Una canción que parece volverse viral. Un influencer que consigue miles de seguidores en pocos días. Una publicación que recibe cientos de comentarios casi inmediatamente. Un hashtag que aparenta dominar la conversación. Un candidato que parece tener un apoyo masivo en redes sociales.
A primera vista, todos estos fenómenos pueden parecer señales de popularidad.
Pero existe una industria dedicada precisamente a fabricar algunas de esas señales.
Las granjas de bots forman parte de un ecosistema mucho más amplio de automatización, cuentas falsas, dispositivos conectados, operadores humanos, inteligencia artificial y mercados de fake engagement que comercializan seguidores, reproducciones, likes, comentarios y tráfico.
El objetivo no siempre es simplemente inflar un número. En muchos casos, lo que se intenta fabricar es algo mucho más valioso: la percepción de que algo es popular.
Y esa percepción puede terminar convirtiéndose en atención real, dinero, influencia cultural o incluso apariencia de consenso político.
¿Qué es una granja de bots?
Una granja de bots es una infraestructura organizada para controlar múltiples cuentas o dispositivos y ejecutar acciones digitales a escala mediante automatización, operadores humanos o una combinación de ambos.
La palabra “granja” resulta apropiada porque el principio es parecido al de una operación industrial: en lugar de manejar una sola cuenta, el operador controla cientos, miles o incluso más identidades digitales.
Esas cuentas pueden utilizarse para realizar acciones como:
- seguir perfiles;
- dar likes;
- publicar o responder comentarios;
- compartir contenido;
- reproducir videos;
- generar tráfico;
- instalar aplicaciones;
- crear tendencias artificiales;
- amplificar determinadas publicaciones.
No todas las granjas de bots son iguales.
Algunas utilizan servidores y programas automatizados. Otras utilizan teléfonos físicos. También existen operaciones que emplean trabajadores humanos para realizar determinadas acciones y sistemas híbridos que combinan personas, automatización e inteligencia artificial.
Esta evolución ha convertido al fenómeno en algo mucho más complejo que el antiguo bot que publicaba repetidamente el mismo mensaje.
De los scripts a la inteligencia artificial
Las primeras generaciones de automatización social eran relativamente fáciles de reconocer.
Un programa podía crear cuentas, publicar el mismo texto cientos de veces o ejecutar miles de acciones siguiendo una secuencia prácticamente idéntica.
El problema para los operadores era que ese comportamiento dejaba huellas evidentes.
La siguiente generación incorporó proxies, conexiones móviles, dispositivos físicos y cuentas previamente creadas. Las llamadas phone farms utilizan grupos de teléfonos reales conectados a una infraestructura común para ejecutar determinadas acciones.
También apareció un mercado de cuentas antiguas o “envejecidas”, que pueden resultar más valiosas para los operadores porque no presentan el mismo historial que una cuenta recién creada.
Pero la inteligencia artificial está introduciendo una nueva capa.
Un sistema automatizado puede utilizar un modelo de lenguaje para producir diferentes respuestas dependiendo del contenido que encuentra. En lugar de repetir:
“Excelente publicación 🔥”
puede generar comentarios distintos y aparentemente relacionados con el contenido.
Eso no significa que todas las granjas modernas funcionen de esta manera. Pero sí representa un cambio importante: la detección ya no puede depender únicamente de encontrar mensajes repetidos o comportamientos evidentemente mecánicos.
La lucha comienza a desplazarse hacia el comportamiento de la red completa.
La economía del fake engagement
Detrás de las interacciones falsas existe también una economía.
Los denominados Paneles SMM funcionan como mercados de servicios digitales donde pueden comercializarse seguidores, reproducciones, likes, comentarios y otras interacciones.
En la parte inferior del mercado, las operaciones pueden ser extremadamente baratas. La investigación disponible sobre estos mercados muestra precios de unos pocos dólares por miles de interacciones básicas, mientras que servicios que prometen cuentas de mayor calidad o actividad más sofisticada pueden alcanzar precios considerablemente mayores.
La estructura puede parecerse a una cadena de suministro:
Infraestructura → panel mayorista → revendedor → cliente final
Los proveedores pueden utilizar diferentes fuentes de cuentas y tráfico: perfiles creados automáticamente, cuentas antiguas, dispositivos físicos, operadores humanos o incluso credenciales de cuentas comprometidas.
El comprador final puede ser un influencer, una agencia, una marca, un proyecto musical o cualquier persona interesada en aumentar artificialmente determinadas métricas.
Y aquí aparece una distinción fundamental.
Una métrica puede ser falsa aunque el número sea real.
Si una cuenta realmente tiene 50.000 seguidores, el contador puede mostrar 50.000.
La pregunta es:
¿Cuántos de esos seguidores representan personas interesadas en el contenido?
La trampa de las métricas de vanidad
Los seguidores, likes y reproducciones son denominados frecuentemente métricas de vanidad porque pueden resultar impresionantes sin representar necesariamente un resultado comercial.
Comprar 50.000 seguidores no significa vender 50.000 productos.
Conseguir 100.000 reproducciones artificiales no significa conseguir 100.000 oyentes interesados.
Y acumular miles de comentarios no significa que exista una conversación real detrás de ellos.
De hecho, una audiencia artificial puede terminar perjudicando a una cuenta.
Si una publicación tiene 100.000 seguidores pero solamente una pequeña fracción interactúa realmente con ella, la relación entre audiencia y participación puede resultar poco representativa del interés real.
El problema se vuelve especialmente importante cuando las métricas son utilizadas para tomar decisiones comerciales.
Una marca puede interpretar el tamaño de una comunidad como una señal de influencia. Una discográfica puede interpretar determinadas cifras como evidencia de crecimiento. Un anunciante puede evaluar una cuenta por su engagement.
En ese contexto, inflar una métrica puede convertirse en una forma de fraude o de engaño comercial, dependiendo de cómo se utilice.
¿Puede una granja de bots hacer que algo se vuelva viral?
Esta es probablemente una de las preguntas más interesantes.
La respuesta es: puede intentar generar las condiciones para conseguirlo, pero una interacción artificial no garantiza popularidad real.
Imaginemos una publicación que recibe repentinamente miles de interacciones.
Si esas interacciones son detectadas y descartadas, su valor algorítmico puede ser prácticamente nulo.
Pero si determinadas señales artificiales consiguen pasar inicialmente los filtros y generar exposición adicional, el contenido puede llegar a usuarios reales.
A partir de ahí ocurre algo diferente.
Si esos usuarios reales encuentran interesante el contenido, pueden compartirlo, comentarlo o verlo durante más tiempo.
Entonces se produce una cadena potencial:
interacción artificial → exposición → usuarios reales → interacción orgánica
Pero también puede ocurrir:
interacción artificial → exposición → usuarios reales → falta de interés → caída de distribución
Por eso conviene evitar una simplificación habitual: un bot no puede fabricar por sí solo una audiencia humana que quiera consumir el contenido.
Puede intentar fabricar la señal inicial.
La validación definitiva sigue dependiendo de lo que hagan las personas reales.
X y la guerra contra los bots
X se encuentra entre las plataformas donde el problema de los bots ha adquirido mayor visibilidad pública.
La plataforma mantiene políticas específicas contra la manipulación y el spam y ha introducido diferentes mecanismos destinados a elevar el costo de operar cuentas automatizadas masivamente.
Uno de ellos fue Not a Bot, un programa experimental que introdujo una pequeña tarifa anual para determinadas cuentas nuevas en Nueva Zelanda y Filipinas.
La lógica era sencilla: si crear miles de cuentas deja de ser gratuito, la operación automatizada también se vuelve más costosa.
X también modificó sustancialmente las condiciones de acceso a su API, dificultando el funcionamiento de numerosos bots tradicionales que dependían de acceso automatizado a la plataforma.
Pero existe un problema.
Cerrar una puerta no necesariamente elimina la automatización.
Los operadores pueden recurrir a la automatización mediante navegadores, infraestructura distribuida, dispositivos físicos y otras técnicas que no dependen de la API oficial.
X también ha explicado públicamente que puede reducir la distribución de contenido asociado con determinadas conductas de spam o manipulación.
Por eso, la batalla no consiste simplemente en eliminar cuentas.
También consiste en determinar cuánto alcance puede obtener una cuenta o una publicación antes de que sus señales sean consideradas poco confiables.
Meta: cuando el problema es la red y no solamente la cuenta
En Facebook e Instagram, Meta utiliza el concepto de Coordinated Inauthentic Behavior (CIB) para describir determinadas operaciones coordinadas destinadas a engañar a las personas sobre quién está detrás de una actividad o cuál es su origen.
Aquí aparece una diferencia importante.
Una cuenta individual puede parecer completamente normal.
Pero cuando se observan cientos o miles de cuentas juntas pueden aparecer patrones:
- mismas estructuras de administración;
- conexiones repetidas;
- actividad coordinada;
- publicaciones sincronizadas;
- infraestructura compartida;
- relaciones artificiales entre cuentas.
En otras palabras:
Una cuenta puede parecer humana mientras la red a la que pertenece no lo parece.
Meta publica periódicamente informes sobre operaciones que ha eliminado y ha desarrollado sistemas automatizados para identificar cuentas falsas y redes coordinadas.
La escala es enorme. La compañía ha reportado la eliminación de más de mil millones de cuentas falsas en determinados trimestres, muchas de ellas detectadas durante o poco después del proceso de creación.
Esto demuestra algo importante:
el problema no es marginal.
Las plataformas sociales procesan permanentemente cantidades enormes de actividad que nunca llega a convertirse en una cuenta o interacción visible para el usuario normal.
YouTube: cuando un bot también puede convertirse en dinero
En YouTube el problema adquiere otra dimensión porque una reproducción puede tener consecuencias económicas.
La plataforma utiliza sistemas para identificar tráfico considerado inválido y puede ajustar las métricas cuando determina que determinadas reproducciones no representan actividad legítima.
Para los creadores monetizados, las consecuencias pueden ser importantes.
El tráfico inválido puede provocar deducciones de ingresos y, dependiendo de la gravedad y recurrencia, medidas contra la monetización o la cuenta.
Esto explica por qué las granjas de reproducciones representan algo más que una forma de aparentar popularidad.
En determinadas circunstancias, pueden intentar transformar actividad artificial en ingresos reales.
La industria musical conoce especialmente bien este problema.
El fraude de streaming y la industria musical
La música se ha convertido en uno de los mercados donde la manipulación de reproducciones puede tener consecuencias financieras directas.
Una reproducción falsa puede parecer insignificante.
Pero miles, cientos de miles o millones de reproducciones acumuladas pueden modificar estadísticas, alterar la percepción de popularidad y, dependiendo del sistema utilizado, afectar la distribución de regalías.
Un estudio del Centre National de la Musique en Francia estimó que una proporción del streaming musical de ese mercado era objeto de manipulación, situándola aproximadamente entre el 1% y el 3%.
La dimensión económica es importante porque los servicios de streaming distribuyen dinero entre catálogos y titulares de derechos.
Cuando un volumen artificial entra en ese sistema, no solamente se está inflando una estadística: potencialmente se está alterando la distribución de una bolsa económica.
Para un artista independiente, además, existe otro problema.
Una canción puede parecer mucho más popular de lo que realmente es.
Y eso puede influir en decisiones de contratación, promoción, playlists o inversión.
La política: fabricar la apariencia de consenso
Si en la música el objetivo puede ser fabricar popularidad, en política el objetivo puede ser fabricar la apariencia de consenso.
Una operación de influencia puede utilizar cuentas falsas, automatización, operadores humanos y contenido generado por inteligencia artificial para amplificar determinadas narrativas.
No necesariamente necesita convencer directamente a cada persona.
Puede intentar producir una percepción mucho más sencilla:
“Todo el mundo está hablando de esto.”
o:
“La mayoría piensa así.”
Ese fenómeno recibe en determinados contextos el nombre de astroturfing: la creación artificial de la apariencia de un movimiento espontáneo.
También pueden existir operaciones de influencia más complejas, en las que las cuentas construyen relaciones entre sí, interactúan durante largos períodos y utilizan diferentes plataformas.
Casos documentados de operaciones como Spamouflage han demostrado la capacidad de redes coordinadas para operar a través de múltiples servicios y utilizar identidades sintéticas, incluyendo imágenes generadas artificialmente.
La diferencia con una simple granja de likes es fundamental.
Aquí el objetivo no es solamente inflar una cifra.
Es modificar el entorno informativo en el que las personas toman decisiones.
El consenso artificial
Esta es probablemente una de las consecuencias más profundas de la economía de las granjas de bots.
Una persona puede interpretar un comentario con miles de likes como evidencia de que una opinión es ampliamente compartida.
Puede interpretar que un hashtag es tendencia como evidencia de que existe una conversación social masiva.
Puede asumir que una cuenta con cientos de miles de seguidores tiene autoridad.
Pero las métricas digitales no siempre representan personas.
Esto genera una especie de espejismo:
popularidad aparente → percepción de consenso → mayor atención → más exposición
Y, en determinadas circunstancias, esa atención adicional puede terminar generando participación humana auténtica.
El fenómeno puede convertirse entonces en un círculo.
La pregunta deja de ser:
“¿Cuántos bots existen?”
y pasa a ser:
“¿Cuánto poder tiene una señal artificial antes de ser detectada?”
Google: otra batalla contra la atención fabricada
Google enfrenta un problema relacionado, aunque diferente.
Google Search no necesita determinar si un usuario de Instagram es un bot.
Su objetivo es determinar qué páginas deben aparecer en los resultados de búsqueda.
En este terreno, Google ha desarrollado sistemas como SpamBrain y políticas contra diferentes formas de abuso.
La actualización de marzo de 2024, por ejemplo, incorporó políticas específicas contra el denominado scaled content abuse, dirigido a la producción masiva de contenido de poco valor destinada a manipular los resultados de búsqueda.
La política no depende simplemente de determinar si el contenido fue creado mediante inteligencia artificial.
Un contenido producido masivamente por humanos también puede entrar en conflicto con las políticas si su objetivo es manipular los resultados sin aportar valor suficiente.
Google también ha aclarado repetidamente que los likes, seguidores o reposts de redes sociales no son un factor directo de posicionamiento orgánico.
Esto es importante porque desmonta una idea frecuente:
Comprar seguidores no es una estrategia SEO directa.
Lo que sí puede ocurrir es que una campaña social auténtica genere tráfico, búsquedas de marca, enlaces y reconocimiento que terminen produciendo efectos indirectos sobre la presencia digital de una organización.
La diferencia entre ambos escenarios es enorme.
¿Cómo detectan las plataformas una granja de bots?
La respuesta probablemente no está en una única señal.
Las plataformas utilizan múltiples capas de análisis.
1. Infraestructura
Se pueden analizar aspectos como:
- reputación de IP;
- redes y proveedores;
- patrones de conexión;
- dispositivos;
- características del navegador;
- infraestructura compartida.
2. Comportamiento
Los sistemas pueden buscar comportamientos anómalos:
- frecuencia de acciones;
- velocidad;
- patrones repetitivos;
- horarios;
- secuencias de navegación;
- interacción con diferentes tipos de contenido.
3. Redes
Esta capa resulta especialmente importante.
En lugar de analizar una cuenta aislada, los sistemas pueden analizar las relaciones entre miles de cuentas.
Una red que parece normal cuando se observan sus integrantes individualmente puede resultar extraordinariamente anómala cuando se observa como conjunto.
4. Contenido
También pueden analizarse textos, imágenes y otras señales para identificar similitudes o patrones.
Pero la IA generativa está complicando esta capa.
Si cada comentario puede ser diferente, el comentario individual deja de ser una prueba suficiente.
La atención se desplaza hacia el comportamiento general.
Las granjas de bots entran en la era de la IA
La gran transformación que está produciendo la inteligencia artificial no consiste solamente en que los bots puedan escribir mejor.
Es que puede reducir significativamente el costo de producir variaciones de comportamiento y contenido.
Un operador ya no necesariamente necesita preparar manualmente cientos de respuestas.
Puede generar múltiples variantes.
Puede producir diferentes imágenes.
Puede construir perfiles sintéticos.
Puede adaptar mensajes a diferentes idiomas o comunidades.
Y puede combinar esas capacidades con infraestructura automatizada.
Esto no significa que las granjas tradicionales hayan desaparecido.
De hecho, probablemente coexistirán durante mucho tiempo:
automatización barata + operadores humanos + dispositivos físicos + cuentas antiguas + IA generativa.
El futuro de la manipulación probablemente será híbrido.
El problema no es que existan bots
Hay una distinción que suele perderse en esta discusión.
No todos los bots son malos.
Los motores de búsqueda utilizan crawlers.
Los servicios de monitoreo utilizan automatización.
Las empresas emplean sistemas automáticos de atención al cliente.
Los desarrolladores utilizan bots para tareas legítimas.
Las plataformas también dependen de automatización para moderar y proteger sus propios servicios.
El problema aparece cuando la automatización se utiliza para engañar sobre la existencia, identidad o magnitud de una actividad humana.
Ahí es donde aparece el concepto de actividad inauténtica.
La verdadera batalla: demostrar que la atención es real
Durante años, Internet convirtió la atención en números.
Seguidores.
Likes.
Views.
Comentarios.
Reproducciones.
Impresiones.
Clicks.
Pero la aparición de sistemas capaces de fabricar esas señales obliga a reconsiderar lo que significan.
Un millón de reproducciones puede ser una señal extraordinaria.
O puede ser una cifra sin prácticamente ningún valor.
Una cuenta puede tener 500.000 seguidores y poca influencia.
Una canción puede tener millones de reproducciones y no haber creado una comunidad.
Una publicación puede tener miles de comentarios y haber generado muy poca conversación humana.
Y una tendencia puede parecer espontánea cuando en realidad ha sido amplificada artificialmente.
Por eso, la próxima batalla de las plataformas probablemente no será simplemente contra los bots.
Será contra la incertidumbre sobre qué parte de la atención digital es auténtica.
La fábrica de popularidad
Las granjas de bots representan solamente una pieza de una transformación mucho mayor.
Internet convirtió la atención en un activo económico.
Las plataformas desarrollaron algoritmos para distribuirla.
Los creadores aprendieron a competir por ella.
Las marcas comenzaron a comprarla.
Y una industria paralela descubrió que también podía fabricarla.
La inteligencia artificial no creó este mercado, pero puede hacerlo más sofisticado.
La consecuencia es que una de las preguntas más importantes de la Internet contemporánea ya no es solamente:
¿Cuántas personas vieron esto?
Sino:
¿Cuántas personas reales estuvieron detrás de esa cifra?
Porque una métrica puede ser auténtica.
Una interacción puede ser real.
Una cuenta puede existir.
Y aun así, la historia que esos números parecen contar puede ser completamente falsa.
De las reproducciones musicales a las campañas políticas, la misma economía opera detrás de escenarios aparentemente muy diferentes: convertir actividad artificial en la apariencia de atención humana.
Y en una Internet donde la atención significa dinero, influencia y poder, fabricar popularidad también significa fabricar una percepción de realidad.
