio decide mostrar quién ha creado un contenido, la información debe ser auténtica. Una firma de autor puede ayudar al usuario a entender quién está detrás de un artículo, pero convertir ese elemento en una identidad ficticia para aparentar autoridad puede producir el efecto contrario.
Esto resulta especialmente relevante en sectores en los que la experiencia profesional puede ser importante para interpretar un contenido. Inventar un supuesto especialista y atribuirle conocimientos o credenciales inexistentes puede llevar al lector a otorgar una confianza que no estaría presente si conociera la verdadera procedencia del contenido.
La nueva recomendación de Google no establece cómo sus sistemas automáticos detectarán cada perfil falso. La propia documentación no describe un mecanismo concreto para identificar fotografías, nombres o credenciales fabricadas. Por eso, el cambio funciona principalmente como una señal clara sobre el tipo de comportamiento que Google considera engañoso.
La autenticidad gana importancia en las webs que utilizan IA
La actualización llega en un contexto en el que las herramientas generativas permiten crear rápidamente textos, imágenes y perfiles digitales. Para los sitios que utilizan IA en sus procesos editoriales, la advertencia introduce una frontera clara: automatizar determinadas tareas puede ser compatible con las directrices, pero utilizar información ficticia para aparentar experiencia humana puede considerarse engañoso.
Esto afecta especialmente a las páginas que generan grandes volúmenes de contenido y necesitan presentar múltiples autores. Crear un perfil diferente para cada bloque de contenidos puede resultar atractivo desde el punto de vista editorial, pero si esos autores no existen o sus credenciales son inventadas, la estrategia entra directamente en el terreno que Google identifica como problemático.
La recomendación práctica es sencilla: los nombres, fotografías y perfiles profesionales que aparecen en las páginas deben corresponder con personas reales cuando se presentan como autores humanos. Si se utilizan herramientas de inteligencia artificial durante la producción, eso no justifica fabricar una identidad para el supuesto responsable del contenido.
Google también ha reforzado recientemente sus indicaciones para revisar manualmente el contenido generado mediante IA antes de publicarlo. Aunque se trata de una actualización diferente, ambas recomendaciones apuntan hacia una misma preocupación: la confianza que transmite una página debe corresponder con la realidad.
La advertencia puede afectar a estrategias de contenido a gran escala
Para los profesionales SEO, el cambio es relevante porque afecta a una de las señales que los sitios utilizan para presentar autoridad editorial. Google no está diciendo que todos los contenidos deban tener un autor con credenciales profesionales ni que las bylines sean un factor directo de posicionamiento.
El mensaje es más concreto: no se debe crear una identidad falsa para convencer al usuario de que existe una experiencia que realmente no está ahí. Además, Google extiende la preocupación a otros elementos de engaño presentes en sus directrices de evaluadores, como datos empresariales falsos, suplantaciones o diseños destinados a confundir.
La nueva advertencia convierte, por tanto, la autenticidad de la autoría en una cuestión que los propietarios de sitios deben revisar. En una web donde existen autores, páginas de perfil o biografías, comprobar que los nombres, imágenes y credenciales son verdaderos pasa a ser una parte más del control de calidad editorial.
Google todavía no explica cómo sus sistemas automáticos pueden detectar todos estos casos ni hasta qué punto influirán en los rankings. Lo que sí ha dejado por escrito es que la fabricación de perfiles de autores para aparentar experiencia humana constituye una forma de engaño y puede ser considerada una señal de baja calidad.
«` :chatgpt-content-reference{index=»23″} — ## NOTICIA 9 **Fuente:** [https://www.searchenginejournal.com/youtube-original-shorts-reposted-clips-reach/591774/](https://www.searchenginejournal.com/youtube-original-shorts-reposted-clips-reach/591774/?utm_source=chatgpt.com) :chatgpt-content-reference{index=»25″} **HTML:** «`htmlYouTube está modificando su sistema de recomendaciones para dar más peso a los Shorts originales y reducir la distribución de los canales que se basan principalmente en republicar clips de otros creadores con cambios mínimos. La modificación fue anunciada el 1 de octubre de 2026 por Rene Ritchie, responsable de comunicación con creadores de YouTube, en un vídeo publicado en el canal Creator Insider.
El cambio afecta específicamente a la forma en que YouTube recomienda los vídeos y no constituye una modificación anunciada de las reglas de monetización. La plataforma ya dispone de políticas sobre contenido reutilizado para los canales que quieren generar ingresos, pero la nueva medida se centra en el alcance y la recomendación de los Shorts.
YouTube quiere que los Shorts reutilizados aporten valor propio
La nueva orientación establece que reutilizar el vídeo de otro creador no será suficiente para obtener el mismo tratamiento que una pieza original. Según explicó Ritchie, los creadores que utilicen clips ajenos deben aportar un valor propio que vaya más allá de modificaciones menores.
Entre los ejemplos que no considera suficientes aparecen las descripciones mediante voz en off de lo que ya ocurre en pantalla, pequeños cambios técnicos y modificaciones realizadas en grandes cantidades mediante plantillas. La intención de YouTube es que el creador incorpore elementos propios que transformen realmente el contenido.
Ritchie anima a los creadores que reutilicen clips a incorporar comentario, análisis o storytelling. La diferencia es importante porque no se trata únicamente de editar el vídeo original, sino de aportar una nueva capa de contenido que tenga valor por sí misma para la audiencia.
Para quienes quieren mostrar el vídeo original de otro creador ante su propia audiencia, YouTube recomienda utilizar la pestaña de Posts del canal. De esta manera, el usuario puede acceder directamente a la publicación original en lugar de consumir una copia modificada mínimamente en otro canal.
La medida afecta al alcance, no directamente a la monetización
YouTube ya dispone de normas relacionadas con el contenido reutilizado en sus políticas de monetización. Estas reglas establecen que, cuando un creador utiliza material de otra persona, debe modificarlo de manera significativa para convertirlo en contenido propio. Sin embargo, el anuncio de octubre se refiere a un aspecto diferente: cómo se distribuyen los vídeos mediante las recomendaciones.
Esta distinción es importante porque un canal puede enfrentarse a diferentes consecuencias según el comportamiento. Las reglas de monetización determinan si determinados contenidos cumplen los requisitos para generar ingresos, mientras que el cambio anunciado ahora afecta a la posibilidad de que los Shorts sean recomendados y alcancen nuevas audiencias.
Search Engine Journal recuerda que YouTube ya había aclarado en julio de 2025 que no estaba modificando en ese momento sus reglas sobre contenido reutilizado en clips, compilaciones y vídeos de reacción. La nueva comunicación no contradice necesariamente aquella aclaración porque se centra ahora en las recomendaciones y el alcance.
Para los canales que dependen de contenido agregado, la diferencia puede ser importante. Un vídeo puede seguir estando disponible en la plataforma, pero recibir menos distribución si el sistema determina que el canal se basa principalmente en republicaciones con cambios insuficientes.
YouTube evaluará de nuevo el alcance si un canal apuesta por contenido original
La plataforma también ha explicado qué puede ocurrir con los canales que cambien su estrategia. Según Ritchie, si un canal que anteriormente se dedicaba a agregar o republicar vídeos empieza a apostar por contenido original, el sistema de recomendaciones volverá a evaluar su alcance.
Esta posibilidad abre una vía para los creadores que quieran modificar su estrategia. No obstante, YouTube no ha explicado cuánto tiempo puede tardar esa reevaluación ni ha indicado un procedimiento concreto para solicitarla. Tampoco ha señalado una fecha exacta para que el nuevo comportamiento del sistema comience a aplicarse.
El propio vídeo publicado por YouTube deja algunas cuestiones abiertas. No se especifica cuándo se aplicará plenamente la actualización, cuánto tiempo necesitará el sistema para reconsiderar el rendimiento de un canal ni dónde podrá comprobar un creador si su alcance ha disminuido como consecuencia del cambio.
Por ahora, la principal recomendación es que los canales revisen cuánto valor aportan cuando reutilizan material ajeno. Una simple edición técnica ya no debería considerarse suficiente si el objetivo es mantener la capacidad de llegar a nuevas audiencias mediante las recomendaciones.
YouTube sigue una tendencia que también aparece en otras plataformas
El cambio no se produce de manera aislada dentro del ecosistema de vídeo y redes sociales. Search Engine Journal señala que Instagram y Facebook ya han aplicado medidas destinadas a limitar la distribución de cuentas que se basan principalmente en republicar contenido de terceros.
Instagram indicó anteriormente que las cuentas que principalmente vuelven a subir contenido ajeno pueden perder el acceso a determinadas recomendaciones. La plataforma también contempla la posibilidad de recuperar la elegibilidad cuando la mayoría del contenido reciente se considera original durante un periodo de 30 días.
Facebook, por su parte, anunció en 2025 medidas contra las cuentas que continúan republicando contenido de otros creadores sin permiso o sin cambios significativos. Entre las consecuencias se encuentran una menor distribución y restricciones relacionadas con los programas de monetización.
El movimiento de YouTube encaja así en una tendencia más amplia hacia la priorización de contenido original frente a la simple agregación. Aunque cada plataforma aplica sus propias reglas, el objetivo común es reducir el valor de las estrategias basadas en copiar contenido ajeno con modificaciones mínimas.
Los canales de Shorts tendrán que diferenciar mejor sus contenidos
Para los creadores, la consecuencia práctica es que editar un clip ajeno, añadir una narración básica o aplicar cambios técnicos puede no ser suficiente para mantener el mismo potencial de distribución. YouTube quiere que el creador aporte una perspectiva propia mediante análisis, comentario, contexto o una narración que transforme el material original.
La medida también puede afectar a los modelos de producción basados en plantillas. Cuando un canal publica grandes cantidades de vídeos con modificaciones similares, el sistema puede considerar que existe poca aportación original. La compañía no ha publicado una cantidad concreta de cambios que determine automáticamente cuándo un contenido deja de ser reutilizado.
Por tanto, no existe una fórmula numérica anunciada que garantice el alcance. Lo que YouTube sí ha comunicado es el principio: el contenido original tendrá prioridad en las recomendaciones y los canales que se apoyen principalmente en republicaciones con pocos cambios podrán perder distribución.
La nueva política de recomendaciones todavía deja algunos detalles pendientes de aclarar, especialmente la fecha exacta de aplicación y el proceso de reevaluación de los canales que cambien de estrategia. Mientras tanto, el mensaje de YouTube para los creadores es bastante claro: si un canal quiere mantener o ampliar su alcance en Shorts, la aportación propia debe ser mucho más evidente que una simple modificación del vídeo de otra persona.