Una descarga simple no capturó el texto principal de una página clave en 7 de 72 sitios
Cuando ChatGPT lee una página para alguien, toma el HTML que devuelve el servidor y ahí se detiene. Lo mismo hacen el lector de Claude y el rastreador de Perplexity. Nada de lo que un script escriba después de la carga 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 revisó la página de inicio y hasta cuatro páginas clave de cada marca monitoreada en sus espacios de trabajo. Cada página se descargó dos veces: con nuestro propio rastreador, una solicitud 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 sitios dieron una lectura utilizable. La página mediana obtuvo 95%, y 144 de las 211 obtuvieron 90% o más. 24 páginas quedaron por debajo de la mitad.
Leímos a mano el texto faltante de las 24. Doce de ellas, en 7 sitios, habían perdido texto que un comprador leería. Son 7 de 72 sitios, o el 9.7% (intervalo del 95% de 4.8% a 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 un mismo sitio, el texto faltante era un panel de consentimiento de cookies. Cinco páginas de un sitio grande de software obtuvieron entre 7% y 16% porque el código de imágenes incrustado se estaba contando como palabras. Un formulario de reseñas, un contador de transacciones en vivo y un reproductor de música completaron el resto.
Así que lee los bloques antes de confiar en la puntuación. Un porcentaje no distingue una tabla de precios faltante de un banner de cookies faltante. La lista de lo que falta, sí.
Qué se perdió: 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 obtuvieron 0%. Cada testimonio de cliente lo escribía un script.
- La página de precios de una herramienta para desarrolladores obtuvo 15%. Lo que incluye el plan gratuito, las condiciones de la prueba y los límites de los planes llegaban después de la carga.
- El índice del blog y la página de contacto de un sitio también estaban en blanco, junto con su página de inicio.
- El portafolio de un diseñador perdió la biografía de su página de inicio y toda la lista de servicios.
- La página de inicio y la de servicios de un marketplace grande conservaron 18% y 7%. Los listados, precios y calificaciones cargan después de la página.
Las páginas de producto aguantaron mejor: 1 de 31 quedó por debajo de la mitad
Las páginas de producto fueron el tipo más seguro que revisamos: 31 dieron una lectura, la mediana obtuvo 92% y la única por debajo de la mitad solo había perdido un formulario de reseñas. Las páginas de inicio fueron las más riesgosas: 8 de 72 quedaron por debajo 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 encontraron en diciembre de 2024 que ninguno de los principales 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 solicitudes a un sitio de noticias, hasta el 24 de septiembre de 2026. ChatGPT-User hizo 37,045 lecturas de página y no descargó scripts al cargar ninguna. Claude-User hizo 10,028 y PerplexityBot 3,193, también sin ninguno. En una prueba al día siguiente, ChatGPT, Claude y Gemini reportaron solo la palabra clave escrita en el HTML, y ninguna de las dos que agregaba un script.
Google es distinto. Su documentación dice que un Chromium sin interfaz renderiza la página y que Google indexa el HTML renderizado, y una página solo necesita estar indexada y ser apta para un 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 vivo.
Una pregunta abierta: un desarrollador reportó el 30 de septiembre que los rastreadores de búsqueda y de entrenamiento de OpenAI empezaron a renderizar páginas en sus propios sitios con Next.js desde el 25 de septiembre. OpenAI no lo ha anunciado, y no cambiaría lo que mostró ChatGPT-User arriba.
Revisa tus propias páginas en diez minutos
No necesitas una herramienta para un primer vistazo.
- Elige tres frases que importen en la página: el titular, un precio, un testimonio de cliente.
- Abre el código fuente de la página (no el inspector de elementos, que muestra la página renderizada) y busca cada una. Desde una terminal, haz curl a la URL y búscalas con grep.
- Desactiva JavaScript para el sitio en la configuración de tu navegador y recarga. Lo que queda es más o menos lo que reciben estos rastreadores.
- Ignora los banners de cookies, widgets de chat y pop-ups que falten. Pasa los titulares, descripciones de producto, precios, casos de éxito y preguntas frecuentes al HTML del servidor con renderizado en el servidor, generación estática o prerenderizado.
- Si una descarga simple recibe un 403 mientras tu navegador carga la página, revisa tu CDN o tu firewall. Otros cuatro sitios rechazaron así a nuestro rastreador. Los dejamos fuera, porque un firewall que bloquea un bot desconocido podría dejar pasar a los rastreadores de IA verificados.
Cómo lo maneja Proofsource
Proofsource hace esta revisión en la página de inicio y hasta cuatro páginas clave de cada marca monitoreada: una descarga simple que no ejecuta scripts y respeta robots.txt, contra una copia renderizada de la misma página. Muestra la proporción de palabras que obtuvo la descarga simple, lista los bloques faltantes junto a los que sí leyó y sugiere correcciones para esa página. Nuestra propia página de inicio obtuvo 0% cuando la revisamos el 4 de octubre. Una descarga simple obtuvo 9 de sus 2,416 palabras. Ahora el sitio está prerenderizado, y una descarga simple de la página de inicio devuelve su texto.
Dónde podríamos estar equivocados
Nuestro rastreador no es GPTBot. Se identifica como ProofBot, y un sitio que trata a los bots por nombre podría servirles otra cosa a los rastreadores de IA. Los cuatro sitios que nos rechazaron son el caso visible.
La separación entre pérdidas reales y falsas alarmas es nuestra lectura manual de muestras acotadas del texto faltante, y solo leímos páginas por debajo del 50%. Una página puede obtener 78% y aun así haber perdido algo importante: una página de inicio con esa puntuación había perdido sus pasos de cómo funciona y su lista de integraciones. Así que 7 sitios es un piso para las páginas que perdieron algo que importa. La regla de puntuación también tiene ruido conocido, como el código de imágenes incrustado, que baja las puntuaciones.
El contenido personalizado, como los listados del marketplace, puede variar entre visitantes. La lectura de cada sitio es su revisión más reciente entre el 5 y el 17 de octubre, y los sitios cambian. Los 72 sitios son en su mayoría empresas pequeñas con espacios de trabajo en Proofsource, más algunas marcas más grandes que monitorean, no una muestra aleatoria de la web.
La evidencia externa también es escasa: un estudio de 2024, el registro de un sitio de noticias y el reporte de un desarrollador.
