Wired→ original

Wikipedia pierde lectores por culpa de AI Overviews: el ciclo de voluntarios, en riesgo

Wired cuenta que la comunidad de Wikipedia llevaba años viendo la IA generativa como una moda pasajera. Se equivocó. Desde el lanzamiento de AI Overviews en Google, los usuarios entran cada vez menos en la enciclopedia. En 2025, la Wikimedia Foundation informó de una caída del tráfico humano de alrededor del 8% interanual. El problema va más allá de las visitas: Wikipedia vive de voluntarios que salen de entre sus lectores y de donaciones. Si el lector no llega a la página, se rompe todo el ciclo. • El tráfico cae, mientras crece la carga que generan los bots de recopilación de datos. • Los modelos aprenden de Wikipedia, pero no le devuelven lectores. • Peligran la incorporación de nuevos editores y la recaudación de donaciones.

Procesado por IA desde Wired; editado por Hamidun News
Wikipedia pierde lectores por culpa de AI Overviews: el ciclo de voluntarios, en riesgo
Fuente: Wired. Collage: Hamidun News.
◐ Escuchar artículo

Los editores de Wikipedia llevaron mucho tiempo viendo la IA generativa como un hype más, de los que primero despegan y luego se desinflan, como ocurrió con el blockchain y los metaversos. En un nuevo reportaje, Wired describe cómo esa certeza no se ha cumplido. Los resúmenes de los buscadores, como Google AI Overviews, lanzados en EE.

UU. en mayo de 2024, responden a la pregunta directamente en la página de resultados. El artículo de Wikipedia en el que se apoya en buena medida ese resumen se queda sin leer.

Wired sostiene que la pérdida es mucho más grave que una caída de visitas: lo que se pone en duda es el propio modelo sobre el que se sostiene la enciclopedia.

Menos lectores, más carga

Las cifras disponibles en abierto componen un panorama poco alentador. En octubre de 2025, la Wikimedia Foundation informó de que, tras revisar sus algoritmos de detección de bots, las visitas humanas a las páginas eran aproximadamente un 8% inferiores a las de un año antes. Entre las causas, la fundación citó la IA generativa y las redes sociales, donde la audiencia joven obtiene cada vez más respuestas sin entrar en el sitio.

Los datos de Pew Research Center de 2025 muestran la mecánica de este efecto. Cuando los resultados incluyen un resumen de IA, los usuarios hacen clic en un enlace convencional en torno al 8% de las veces. Sin resumen, esos clics rondan el 15%. Los enlaces dentro del propio resumen reciben clics en cerca del 1% de los casos.

Al mismo tiempo, crece la carga sobre la infraestructura. Wikimedia ya había señalado que, desde enero de 2024, el tráfico de descarga de contenido multimedia ha aumentado un 50%, y buena parte de ese aumento procede de recopiladores automáticos de datos para entrenar modelos.

  • Escala del proyecto: más de 65 millones de artículos en 300+ idiomas.
  • Tráfico humano: alrededor de −8% interanual, según la Wikimedia Foundation (2025).
  • Clics cuando hay resumen de IA: alrededor del 8% frente al 15% sin él (Pew).
  • Carga de descarga de contenido multimedia: +50% desde enero de 2024.

Un ciclo que depende de las personas

Wikipedia funciona como una cadena de montaje. El lector detecta un error, lo corrige, se engancha y con el tiempo se convierte en editor. Parte de los lectores dona el dinero del que vive la fundación, que no muestra publicidad. Cada eslabón depende de que la persona vea la página y no un resumen de ella.

El resumen de IA corta ese camino. El modelo toma un texto que escribieron y revisaron voluntarios y se lo entrega al usuario sin atribución o con un enlace diminuto. El lector no sabe que detrás de la respuesta hay una comunidad y no recibe ningún motivo para unirse o pagar. Mientras tanto, la enciclopedia sigue siendo la principal fuente de hechos para los propios modelos, de modo que estos dependen de un proyecto que ellos mismos están agotando.

La fundación intenta negociar con criterio comercial. A través de su rama Wikimedia Enterprise, vende a grandes empresas acceso estructurado a los datos, y en enero de 2026, según las informaciones, se sumaron a su lista de clientes Amazon, Meta, Microsoft, Mistral AI y Perplexity. Eso aporta dinero y alivia parte de la carga de los servidores. Pero el pago de una empresa no sustituye al editor de carne y hueso que alguna vez fue un lector casual.

Qué hacer

Para quienes construyen productos sobre LLM, la conclusión es sencilla: hay que sostener la fuente de conocimiento, no solo citarla. Una atribución visible con enlace, el uso de una API de pago en lugar del scraping masivo y una indicación honesta del origen de los datos salen más baratos que la degradación del dataset del que depende la calidad de las respuestas.

Para editores y propietarios de sitios web, Wikipedia funciona como señal temprana. Si una enciclopedia con su reputación pierde clics, los recursos de nicho deberían medir la proporción de audiencia directa y de suscriptores, y no solo el tráfico de búsqueda. Al usuario común le basta con adquirir el hábito de abrir la fuente que hay bajo la respuesta de la IA, sobre todo cuando se trata de fechas, cifras y temas polémicos. Son precisamente esos clics los que hoy deciden si la próxima versión de la enciclopedia tendrá quien la escriba.

ZK
Hamidun News
Noticias de AI sin ruido. Selección editorial diaria de más de 50 fuentes. Producto de Zhemal Khamidun, Head of AI en Alpina Digital.
✦ Hands-On AI Engineering

Build & Ship Production AI Apps with Vibe Coding

Join Zhemal Khamidun's hands-on Vibe Coding Intensive at hamidun.com/vibecoding — master Claude Code, Cursor, and autonomous agentic workflows.

Explore Vibe Coding →Vibe Academy Platform
¿Qué te parece?
Cargando comentarios…