Una descarga simple perdió el texto principal de una página clave en 7 de 72 webs
Cuando ChatGPT lee una página para alguien, coge el HTML que devuelve el servidor y se para ahí. Lo mismo hacen el lector de Claude y el rastreador de Perplexity. Nada de lo que escriba un script después de cargar está en lo que reciben. Así que la pregunta es si las palabras que importan están en esa primera respuesta.
Entre el 5 y el 17 de octubre de 2026, Proofsource comprobó la página de inicio y hasta cuatro páginas clave de cada marca seguida en sus espacios de trabajo. Cada página se descargó dos veces: con nuestro propio rastreador, una petición simple que no ejecuta scripts, y con un navegador que sí los ejecuta. Dividimos la versión del navegador en bloques de texto y contamos qué proporción de sus palabras aparecía también en la descarga simple.
211 páginas de 72 webs dieron una lectura válida. La página mediana sacó un 95 %, y 144 de las 211 sacaron un 90 % o más. 24 páginas sacaron menos de la mitad.
Leímos a mano el texto que faltaba en las 24. Doce de ellas, en 7 webs, habían perdido texto que leería un comprador. Son 7 de 72 webs, el 9,7 % (intervalo del 95 %: del 4,8 % al 18,7 %).
La mitad de las páginas por debajo del 50 % fueron falsas alarmas
Las otras doce parecían alarmantes y no lo eran. En cuatro páginas de una misma web, el texto que faltaba era un panel de consentimiento de cookies. Cinco páginas de una gran web de software sacaron entre un 7 % y un 16 % porque se contaba como palabras el código de imágenes incrustadas. Un formulario de reseñas, un contador de transacciones en directo y un reproductor de música completaron el resto.
Así que lee los bloques antes de fiarte de la puntuación. Un porcentaje no distingue una tabla de precios que falta de un banner de cookies que falta. La lista de lo que falta, sí.
Qué desapareció: titulares, casos de éxito y una tabla de precios
Las doce pérdidas reales, anonimizadas:
- Tres páginas de inicio devolvieron una o dos palabras. Dos le dieron a la descarga simple el nombre de la empresa y nada más.
- El índice de casos de éxito de una empresa de software y uno de sus casos sacaron un 0 %. Todas las citas de clientes las escribía un script.
- La página de precios de una herramienta para desarrolladores sacó un 15 %. Lo que incluía el plan gratuito, las condiciones de la prueba y los límites de los planes llegaban después de cargar.
- El índice del blog y la página de contacto de una web también salieron en blanco, junto con su página de inicio.
- El portfolio de un diseñador perdió la biografía de la página de inicio y toda la lista de servicios.
- La página de inicio y la de servicios de un gran marketplace conservaron un 18 % y un 7 %. Los anuncios, los precios y las valoraciones cargan después que la página.
Las páginas de producto aguantaron mejor: 1 de 31 sacó menos de la mitad
Las páginas de producto fueron el tipo más seguro de los que comprobamos: 31 dieron una lectura, la mediana sacó un 92 % y la única por debajo de la mitad solo había perdido un formulario de reseñas. Las páginas de inicio fueron las más arriesgadas: 8 de 72 sacaron menos de la mitad, y cinco de las doce pérdidas reales fueron páginas de inicio.
Google renderiza la página. El lector de ChatGPT, Claude y Perplexity, no.
Vercel y MERJ vieron en diciembre de 2024 que ninguno de los grandes rastreadores de IA renderizaba JavaScript, incluidos los tres de OpenAI, ClaudeBot y PerplexityBot. Gemini usaba la infraestructura de Googlebot y sí lo hacía.
Un registro más reciente dice lo mismo de los lectores que descargan una página cuando alguien pregunta. Forge contó 30 días de peticiones a una web de noticias, hasta el 24 de septiembre de 2026. ChatGPT-User hizo 37.045 lecturas de página y no descargó ningún script al cargar una página. Claude-User hizo 10.028 y PerplexityBot 3.193, también sin ninguno. En una prueba al día siguiente, ChatGPT, Claude y Gemini indicaron solo la palabra clave escrita en el HTML, y ninguna de las dos que añadía un script.
Google es distinto. Su documentación dice que un Chromium sin interfaz renderiza la página y que Google indexa el HTML renderizado, y a una página solo le hace falta estar indexada y ser apta para fragmento para aparecer en AI Overviews o AI Mode. Así que el texto que escriben tus scripts puede llegar a las respuestas de IA de Google y aun así faltar cuando ChatGPT lee esa misma página en directo.
Una pregunta abierta: un desarrollador contó el 30 de septiembre que los rastreadores de búsqueda y de entrenamiento de OpenAI empezaron a renderizar páginas en sus propias webs con Next.js desde el 25 de septiembre. OpenAI no lo ha anunciado, y no cambiaría lo que mostró ChatGPT-User arriba.
Comprueba tus propias páginas en diez minutos
No necesitas una herramienta para echar un primer vistazo.
- Elige tres frases que importen en la página: el titular, un precio, una cita de cliente.
- Abre el código fuente de la página (no el inspector de elementos, que muestra la página renderizada) y busca cada una. Desde un terminal, haz curl de la URL y busca con grep.
- Desactiva JavaScript para la web en los ajustes del navegador y recarga. Lo que queda es más o menos lo que reciben estos rastreadores.
- No hagas caso de los banners de cookies, los widgets de chat y las ventanas emergentes que falten. Pasa los titulares, las descripciones de producto, los precios, los casos de éxito y las preguntas frecuentes al HTML del servidor con renderizado en servidor, generación estática o prerrenderizado.
- Si una descarga simple recibe un 403 mientras tu navegador carga la página, revisa tu CDN o tu cortafuegos. Otras cuatro webs rechazaron así a nuestro rastreador. Las dejamos fuera, porque un cortafuegos que bloquea un bot desconocido puede dejar pasar a los rastreadores de IA verificados.
Cómo lo resuelve Proofsource
Proofsource hace esta comprobación en la página de inicio y hasta cuatro páginas clave de cada marca seguida: una descarga simple que no ejecuta scripts y respeta robots.txt, frente a una copia renderizada de la misma página. Muestra la proporción de palabras que obtuvo la descarga simple, lista los bloques que faltan junto a los que leyó y sugiere correcciones para esa página. Nuestra propia página de inicio sacó un 0 % cuando la comprobamos el 4 de octubre. Una descarga simple obtuvo 9 de sus 2.416 palabras. Ahora la web está prerrenderizada, y una descarga simple de la página de inicio devuelve su texto.
Dónde podría fallar esto
Nuestro rastreador no es GPTBot. Se identifica como ProofBot, y una web que trata a los bots por su nombre podría servir otra cosa a los rastreadores de IA. Las cuatro webs que nos rechazaron son el caso visible.
La separación entre pérdidas reales y falsas alarmas es nuestra lectura a mano de muestras limitadas del texto que faltaba, y solo leímos páginas por debajo del 50 %. Una página puede sacar un 78 % y aun así haber perdido algo importante: una página de inicio con esa puntuación había perdido los pasos de cómo funciona y su lista de integraciones. Así que 7 webs es un mínimo para las páginas que perdieron algo que importa. La regla de puntuación también tiene ruido conocido, como el código de imágenes incrustadas, que baja las puntuaciones.
El contenido personalizado, como los anuncios del marketplace, puede variar entre visitantes. La lectura de cada web es su última comprobación entre el 5 y el 17 de octubre, y las webs cambian. Las 72 webs son sobre todo de empresas pequeñas con espacios de trabajo en Proofsource, más algunas marcas mayores a las que siguen, no una muestra aleatoria de la web.
Las pruebas externas también son escasas: un estudio de 2024, el registro de una web de noticias y el informe de un desarrollador.
