31 a 0: el experimento de Mercado Libre que demuestra por qué el contenido humano sigue ganando

31x. Eso es lo que ganó el contenido humano frente al contenido generado por IA en un experimento real sobre posicionamiento en buscadores. No lo hizo una startup. No fue un estudio académico desconectado de la realidad. Lo hizo Sebastián Galanternik, SR SEO Manager de Mercado Libre, con 100 sitios, a lo largo de 3 años.

En 2023 ya ganaba por goleada. Hoy gana por paliza histórica.

El debate sobre si usar IA para crear contenido no es un debate de eficiencia. Es un debate de estrategia. Y los datos dicen algo muy claro: el modelo de "usar IA para crear contenido que posicione en motores de IA" es un bucle que en algún momento va a explotar. De hecho, ya tiene una teoría científica detrás que lo predice. Y los primeros síntomas ya están apareciendo.

Este no es un artículo contra la IA. Es un artículo sobre entender dónde funciona y dónde no.

El experimento: 100 sitios, 3 años, un resultado demoledor

Sebastián Galanternik lleva más de 17 años trabajando en SEO. Fue SEO Manager de Despegar durante siete años, lideró el SEO de Crehana y desde 2023 es Sr. Manager de SEO del marketplace de Mercado Libre para toda Latinoamérica. No es alguien que opina desde la tribuna. Opera desde la cancha, con datos reales y a escala continental.

El experimento que presentó en SEO Camp Buenos Aires fue así de simple en diseño y así de contundente en resultados. Tomó aproximadamente 100 sitios. La mitad con contenido generado 100% por IA. La otra mitad con contenido creado por personas. Mismo período. Mismas condiciones de mercado. Y dejó correr el experimento durante tres años para ver qué pasaba con cada iteración de los modelos de IA.

El diseño del experimento es lo que lo hace tan valioso. No es un A/B test de un mes con 5 páginas. Son 100 sitios observados durante un período en el que la IA pasó de GPT-3.5 a GPT-4, a Claude, a Gemini, a modelos cada vez más sofisticados. Si la IA iba a cerrar la brecha con el contenido humano, este era el escenario perfecto para demostrarlo.

No la cerró. La brecha se amplió.

De goleada a paliza histórica

En la primera medición de 2023, los resultados ya eran claros. El contenido generado por humanos se llevó más del 90% de los clics. Y más del 95% de las ventas. El contenido IA captaba tráfico marginal y convertía todavía menos. La diferencia era significativa, pero algunos podían atribuirla a que los modelos de IA de ese momento todavía eran limitados.

Entonces salieron nuevos modelos. ChatGPT mejoró. Claude apareció. Gemini evolucionó. La calidad del texto generado por IA subió notablemente. Muchos asumieron que la brecha se iba a cerrar.

Tres años después, el contenido humano le ganó por 31x al contenido generado por IA.

No es una diferencia marginal. No es un 10% o un 20%. Es una diferencia de 31 veces. El contenido humano no solo mantuvo su ventaja: la multiplicó. Mientras los modelos de IA mejoraban su capacidad de generar texto, los buscadores mejoraban su capacidad de distinguir qué contenido tiene valor real y cuál no.

Google no se quedó quieto mientras la IA generaba millones de páginas. Reforzó sus señales de calidad, actualizó EEAT, lanzó múltiples Helpful Content Updates y afinó sus sistemas para detectar contenido sin experiencia real detrás. Los modelos de IA producían texto más fluido, pero los algoritmos de Google se volvieron más exigentes con lo que posicionaban.

La IA mejoró el texto. Google mejoró el filtro. Y el filtro ganó.

El bucle que se rompe solo

Hay algo más profundo detrás de estos resultados. Usar contenido generado por IA para posicionarse en motores de IA no es solo una mala estrategia. Es un bucle que, por diseño, se degrada con el tiempo.

La lógica es circular. Los modelos de IA se entrenan con datos de internet. Si internet se llena de contenido generado por IA, los futuros modelos se entrenan con contenido generado por modelos anteriores. Cada iteración pierde un poco de la diversidad, la profundidad y los matices del contenido original humano. Es como hacer fotocopias de fotocopias. Cada generación es un poco más borrosa que la anterior.

Los investigadores lo llaman "model collapse" (colapso de modelo). Y no es una teoría especulativa. Un estudio publicado en Nature por investigadores de Oxford y Cambridge demostró matemáticamente que los modelos de IA entrenados recursivamente con datos sintéticos sufren una degradación progresiva e irreversible. Primero pierden la información de los extremos de la distribución: las perspectivas raras, las voces minoritarias, los matices que hacen rico al contenido. Después, el modelo entero colapsa hacia outputs cada vez más homogéneos y eventualmente sin sentido.

En febrero de 2026, un artículo en Communications of the ACM fue directo: el model collapse no es un riesgo teórico futuro. Ya está ocurriendo en sistemas de producción. Herramientas comerciales de IA ya muestran patrones de degradación, desde generadores de imágenes que producen outputs cada vez más uniformes hasta modelos de texto que pierden diversidad léxica y semántica.

Usar IA para crear contenido que posicione en IA es alimentar el mismo sistema que se está degradando. Es un bucle que se rompe solo.

La ciencia lo confirma: model collapse

El concepto de model collapse merece una explicación más detallada porque tiene implicaciones directas para cualquier estrategia de contenido.

El paper de Nature identificó dos fases. En el "early model collapse", el modelo empieza a perder información de los extremos de su distribución de datos. Los casos raros, las perspectivas inusuales y los puntos de vista minoritarios desaparecen primero. El modelo sigue funcionando, pero su output se vuelve más genérico, más predecible, menos diverso. En el "late model collapse", el sistema pierde variación sustancial y los outputs se vuelven repetitivos o directamente incoherentes.

Lo preocupante es la velocidad. Algunas estimaciones sugieren que más del 50% del contenido en internet ya es generado por IA. Cada blog escrito por ChatGPT, cada imagen creada por Midjourney, cada línea de código producida por Copilot se suma al pool de datos del que se alimentan los futuros modelos. El ciclo recursivo ya empezó. Y según los datos de los investigadores, la degradación no se arregla con modelos más grandes o más datos. Se amplifica.

Para las marcas, esto tiene una implicación estratégica clara. El contenido humano original, con experiencia verificable, datos de primera mano y perspectiva genuina, no solo es mejor hoy. Va a ser exponencialmente más valioso mañana, a medida que el contenido sintético se degrade y los algoritmos se vuelvan más sofisticados para filtrarlo.

El contenido humano no es nostalgia. Es la única materia prima que no se degrada con cada iteración.

Qué significa esto para tu estrategia de contenido

Los resultados de este experimento no significan que la IA sea inútil para el marketing de contenidos. Significa que el rol de la IA tiene que estar bien definido dentro de la estrategia, no ser la estrategia en sí misma.

La IA es extraordinariamente útil para investigación, análisis de datos, ideación, estructuración de contenido y aceleración de procesos editoriales. Lo que no funciona es delegar la creación completa del contenido a la IA y esperar que ese contenido compita en posicionamiento contra contenido creado por personas con experiencia real en el tema.

El propio Galanternik lo tiene claro: los fundamentos del SEO no cambiaron con la llegada de la IA. Las nuevas siglas (AEO, GEO, LLMO) son capas adicionales sobre los mismos principios. No podés hacer ninguna de estas disciplinas sin pensar primero en los fundamentos del SEO.

La recomendación es ser data-driven. Testear. Crear hipótesis sobre qué funciona y medirlo. Experimentar con contenido creado por IA y contenido creado por humanos. Ver qué convierte más. El experimento de Mercado Libre es exactamente eso: una hipótesis testeada con datos reales a escala. Y los datos hablan.

Para las empresas que están armando o revisando su estrategia de contenido en 2026, la conclusión es clara: invertí en personas que conozcan el tema, que tengan experiencia verificable, que puedan aportar perspectiva original. Usá la IA como herramienta de apoyo, no como reemplazo. El contenido que posiciona, convierte y sobrevive a cada actualización de algoritmo es el que tiene un humano con experiencia real detrás.

El debate sobre IA en contenido no es un debate de eficiencia. Es un debate de estrategia. Y la estrategia dice: humano primero, IA como herramienta.