El 41 % de los posts de LinkedIn no los escribió una persona

Durante años, «internet se está llenando de bazofia generada por IA» fue una sensación, no una cifra. En 2026 por fin tenemos números, de dos estudios independientes que midieron feeds reales en lugar de adivinar. El titular: hasta el 41 % de los posts largos de LinkedIn no los escribió una persona. Y ni siquiera LinkedIn es la peor superficie.

Esto es lo que dicen realmente los datos, lo que están haciendo las plataformas y por qué ninguna de sus respuestas protege tu feed.

El estudio que midió lo que la gente veía de verdad

En julio de 2026, 404 Media informó sobre un estudio de Pangram, una empresa de detección de IA. Lo interesante es la metodología: en lugar de rastrear páginas públicas, Pangram usó una extensión de Chrome que analizó de forma pasiva cerca de un millón de posts que usuarios reales vieron en sus feeds durante dos meses.

Esa diferencia importa. Rastrear te dice lo que existe; analizar el feed te dice lo que el algoritmo sirve. Es una medición de exposición, no de inventario.

Los resultados en las plataformas de texto:

Dos matices que hacen estas cifras más alarmantes, no menos. Primero, Pangram afirma una tasa de falsos positivos de aproximadamente 1 entre 10 000, así que no es un detector con el gatillo fácil que infla el recuento. Segundo, Pangram califica expresamente las cifras de mínimo: el detector solo marca aquello de lo que está seguro.

En vídeo es peor: el 59 % de un feed nuevo de TikTok

El texto es solo la mitad de la historia. En junio de 2026, la empresa de herramientas de vídeo Kapwing hizo un experimento distinto: crear una cuenta nueva sin historial y registrar lo que el algoritmo sirve a un usuario en blanco.

En TikTok, el 59 % de los vídeos mostrados a una cuenta nueva eran slop de IA. En YouTube Shorts, la cifra fue del 21 %: mejor, pero aun así uno de cada cinco.

La cuenta nueva es la clave. Esta es la dieta por defecto: lo que una plataforma te da antes de saber nada de tus gustos. Si eres un usuario nuevo, un usuario ocasional o un niño con un dispositivo recién estrenado, este es tu feed.

Los niños se llevan la peor parte

La cifra más inquietante del estudio de Kapwing: la categoría de contenido infantil fue la más afectada, con un 57 % de slop de IA. El hashtag #CartoonKids obtuvo 97/100 en su escala de contenido de IA: en la práctica, un canal totalmente sintético dirigido a niños.

Esto coincide con lo que documentamos en nuestra guía para bloquear canales de YouTube generados por IA: el contenido infantil es el objetivo económicamente racional de las granjas de contenido. Los niños no saltan los vídeos de baja calidad, no los denuncian y ven con la reproducción automática. Máximo tiempo de visionado, mínimo escrutinio.

Si un niño de tu casa tiene un feed, estadísticamente la mayor parte de lo que hay en él nunca lo tocó una persona. Por eso tratamos el control parental como una función gratuita, no como un extra de pago.

Qué están haciendo las plataformas

Para ser justos, 2026 es el año en que las plataformas dejaron de hacer como que esto no pasaba. Las respuestas hasta ahora:

• YouTube movió sus etiquetas de divulgación de IA a un lugar más visible bajo el reproductor, añadió una etiqueta superpuesta en Shorts y empezó a etiquetar contenido automáticamente con metadatos de procedencia C2PA y SynthID. En enero de 2026 dio de baja 16 canales con 35 millones de suscriptores en conjunto por contenido no auténtico.
• LinkedIn retiró discretamente su asistente de redacción con IA del botón de publicar, la misma función que ayudó a generar la avalancha.
• Reddit dice que bloquea 23 millones de visualizaciones de spam al día y lanzó una campaña de marca, «people are best», que apuesta por la autenticidad humana.

Fíjate en la ironía del punto del medio: las plataformas dedicaron 2023-2025 a lanzar botones de generación con IA y dedican 2026 a lanzar etiquetas de detección de IA para lo que sale de ellos.

Por qué las etiquetas y las purgas no arreglarán tu feed

Todas las respuestas de las plataformas tienen algo en común: son reactivas.

1. Las etiquetas anotan; no filtran. Una insignia de «hecho con IA» bajo el reproductor no reduce la frecuencia con la que el algoritmo recomienda el vídeo. Sigues gastando atención en él: la etiqueta solo te dice después que no debías.
2. Las etiquetas dependen de la cooperación. El etiquetado por declaración supone que las granjas de slop se autodenuncian. El etiquetado por procedencia (C2PA/SynthID) solo funciona si los metadatos sobreviven a la recodificación, y eliminarlos es trivial.
3. Las purgas son indicadores tardíos. Los 16 canales dados de baja por YouTube ya habían acumulado 35 millones de suscriptores. La sanción llegó tras años de exposición, y los operadores simplemente se vuelven a registrar.
4. Cada plataforma defiende solo su territorio. Las etiquetas de YouTube no te ayudan en LinkedIn; el bloqueo de spam de Reddit no toca tu feed de X. Las operaciones de slop son multiplataforma; la moderación no.

Las plataformas optimizan la interacción y, como muestran las cifras de Pangram, el slop de IA es interacción. Esperar que el motor de recomendaciones se deje morir de hambre no es una estrategia.

La alternativa proactiva: curar antes de que te llegue

La solución estructural es la inversa de etiquetar: no anotar el slop cuando ya ha cargado, sino frenar las fuentes de slop conocidas antes de que se muestren.

Ese es el modelo en el que se basa Blokari:

• Listas de bloqueo curadas por la comunidad. Curadores humanos mantienen listas de canales y cuentas de slop de IA conocidos, las mismas granjas industriales que miden estos estudios. Te suscribes una vez y la lista se actualiza a medida que aparecen granjas.
• Multiplataforma por diseño. La misma extensión filtra YouTube, LinkedIn, X y Reddit, igual que operan en realidad las operaciones de slop. Nuestra guía para filtrar el feed de LinkedIn trata ese problema del 41 % en concreto.
• Tus propias reglas encima. Lista de bloqueo personal para lo que las listas curadas aún no han cazado; lista blanca para que un creador real nunca se oculte por error.
• Control parental gratuito. Dada la cifra del 57 % en la categoría infantil, es la función menos opcional que ofrecemos: gratis en todos los planes.

También hay una ventaja a más largo plazo. Los algoritmos de recomendación aprenden de aquello con lo que interactúas. Cuando el slop deja de mostrarse, dejas de alimentarlo con clics y tiempo de visionado, y tus recomendaciones vuelven a acercarse a las personas. No solo ocultas contenido: entrenas tu feed.

Conclusión

Los datos de 2026 sustituyeron una sensación por una medición: el 41 % de los posts largos de LinkedIn, uno de cada cuatro artículos de X escrito íntegramente por máquinas, el 59 % de un feed nuevo de TikTok, 97/100 en un hashtag infantil. Y son mínimos, medidos en feeds que la gente vio de verdad.

Las plataformas seguirán etiquetando y purgando, de forma reactiva, una a una y cuando la exposición ya ha ocurrido. La única defensa del feed que funciona antes de la exposición es una curación que controlas tú. Elige tus fuentes, bloquea las granjas y deja que las personas vuelvan a tu feed.

Preguntas frecuentes