People Inc. está desarrollando APIs específicas para facilitar que los agentes de IA accedan a sus contenidos periodísticos sin necesidad de rastrear y procesar las páginas web completas. El grupo editorial quiere sustituir progresivamente los métodos tradicionales de extracción de información por un sistema de distribución estructurada que permita entregar directamente el texto de los artículos, acompañado de metadatos sobre su autoría, fecha de publicación, actualizaciones y otras señales de fiabilidad.
La iniciativa fue explicada por Jon Roberts, Chief Innovation Officer de People Inc., durante el encuentro Media Strategies London, organizado por Digiday. Según el directivo, el modelo tradicional de acceso mediante rastreo web resulta poco eficiente para los sistemas de inteligencia artificial, que deben procesar grandes cantidades de información técnica y visual que no necesitan para comprender el contenido periodístico. El proyecto forma parte de una revisión más amplia de la relación entre publishers y plataformas de IA, en un momento en el que los agentes automatizados están empezando a participar directamente en la búsqueda, consulta y utilización de información publicada en internet.
Hasta ahora, People Inc. había utilizado diferentes mecanismos para facilitar el acceso de sus socios tecnológicos a sus contenidos. En una primera etapa, permitió que estos sistemas obtuvieran información mediante el rastreo de sus páginas web. Posteriormente, comenzó a utilizar repositorios de Amazon S3, que le permitían distribuir información de forma más estructurada, enviar actualizaciones y retirar contenidos cuando fuera necesario. El siguiente paso consiste en desarrollar APIs propias que ofrezcan directamente la información que necesitan los agentes. La diferencia técnica es relevante. Cuando un sistema automatizado accede a una página web convencional, recibe un documento HTML que puede incluir elementos de navegación, códigos de seguimiento, componentes publicitarios y otros recursos diseñados para facilitar la experiencia de un usuario humano.
Sin embargo, buena parte de esa información no resulta necesaria para que un modelo de inteligencia artificial interprete el contenido de un artículo. Roberts aseguró durante el evento que aproximadamente el 90% del contenido de una página HTML puede resultar irrelevante para un agente, al tratarse de elementos destinados al funcionamiento y la presentación de la web. Procesar todos esos elementos consume recursos computacionales y aumenta el número de tokens que los modelos deben analizar.
La propuesta de People Inc. consiste en eliminar esa información adicional y entregar el artículo directamente en Markdown, un formato de texto estructurado que facilita su interpretación por sistemas automatizados. De esta manera, los agentes pueden acceder al contenido periodístico sin tener que identificarlo entre los diferentes componentes de una página web. Para Roberts, el coste de procesamiento es uno de los principales argumentos a favor de este modelo. Cada token adicional supone un consumo de recursos y, por tanto, entregar documentos completos cuando solo se necesita el contenido editorial introduce una ineficiencia que las APIs pueden reducir.
El proyecto no se limita a simplificar el formato de los artículos. People Inc. quiere acompañar sus contenidos de información estructurada que permita a los sistemas de IA conocer quién ha publicado una noticia, cuándo se publicó y si ha sido actualizada posteriormente. Roberts se refirió a estos elementos como señales de confianza, o trust signals, que pueden ayudar a los agentes a interpretar la procedencia y vigencia de la información. La fecha de actualización resulta especialmente relevante en contenidos sujetos a cambios frecuentes. Un sistema que consulta una noticia antigua necesita poder distinguir entre la información publicada originalmente y las posibles modificaciones posteriores.
Lo mismo ocurre con la atribución de autoría, que permite identificar de manera más precisa el origen editorial del contenido. Según Roberts, las compañías de inteligencia artificial están empezando a reconocer la importancia de disponer de estos datos cuando utilizan información procedente de publishers. People Inc. está incorporando estas capacidades a sus propias herramientas de IA y utilizando esa experiencia para desarrollar mecanismos de acceso más adecuados para sus socios externos. El planteamiento también ofrece al grupo editorial un mayor control sobre la información que facilita a terceros, especialmente en lo relativo a la distribución de versiones actualizadas y la retirada de contenidos. Sin embargo, no se han detallado las condiciones comerciales de las nuevas APIs, los socios que las utilizarán ni un calendario definitivo para su implantación.
El desarrollo de nuevas fórmulas de acceso al contenido coincide con el incremento de la actividad automatizada en internet. Según el informe 2026 State of AI Traffic & Cyberthreat Benchmark Report, elaborado por HUMAN Security, el tráfico procedente de agentes de IA y navegadores agénticos aumentó un 7.851% en un año. El dato corresponde al tráfico observado por la plataforma de HUMAN y describe una categoría de actividad que parte de una base relativamente reciente. No debe interpretarse como un crecimiento equivalente del conjunto del tráfico de internet.
La compañía también identificó un aumento de la automatización relacionada con inteligencia artificial y una diversificación de los sistemas que acceden a páginas y servicios digitales. Este crecimiento introduce un problema para los publishers: distinguir entre los agentes que realizan acciones legítimas en nombre de los usuarios y los sistemas que extraen contenidos de forma automatizada sin autorización.
Durante el mismo encuentro de Digiday, Carly Steven, directora de SEO y Comercio Editorial de Daily Mail, advirtió de que esta cuestión requiere una respuesta inmediata por parte de la industria. Los medios necesitan identificar qué solicitudes automatizadas deben permitir, cuáles deben restringir y cómo pueden ofrecer acceso a sus contenidos sin perder el control sobre su utilización. Las APIs de People Inc. abordan una parte de este problema, al establecer un mecanismo específico para distribuir información a socios de IA. No resuelven, por sí solas, la identificación de todos los agentes que puedan intentar acceder a sus páginas web.
People Inc. no es el único publisher que está revisando cómo organiza y distribuye su información para los sistemas automatizados. The Economist está experimentando con mecanismos para facilitar que los agentes de IA interpreten sus materiales comerciales y de marketing B2B publicados fuera del muro de pago. En el caso de Time, la compañía ha comenzado a transformar contenidos de HTML a Markdown y, según la información publicada por Digiday, ya está explorando la comercialización de publicidad dirigida a los agentes que visitan su web.
Forbes también trabaja en adaptar parte de su oferta editorial para estos sistemas, especialmente en su negocio de recomendaciones de productos, Vetted. El medio ha creado versiones de sus contenidos en Markdown y una capa basada en el Model Context Protocol (MCP), con el objetivo de facilitar su utilización por herramientas de inteligencia artificial. MCP es un protocolo que permite conectar aplicaciones y agentes de IA con fuentes externas de información y herramientas, por lo que puede ofrecer una alternativa técnica para acceder a contenidos estructurados sin depender exclusivamente del rastreo de páginas web convencionales. Nina Gould, Chief Innovation Officer de Forbes, explicó que la compañía está explorando cómo llegar a usuarios que utilizan asistentes de IA para descubrir y comparar productos.
Entre sus proyectos figura un plugin de recomendaciones para ChatGPT, que todavía no se ha lanzado. Gould también reconoció que las posibles fórmulas de comercialización publicitaria dirigidas a agentes siguen en desarrollo. Las diferencias entre estos proyectos muestran que la industria editorial todavía está experimentando con distintos modelos: APIs privadas para socios, formatos legibles por máquinas, protocolos de conexión y nuevas posibilidades de monetización.
A diferencia de otros publishers que están estudiando formatos comerciales dirigidos a sistemas automatizados, People Inc. no está centrando actualmente su estrategia en vender publicidad a los agentes de IA, según explicó Roberts. Su prioridad es mejorar la eficiencia y el control de la distribución de contenidos periodísticos. El proyecto llega, además, en un momento de ajustes internos. People Inc. redujo recientemente alrededor del 6% de su plantilla, según la información publicada por Digiday.
La compañía está revisando sus inversiones mientras los cambios en los sistemas de distribución digital obligan a los grupos editoriales a reconsiderar cómo generan ingresos y mantienen relaciones comerciales con sus audiencias y socios tecnológicos. En este escenario, una API específica para agentes podría convertirse en un mecanismo para gestionar de manera más directa el suministro de información a compañías de inteligencia artificial. No obstante, el hecho de disponer de un canal técnico más eficiente no garantiza automáticamente una mayor remuneración por los contenidos. El valor comercial dependerá de los acuerdos que los publishers puedan establecer con las plataformas y de las condiciones de acceso, utilización y actualización de su información.
La iniciativa de People Inc. introduce una diferencia respecto al modelo de distribución que ha predominado en los medios digitales durante las últimas décadas. Hasta ahora, buena parte de la infraestructura editorial estaba diseñada para dos objetivos: permitir que los buscadores indexaran las páginas y ofrecer una experiencia de lectura a los usuarios que llegaban a ellas. Los agentes de IA plantean una necesidad diferente. Pueden consultar información, compararla y utilizarla para responder a las peticiones de sus usuarios sin recorrer necesariamente una página web del mismo modo que lo haría una persona. Por eso, el contenido editorial comienza a distribuirse mediante formatos que permiten separar el texto y sus metadatos de la presentación visual de la página.
Esta separación también puede modificar la relación comercial entre publishers y compañías tecnológicas. Si los sistemas de IA acceden directamente a los artículos mediante una API, el intercambio de información puede organizarse alrededor de acuerdos específicos en lugar de depender únicamente del rastreo abierto de la web. El modelo también plantea preguntas sobre cómo medir ese consumo y qué derechos de utilización debe conceder el publisher a cada socio. La propuesta de People Inc. todavía está en desarrollo, pero deja una cuestión concreta para el negocio editorial: hacer que el periodismo resulte más fácil y barato de procesar para los agentes no significa necesariamente que vaya a generar más ingresos para quienes lo producen.
La discusión comercial estará en determinar qué obtiene el publisher a cambio de ofrecer ese acceso estructurado y quién conserva el control sobre la información una vez que sale de sus propios sistemas.
Puntos clave:
People Inc. desarrolla APIs propias para facilitar el acceso de agentes de IA a sus contenidos periodísticos. La compañía quiere sustituir el rastreo tradicional de páginas HTML por artículos en Markdown con metadatos de autoría, publicación y actualización, reduciendo los costes de procesamiento.
El tráfico de agentes de IA y navegadores agénticos creció un 7.851% interanual, según HUMAN Security. Este aumento obliga a los publishers a diferenciar entre agentes autorizados y sistemas de extracción de contenidos, así como a desarrollar nuevas fórmulas de distribución y control.
Los publishers comienzan a adaptar sus infraestructuras a los sistemas de IA. People Inc., The Economist, Time y Forbes están probando APIs, Markdown y MCP, aunque todavía quedan por definir los modelos comerciales que permitirán monetizar el acceso automatizado a sus contenidos.
Este resumen lo ha creado una herramienta de IA basándose en el texto del artículo, y ha sido chequeado por un editor de PROGRAMMATIC SPAIN.
