CEO de People acusa a Google de robar contenido para sus productos de IA
El tráfico desde Google Search a People Inc. ha caído del 65% al 20% en tres años. Neil Vogel, consejero delegado del mayor editor digital de EEUU, denuncia que la compañía utiliza el mismo rastreador para su motor de búsqueda y para sus modelos de IA.
Acusación de prácticas desleales
El CEO de People Inc., Neil Vogel, declaró en la conferencia Fortune Brainstorm Tech que Google es un «mal actor». Acusó a la compañía de utilizar un único crawler para indexar sitios en su motor de búsqueda y para extraer contenido con el que entrenar sus productos de inteligencia artificial.
Impacto en el negocio editorial
Vogel detalló que el tráfico procedente de Google Search representaba el 65% de su audiencia hace tres años, cifra que ahora se sitúa en «alrededor del 20%». Aunque su empresa ha crecido en audiencia e ingresos, considera injusto que su contenido se utilice para crear productos que compiten directamente con el suyo.
Estrategia de bloqueo y negociaciones
People Inc. ha optado por bloquear los rastreadores de IA que no pagan por el contenido mediante una solución de Cloudflare. Esta medida ha llevado a que «grandes proveedores de LLM» se acerquen para negociar acuerdos de licencia. La empresa ya tiene un trato con OpenAI, a quien describe como un «buen actor».
El problema de Google
Vogel señaló que no pueden bloquear el crawler de Google porque también impediría que sus sitios se indexasen en su motor de búsqueda, perdiendo así una parte vital de su tráfico. Afirmó que Google es consciente de esta situación y se niega a separar sus rastreadores, actuando de forma intencionada.
Antecedentes
Vogel compartió con AdExchanger el mes pasado que el tráfico de Google llegó a suponer hasta el 90% de la audiencia de People Inc. desde la web abierta hace varios años.
Cierre
El conflicto subraya la creciente tensión entre los creadores de contenido y las grandes tecnológicas en la era de la IA. La postura de editores como People Inc. podría forzar nuevos modelos de compensación y regulación para el uso de contenido en el entrenamiento de modelos de inteligencia artificial.
