Por frustrante que parezca, esta se está convirtiendo cada vez más en la realidad de las Smart TV premium modernas.

Qué pasó

Este escenario ocurrió recientemente con el propietario de una TV OLED de LG, quien compartió una captura de pantalla en Reddit mostrando un banner promocional apareciendo en la esquina inferior izquierda de la pantalla durante la secuencia de inicio de una PlayStation 5. El anuncio, que promocionaba “pizzas y favoritos para una noche de películas”, aparecía directamente sobre la imagen de la consola transmitida por HDMI, y no dentro de la interfaz de la Smart TV de LG. Según el usuario, el banner comenzó a aparecer únicamente después de una actualización reciente de firmware.

Además, el incidente no parece haber sido un caso aislado. Por las mismas fechas, otro propietario de una LG OLED publicó en Reddit una queja sobre “anuncios emergentes para hacer pedidos en Instacart” que aparecían en su TV de 1.500 dólares mientras usaba una PS5. El usuario explicó que ya había desactivado las funciones publicitarias en la configuración cuando compró la TV, pero que los anuncios aparentemente regresaron más tarde.

“Tuve que buscar en la configuración para desactivarlo, o al menos pensé que lo había hecho. Encendí la TV, inicié mi PS5 y apareció otro anuncio. Compras una TV insignia y te llenan de anuncios. Increíble. No volveré a comprar LG y, si todos los fabricantes están haciendo esto, simplemente no compraré una TV. Estoy furioso”.

Otro comentarista en la misma discusión describió una experiencia casi idéntica, afirmando que había desactivado todos los anuncios tan pronto como compró la TV, solo para encontrarse más adelante con otro anuncio promocional mientras utilizaba su consola:

“Ayer la encendí junto con mi PS5 y apareció algún tipo de anuncio en la parte inferior de la pantalla... Me molestó muchísimo”.

Por qué parece especialmente injusto

Lo que diferencia este caso del habitual desorden publicitario de las Smart TV es el lugar donde aparece el anuncio. No se trata de un anuncio dentro de Netflix, YouTube o la pantalla de inicio de LG. Se está superponiendo sobre contenido proveniente de un dispositivo externo por el que el usuario ya pagó.

Ya nos hemos acostumbrado a tolerar anuncios y recomendaciones dentro de aplicaciones de streaming y menús de Smart TV, pero la publicidad superpuesta a la entrada de una consola resulta considerablemente más invasiva. En ese momento ya no estás interactuando con la plataforma de LG ni con un servicio de streaming: simplemente estás usando tu PlayStation. Precisamente eso es lo que hace que toda la situación resulte tan intrusiva y, en cierto modo, deprimente.

Otro aspecto especialmente frustrante es que estos cambios aparentemente llegaron a través de una actualización de firmware, lo que significa que los propietarios no compraron la TV en ese estado. Adquirieron un producto y, con el tiempo, las actualizaciones de software lo transformaron silenciosamente —o más bien lo degradaron— en algo completamente distinto.

Una TV premium ya no se comporta como un producto estático que pertenece por completo a la persona que lo compró, sino cada vez más como una plataforma publicitaria controlada de forma remota, cuyo comportamiento, funciones y nivel de intrusión pueden modificarse a discreción del fabricante mucho tiempo después de que la compra haya sido realizada.

Cruzando la línea

El problema no es simplemente que existan anuncios en las Smart TV. Esa batalla se perdió hace años. Las pantallas de inicio llenas de contenido patrocinado, los avances que se reproducen automáticamente, las recomendaciones y las promociones de servicios de streaming ya se han convertido en algo habitual en la mayoría de las plataformas de TV.

El problema es que los fabricantes han dejado de limitar la publicidad a sus propios ecosistemas de software.

Mostrar anuncios sobre las entradas HDMI cambia fundamentalmente la relación entre el usuario y el dispositivo. Si alguien está utilizando una PlayStation, Xbox, Apple TV, reproductor Blu-ray o PC, la televisión debería funcionar como una pantalla, no como una capa publicitaria activa colocada entre el usuario y su propio hardware.

Al menos eso es lo que todavía parece intuitivamente correcto, aunque los límites de lo que se considera “aceptable” en las Smart TV se han ido deteriorando gradualmente durante años.

Pero, en cierto modo, ya veíamos venir esto. Hace algunos años escribimos sobre una patente registrada por Roku que describía una tecnología capaz de mostrar anuncios sobre dispositivos conectados por HDMI, incluidas consolas de videojuegos, dispositivos de streaming y reproductores multimedia.

El sistema descrito en la patente permitiría que la televisión detectara pausas o determinados momentos durante la reproducción de contenido externo e insertara temporalmente anuncios directamente en la pantalla, incluso cuando el usuario no estuviera interactuando con el software de Roku.

En aquel momento, muchas personas lo descartaron como otra patente especulativa más, pero reflejaba una dirección mucho más amplia hacia la que la industria de las Smart TV se ha estado moviendo durante años: convertir cualquier superficie posible —incluidas las entradas HDMI tradicionalmente consideradas libres de interferencias— en espacios publicitarios monetizables.

Lo que está ocurriendo ahora en las televisiones de LG demuestra que ese futuro ya no es hipotético.

LG como uno de los pioneros en convertir los televisores en plataformas publicitarias

Esto no ocurrió de la noche a la mañana. LG lleva años ampliando de forma constante sus sistemas de publicidad y monetización de audiencia dentro de su ecosistema de Smart TV.

En 2021, se informó de que las televisiones OLED de LG comenzaron a reproducir automáticamente anuncios en video con sonido dentro de la tienda de aplicaciones de la compañía mientras los usuarios simplemente actualizaban aplicaciones. En aquel momento, la experiencia fue considerada sorprendentemente agresiva incluso para los estándares de las Smart TV.

En 2024 surgieron informes de que algunas televisiones LG comenzaron a mostrar anuncios durante el modo de protector de pantalla cuando permanecían inactivas. Más recientemente, LG fue aún más lejos al integrar tecnologías publicitarias impulsadas por IA capaces de analizar el comportamiento de los espectadores y su nivel de implicación emocional para personalizar los anuncios.

La idea de que una televisión no solo supervise lo que las personas ven, sino que también intente inferir cómo reaccionan emocionalmente al contenido para mostrar publicidad más eficaz, lleva a las Smart TV a un terreno que se parece menos a la electrónica de consumo y más a una infraestructura de vigilancia invasiva instalada directamente en la sala de estar.

Las iniciativas de LG en la industria publicitaria reflejan un cambio mucho más amplio que se ha producido en el sector durante la última década. Los fabricantes de televisores dejaron de considerar el software de las Smart TV como una característica secundaria y comenzaron a verlo como un negocio publicitario a largo plazo. Roku se convirtió en uno de los ejemplos más claros de esta transición, posicionándose abiertamente como una empresa publicitaria basada en datos de interacción televisiva. Samsung, Vizio, Amazon, Google TV y LG siguieron caminos similares.

Independientemente de lo que afirmen estas compañías, el verdadero valor a largo plazo para ellas proviene cada vez más de recopilar datos de comportamiento, mostrar anuncios, medir la interacción y monetizar a los espectadores mucho después de que el televisor salga de la tienda.

Algunos fabricantes ya ni siquiera intentan ocultar este cambio. En 2023, una empresa llamada Telly comenzó a ofrecer televisores 4K de 55 pulgadas “gratuitos”, construidos completamente en torno a la publicidad constante y la recopilación de datos, con una segunda pantalla integrada dedicada permanentemente a noticias, contenido patrocinado y anuncios.

Al menos en ese caso, la contraprestación es explícita desde el principio. Aun así, muchas personas esperan de forma inconsciente que los productos premium estén de alguna manera exentos de estas prácticas. Aunque la monetización agresiva en dispositivos económicos pueda parecer aceptable para algunos, casi nadie espera que una televisión OLED insignia que cuesta más de 1.000 dólares se comporte como una valla publicitaria digital que se convierte cada vez más en una máquina expendedora de anuncios después de la compra.

Qué impulsa los anuncios en las Smart TV

La razón por la que las Smart TV pueden hacer todo esto está directamente relacionada con la cantidad de datos que recopilan sobre los usuarios y sus hábitos de visualización. Las Smart TV modernas dependen en gran medida de una tecnología llamada Reconocimiento Automático de Contenido (Automatic Content Recognition o ACR).

Este sistema permite que los televisores identifiquen y analicen el contenido que aparece en la pantalla independientemente de su origen: aplicaciones de streaming, decodificadores, televisión en directo, reproductores multimedia e incluso dispositivos conectados mediante HDMI.

Según la propia política de privacidad de LG, la compañía puede recopilar:

• Información sobre los canales y programas vistos
• Servicios de streaming y aplicaciones utilizadas
• Tiempo de visualización
• Acciones de reproducción, como reproducir, pausar, detener y hacer clic
• Métodos de entrada, incluidos los dispositivos HDMI
• Información relacionada con consolas de videojuegos y reproductores multimedia
• Datos sobre la exposición a anuncios
• Activaciones y cancelaciones de suscripciones
• Interacciones mediante comandos de voz
• Identificadores de dispositivos y análisis de comportamiento

LG afirma explícitamente que su tecnología ACR puede identificar contenido “independientemente de la fuente”, incluidas consolas de videojuegos, decodificadores y dispositivos multimedia externos conectados mediante HDMI.

Su división publicitaria, LG Ad Solutions, promociona abiertamente esta capacidad entre los anunciantes. La compañía ofrece segmentación basada en el comportamiento de los jugadores, el uso de aplicaciones, los hábitos de visualización, las preferencias de streaming, la actividad relacionada con suscripciones e incluso la exposición a anuncios específicos.

Entre las categorías de segmentación promovidas por LG se encuentran:

• Jugadores que utilizan consolas y plataformas específicas
• Espectadores de determinados servicios de streaming y géneros de contenido
• Usuarios expuestos a anuncios de la competencia
• Personas que ven mucha o poca televisión
• Activaciones y cancelaciones de suscripciones
• Segmentación regional y basada en la ubicación

LG describe esta información como “datos determinísticos de audiencia” recopilados “a nivel de pantalla”.

En resumen, esta recopilación incesante de datos detallados es lo que hace que las Smart TV modernas sean fundamentalmente diferentes de los televisores antiguos. Ya no son pantallas pasivas. Son plataformas conectadas de análisis de datos que recopilan constantemente información sobre el comportamiento de los usuarios para optimizar la publicidad, las recomendaciones y la segmentación de audiencias.

Cómo deshacerse de los anuncios en las Smart TV

La forma más eficaz de limitar los anuncios, el rastreo y las promociones no deseadas en las Smart TV es desconectarlas completamente de Internet y utilizarlas únicamente como pantallas junto con dispositivos externos como Apple TV, Chromecast, consolas de videojuegos o dispositivos de streaming.

Sin acceso a Internet, la televisión pierde gran parte de su capacidad para descargar nuevos módulos publicitarios, obtener contenido promocional, transmitir datos analíticos e introducir silenciosamente nuevas funciones mediante actualizaciones de firmware. Por supuesto, esto también implica una gran concesión y, en cierto modo, anula el propósito principal de comprar una televisión “inteligente”.

Si deseas mantener la televisión conectada, todavía puedes intentar desactivar manualmente algunas de las funciones de publicidad y recomendaciones de LG. En los televisores de la marca, esto suele hacerse accediendo a Configuración → General → Sistema → Configuración adicional → Configuración de Inicio y desactivando opciones como “Promoción de Inicio” y “Recomendaciones de contenido”.

El problema es que las actualizaciones de firmware han sido acusadas repetidamente de volver a activar sistemas promocionales o de introducir silenciosamente nuevos comportamientos publicitarios más adelante. También conviene recordar que, incluso con el ACR desactivado, tu Smart TV seguirá pudiendo recopilar ciertos datos sobre ti, incluida potencialmente información sobre tu ubicación y las aplicaciones que utilizas.

Otra opción es bloquear anuncios y rastreadores a nivel de red cambiando el servidor DNS de la televisión. Como los televisores LG utilizan WebOS, los usuarios no pueden simplemente instalar aplicaciones tradicionales de bloqueo de anuncios o extensiones de navegador directamente en el dispositivo, lo que convierte al filtrado DNS en una de las pocas formas prácticas de limitar los anuncios en la TV.

El filtrado DNS funciona impidiendo que la televisión se conecte a dominios conocidos de publicidad, análisis de datos, telemetría y rastreo.

Sin embargo, no es una solución perfecta. Algunos anuncios y elementos promocionales pueden estar integrados directamente en el software de la televisión y seguir apareciendo incluso sin contactar con servidores externos. Además, el filtrado DNS no puede bloquear anuncios distribuidos a través de los mismos dominios utilizados por servicios o aplicaciones legítimos de la televisión, ya que bloquear esos dominios también provocaría que dichos servicios dejaran de funcionar.

Servicios como AdGuard DNS permiten aplicar este tipo de filtrado simplemente cambiando el servidor DNS de la televisión. Quienes deseen tener un mayor control también pueden utilizar AdGuard DNS Privado o herramientas como AdGuard Home y Pi-hole para configurar su propio servidor DNS privado, con filtrado personalizado, análisis, listas de bloqueo y reglas específicas para Smart TV y otros dispositivos conectados.

Una interfaz más cómoda

También simplificamos la navegación eliminando las animaciones de deslizamiento y reemplazándolas por botones de acción visibles. Menos funciones ocultas, menos gestos accidentales y acceso más rápido a las acciones que realmente necesitas.

Mantener AdGuard Mail actualizado ahora es mucho más fácil

A partir de la versión 1.5, la app puede avisarte cuando haya una nueva versión disponible. Cuando veas la notificación de actualización, solo tienes que hacer clic para iniciar el proceso directamente desde la interfaz.

¿Y si ya estás usando la versión más reciente? Entonces no cambia nada, lo que significa que quienes actualicen a la v1.5 todavía no verán esta función en acción.

Temp mail toma el protagonismo

Poco a poco estamos dando más importancia a las direcciones de correo temporales, y la pantalla principal de la app ahora refleja ese cambio. A partir de ahora, la pantalla predeterminada abrirá en Temp mail en lugar de Aliases.

Los aliases siguen siendo una parte importante de AdGuard Mail y, para asegurarnos de que sigan siendo fáciles de encontrar, la nueva pantalla principal incluye un recordatorio de que siempre estarán ahí cuando los necesites.

Cuéntanos qué te pareció

Tus comentarios juegan un papel muy importante en la evolución de AdGuard Mail, y nos encantaría saber qué te pareció esta nueva versión. Si tienes sugerencias, ideas, reportes de errores o simplemente quieres compartir tu experiencia, envíanos tus comentarios a través del formulario de AdGuard Mail.

Aunque el Historial de Ubicaciones está técnicamente desactivado por defecto, Google insiste repetidamente en que los usuarios lo activen durante la configuración de Android y en aplicaciones como Maps, Fotos y Assistant. Una vez activado, sigue recopilando datos de ubicación en segundo plano, incluso cuando no estás usando activamente los servicios de Google. Con el tiempo, esto crea una cronología extremadamente detallada de tus movimientos, rutinas y hábitos.

Esa cronología puede revelar mucho más de lo que mucha gente imagina: dónde duermes, dónde trabajas, qué clínicas visitas, qué bares frecuentas, cuándo asistes a servicios religiosos, sesiones de terapia o vas al apartamento de alguien a las 11 de la noche.

La mayoría de los usuarios probablemente consideraría esa información profundamente privada. Sin embargo, el gobierno de Estados Unidos ahora sostiene lo contrario. Y ese argumento está en el centro de un importante caso de la Corte Suprema que podría remodelar la privacidad digital en EE. UU..

El caso que podría cambiar la forma en que se entienden los datos de ubicación

El caso gira en torno a Okello Chatrie, quien fue visto en imágenes de vigilancia hablando por celular mientras robaba la cooperativa de crédito Call Federal Credit Union en Midlothian, Virginia, el 20 de mayo de 2019. Según los investigadores, Chatrie entró armado al banco, amenazó a los empleados y escapó con aproximadamente 195 mil dólares en efectivo.

La policía tenía pocas pistas, pero notó que hablaba por teléfono durante el robo. Ese detalle llevó a los investigadores a solicitar a Google una orden de geofence. Una orden de geofence es un tipo de orden judicial que obliga a la empresa a entregar datos de ubicación de todos los dispositivos detectados dentro de cierta área durante un periodo específico. En este caso, las autoridades solicitaron datos de todos los dispositivos dentro de un radio aproximado de 150 metros alrededor del banco durante el horario del robo. Posteriormente, defensores de la privacidad que apoyaban a Chatrie compararon el área de búsqueda con varios campos de fútbol colocados uno junto a otro, lo suficientemente grande como para incluir casas, negocios cercanos e incluso una iglesia, no solo el banco.

Google entonces buscó en su base de datos del Historial de Ubicaciones y devolvió datos anonimizados vinculados a dispositivos que habían estado en esa zona. Inicialmente, los investigadores recibieron información relacionada con 19 dispositivos. A partir de ahí, sin obtener nuevas órdenes judiciales, la policía solicitó historiales de ubicación adicionales de dispositivos seleccionados durante un periodo más largo para analizar sus movimientos antes y después del robo. Finalmente, las autoridades pidieron a Google que desanonimizara por completo tres cuentas.

Una de ellas pertenecía a Okello Chatrie. Más tarde, los investigadores registraron su casa y supuestamente encontraron alrededor de 173 mil dólares en efectivo, además de armas de fuego y ropa relacionada con el robo. Los datos de ubicación terminaron convirtiéndose en una de las principales pruebas utilizadas en su contra.

En 2026, el caso — Chatrie v. United States — está siendo debatido en la Corte Suprema de EE. UU., que decidirá si este tipo de órdenes de geofence violan las protecciones de la Cuarta Enmienda contra búsquedas e incautaciones irrazonables.

¿Privado o no?

La posición del gobierno estadounidense es básicamente esta: los usuarios activaron voluntariamente el Historial de Ubicaciones, compartieron voluntariamente esos datos con Google y, por lo tanto, no pueden esperar que permanezcan privados. Los fiscales también argumentan que los datos de ubicación reflejan movimientos realizados en espacios públicos, por lo que recopilar esos registros no sería lo mismo que revisar la casa o el diario personal de alguien. Los defensores de la privacidad y el equipo legal de Chatrie discrepan fuertemente de esa interpretación.

Para empezar, aunque el Historial de Ubicaciones es técnicamente opcional, Google pasó años presionando agresivamente a los usuarios para activarlo. Durante la configuración de Android y dentro de Google Maps, Fotos, Assistant y otras aplicaciones, se anima repetidamente a los usuarios a encender la función para “mejorar” la experiencia o desbloquear determinadas funciones. Una vez activado, el ajuste se expande silenciosamente entre dispositivos y servicios, recopilando continuamente datos de ubicación en segundo plano. Volver a desactivarlo es posible, pero Google no hace que el proceso sea particularmente evidente. Mensajes internos de la empresa citados en documentos judiciales incluso describieron partes de la interfaz como si estuvieran diseñadas para dificultar que las personas descubrieran cómo desactivar completamente el rastreo.

Y además está la cuestión más amplia: el hecho de que algo ocurra técnicamente “en público” no significa que las personas esperen que el gobierno —y mucho menos una empresa privada como Google— cree registros históricos consultables sobre ello.

Puedes entrar a una farmacia en público. Puedes visitar el consultorio de un terapeuta, un casino o el edificio de apartamentos de otra persona en público. Eso no significa que la mayoría de las personas espere que cada una de esas visitas quede registrada, almacenada durante años y posteriormente accesible para la policía mediante una gigantesca base de datos corporativa.

Por su parte, la defensa de Chatrie argumenta que el Historial de Ubicaciones es mucho más revelador que los registros comerciales comunes con los que el gobierno intenta compararlo. Con el tiempo, puede exponer rutinas, relaciones, actividades políticas, preocupaciones médicas, creencias religiosas y muchos otros detalles profundamente personales. Y aunque Google inicialmente proporcionó identificadores anonimizados de dispositivos, los defensores de la privacidad sostienen que los datos de ubicación son notoriamente fáciles de reidentificar. Unos pocos puntos de ubicación suelen bastar para determinar dónde vive alguien, dónde trabaja y, en última instancia, quién es.

Esa preocupación no es teórica. Documentos judiciales del caso señalan que el propio Google tiene la capacidad de desanonimizar usuarios internamente. Investigadores y expertos en privacidad también han demostrado repetidamente cómo conjuntos de datos de ubicación supuestamente anónimos pueden vincularse nuevamente a personas reales utilizando información disponible públicamente.

En otras palabras, el gobierno está argumentando esencialmente que una de las formas más sensibles de datos personales que las personas generan hoy debería recibir protecciones constitucionales más débiles simplemente porque está almacenada en los servidores de Google y no en un archivador dentro de casa.

Por qué esto genera preocupaciones sobre privacidad

Ahora ampliemos un poco la perspectiva y analicemos por qué las órdenes de geofence preocupan a los defensores de la privacidad mucho más allá de este caso específico de robo.

La Cuarta Enmienda fue escrita específicamente para proteger a las personas contra búsquedas gubernamentales amplias y sin sospecha concreta. Establece que las órdenes judiciales deben basarse en causa probable y describir específicamente el lugar que se registrará y las personas u objetos que se incautarán. En términos simples, el gobierno debería saber a quién o qué está buscando antes de comenzar a revisar información privada.

Tradicionalmente, los investigadores identificaban primero a un sospechoso y solo después buscaban autorización para acceder a sus bienes o registros. Las órdenes de geofence invirtieron completamente esa lógica. Ahora, la policía primero recopila datos de todas las personas presentes dentro de un perímetro digital y solo después reduce la lista de posibles sospechosos. En la práctica, estas órdenes arrastran silenciosamente a personas inocentes a investigaciones simplemente porque sus dispositivos estaban cerca. Residentes, empleados, clientes, pasajeros, repartidores y transeúntes pueden terminar dentro de una red de vigilancia policial sin siquiera saberlo.

Y aunque las autoridades suelen describir el proceso como anónimo, los datos de ubicación rara vez son anónimos en un sentido significativo. Los patrones de movimiento son profundamente personales por naturaleza. Unos pocos puntos de ubicación suelen revelar dónde vive alguien, dónde trabaja, con quién pasa tiempo y qué lugares visita regularmente.

Ya exploramos cuán reveladores pueden llegar a ser los datos de ubicación móvil en nuestro artículo sobre Webloc y el mercado oculto de inteligencia de ubicación. Los mismos tipos de datos recopilados para publicidad, análisis y funciones de aplicaciones han alimentado silenciosamente toda una industria construida alrededor del rastreo de movimientos, la creación de perfiles de comportamiento y la venta de inteligencia de ubicación a empresas privadas y agencias gubernamentales. Las órdenes de geofence terminan accediendo exactamente a ese mismo ecosistema. Si quieres entender mejor cuán valiosos e invasivos se han vuelto los datos de ubicación, vale la pena leer esa historia.

Tratar este tipo de información como algo de libre acceso simplemente porque fue subida a un servicio en la nube corre el riesgo de normalizar un modelo de vigilancia en el que las autoridades puedan mapear retroactivamente los movimientos de grupos enteros de personas cuando quieran. Y una vez que sistemas así existen, la historia sugiere que rara vez permanecen limitados durante mucho tiempo.

Lo que comienza como una herramienta para investigar delitos graves puede expandirse gradualmente hacia formas más amplias de monitoreo, especialmente cuando los gobiernos se acostumbran a tener acceso a enormes volúmenes de datos de comportamiento recopilados por empresas privadas.

Google trasladó el historial de ubicación al dispositivo, pero el problema sigue ahí

En parte como respuesta a la creciente reacción negativa contra las órdenes de geofence y el rastreo masivo de ubicación, en diciembre de 2023 la empresa anunció que comenzaría a mover los datos del Historial de Ubicaciones desde la nube directamente a los dispositivos de los usuarios, con la transición desarrollándose a lo largo de 2024. Para julio de 2025, las búsquedas de geofence a gran escala contra la base de datos centralizada del Historial de Ubicaciones de Google prácticamente dejaron de ser posibles de la misma manera que antes, simplemente porque Google ya no almacenaba el historial de movimientos de todos reunido en sus propios servidores.

Eso fue, sin duda, algo positivo para la privacidad. Pero el problema más grande no desapareció mágicamente junto con la antigua base de datos en la nube de Google.

Como advirtieron la Electronic Frontier Foundation (EFF), la ACLU y otros grupos de privacidad en su escrito presentado ante la Corte Suprema en apoyo a Chatrie, este caso nunca se trató realmente solo de Google. Se trata de la idea más amplia de que las empresas pueden acumular silenciosamente enormes cantidades de datos de comportamiento sobre millones de personas y de que los gobiernos posteriormente puedan tratar esas bases de datos como terreno libre para investigaciones.

Google está lejos de ser la única empresa que recopila datos de ubicación. Innumerables aplicaciones, corredores de datos, empresas de publicidad, operadoras de telecomunicaciones y compañías de análisis continúan recopilando y monetizando información extremadamente detallada sobre a dónde van las personas y qué hacen. Hoy existen industrias enteras dedicadas a comprar, vender, analizar y compartir inteligencia de ubicación.

Precisamente por eso este caso sigue siendo tan importante incluso después de que Google cambiara sus sistemas, y es aquí donde deja de tratarse únicamente de un robo para convertirse en una disputa mucho más grande sobre qué significa realmente “privado” en la era digital.

Qué puedes hacer

La incómoda realidad es que los smartphones modernos son máquinas de rastreo por diseño. No existe un botón mágico que te dé todas las funciones de conveniencia sin ningún sacrificio de privacidad.

Aun así, reducir la cantidad de datos de ubicación que se recopilan sigue siendo muy importante.

Si no utilizas activamente la Cronología de Google Maps u otras funciones similares, considera desactivar por completo el Historial de Ubicaciones y eliminar registros antiguos de tu cuenta de Google. También vale la pena revisar qué aplicaciones realmente necesitan acceso constante a tu ubicación y cambiar permisos innecesarios a “Mientras se usa la app” o eliminarlos por completo. En la mayoría de los casos, hay poca razón para mantener la geolocalización precisa activada todo el tiempo si no estás utilizando navegación, mapas o funciones basadas en ubicación en ese momento. Y de manera más general, vale la pena recordar que las funciones convenientes suelen sobrevivir silenciosamente a las razones originales por las que las activaste.

La decisión de la Corte Suprema, prevista para finales de este verano, podría terminar afectando mucho más que solo las órdenes de geofence. El caso podría ayudar a definir cuánta privacidad tienen realmente las personas sobre datos digitales sensibles almacenados por empresas como Google y cuán fácilmente los gobiernos pueden acceder a ellos.

No estamos aquí para quitar mérito a quien lo merece: combatir anuncios maliciosos es importante. Pero también es algo que se espera de Google como dueño de la plataforma. Los resultados son dignos de reconocimiento, aunque también muestran qué tan depredador y hostil puede ser el ecosistema de la publicidad en línea.

Cómo ayuda la IA de Google a detectar “anuncios maliciosos”

El principal argumento de Google a favor del uso de IA para evaluar la legitimidad de un anuncio es que el sistema no toma decisiones basadas únicamente en palabras clave, sino que también puede comprender y analizar señales más complejas, como la antigüedad de la cuenta, patrones de comportamiento y campañas sospechosas. Los actores maliciosos suelen crear anuncios fraudulentos que imitan anuncios legítimos y utilizan IA generativa para producir rápidamente innumerables variaciones, aumentando las probabilidades de engañar a los antiguos sistemas de detección basados en coincidencia de patrones.

Antes de la IA, estos sistemas antiguos funcionaban más como una checklist, verificando si el anuncio contenía determinadas palabras, símbolos, inconsistencias en la URL, trucos de formato o categorías de productos que activaban ciertas políticas. ¿El anuncio usa términos prohibidos? ¿La página de destino coincide con la URL mostrada? ¿Hay formatos sospechosos como F₹€€!? Estas verificaciones son útiles, pero frágiles — y relativamente fáciles de evadir mediante elecciones creativas de palabras y otros trucos inteligentes.

Por ejemplo, algo como “¡Pierde 10 kilos en una semana!” habría sido relativamente fácil de detectar y bloquear incluso para los sistemas antiguos. Pero imagina una página llena de promesas falsas, testimonios inventados y términos de suscripción ocultos: ahí las cosas se vuelven mucho más difíciles. Ningún elemento aislado indica claramente una estafa, por lo que el enfoque basado en checklist tiene muchas probabilidades de aprobar ese anuncio. En cambio, un sistema de IA capaz de entender el contexto tiene muchas más posibilidades de identificar ese anuncio como “malicioso” con un mayor grado de certeza.

Una buena analogía sería la seguridad de un aeropuerto considerando sospechosa a una persona no solo por los objetos ilegales encontrados en su equipaje (el sistema antiguo), sino también por comportamientos extraños, como usar distintos nombres, comprar solo boletos de ida o cambiar constantemente de ruta.

Gemini toma en cuenta todo este contexto para determinar la intención detrás del anuncio y es (al menos según Google) muy eficiente detectando estafas: en 2025 se eliminaron más de 600 millones de anuncios relacionados con fraudes y se suspendieron 4 millones de cuentas por actividades fraudulentas.

Otro punto positivo de Gemini es su capacidad para procesar automáticamente los reportes de los usuarios. Según Google, gracias a la integración de IA, los equipos pudieron actuar sobre cuatro veces más denuncias de usuarios que en 2024.

El cambio hacia la IA también está ocurriendo en el bloqueo de anuncios

El conflicto entre los enfoques antiguos y modernos para detectar anuncios maliciosos dentro del ecosistema publicitario de Google tiene muchas similitudes con la evolución del bloqueo de anuncios en general. Hace muchos años, bloquear un anuncio era tan simple como identificar el servidor utilizado para entregarlo dentro de una lista de dominios “maliciosos”. Todo lo que viniera de adserver.example.com se bloqueaba, así de sencillo. El filtrado DNS todavía funciona más o menos de esa manera: es menos flexible, pero extremadamente eficiente, ligero y funciona en todo el sistema.

Hoy, los bloqueadores de anuncios enfrentan desafíos completamente distintos — y mucho más difíciles. Los anuncios y otras solicitudes no deseadas suelen mezclarse con contenido legítimo. Las reglas modernas de filtrado ya no se parecen en nada a las reglas cortas y simples de los primeros días del bloqueo de anuncios. Ahora son extremadamente complejas, y la sintaxis de los filtros se parece más a un lenguaje de programación que a cualquier otra cosa.

La sintaxis utilizada en el bloqueo de anuncios ha evolucionado constantemente para adaptarse a desafíos cada vez más complejos — y, hasta ahora, con bastante éxito. Pero el hecho de que el enfoque tradicional basado en reglas de filtrado todavía no haya sido reemplazado por IA no significa que los desarrolladores de bloqueadores de anuncios hayan descartado esa idea. Al contrario: llevan años explorando el potencial de la IA en el contexto del bloqueo de anuncios, muchas veces de formas bastante inesperadas.

Los intentos de utilizar distintas formas de machine learning (ML) para bloquear anuncios existen al menos desde 2019, cuando Brave desarrolló AdGraph, una herramienta que bloqueaba anuncios y rastreadores en tiempo real. Demostró una precisión sorprendentemente alta, pero requería una integración profunda con el navegador y mantenimiento constante, lo que impidió su adopción masiva. También hubo otros experimentos y proyectos de investigación que intentaron aprovechar ML, aunque ninguno logró una adopción a gran escala.

En los últimos años, con el rápido avance de las tecnologías de IA, la idea de usar IA para el filtrado de anuncios ha aparecido cada vez con más frecuencia. De hecho, este fue uno de los principales temas discutidos en el Ad Filtering Dev Summit del año pasado. En el AFDS 2025, varios ponentes hablaron sobre el papel de la IA en el ecosistema del bloqueo de anuncios: Ritik Roongta, de NYU, explicó cómo la IA puede ayudar a evaluar el contenido de los anuncios, especialmente aquellos permitidos por listas de excepción que pueden parecer no intrusivos, pero aun así resultar dañinos; por su parte, Anton Lazarev, de Brave, explicó por qué los bloqueadores de anuncios seguirán siendo extremadamente relevantes incluso en la era de los agentes de IA y los navegadores agentic.

El experimento de AdGuard: ¿puede un LLM identificar un anuncio?

AdGuard también ha estado explorando esta dirección. Maxim Topciu, Team Lead de la división de extensiones web de AdGuard, realizó su propia investigación para responder la siguiente pregunta: ¿puede un bloqueador entender lo que aparece en una página y decidir por sí solo si debe ocultarlo?

Como ya mencionamos, las listas de filtros siguen siendo poderosas, pero tienen limitaciones: requieren mantenimiento manual, tienen dificultades para lidiar con publicidad nativa y además enfrentan restricciones adicionales, como las introducidas por Manifest V3. ¿No sería ideal que un bloqueador pudiera determinar por sí mismo qué es publicidad y qué no?

La idea en sí no era nueva — como demuestran los intentos previos de Brave y otros proyectos —, pero Maxim fue un poco más allá. Una de las ventajas de los LLM es que permiten convertir una idea en un prototipo funcional relativamente rápido. Así, Maxim creó no uno, sino tres prototipos diferentes, cada uno analizando y bloqueando anuncios de una forma distinta.

Maxim probó los prototipos en el feed de X. Uno de ellos desenfocaba todas las publicaciones, analizaba el contenido y luego revelaba únicamente las “buenas”. El segundo hacía algo parecido, pero analizando cada publicación como imagen en lugar de como bloque de código. El tercero permitía al usuario definir ciertos criterios, y el LLM verificaba si la publicación coincidía con ellos antes de decidir si debía ocultarse o no.

Los tres enfoques funcionaron, aunque cada uno tenía sus propias limitaciones — después de todo, solo eran prototipos y estaban muy lejos de convertirse en productos finales.

El experimento demostró que el bloqueo de anuncios basado en IA es técnicamente posible, pero también dejó claro que la IA todavía no está lista para reemplazar el enfoque tradicional basado en filtros.

El uso de Gemini por parte de Google para identificar “anuncios maliciosos” y el experimento de AdGuard, a pesar de sus diferencias y objetivos distintos, apuntan en la misma dirección: el filtrado de anuncios se está volviendo cada vez más semántico.

El experimento de AdGuard mostró que los LLM pueden clasificar contenido basándose en el significado, y no solo en selectores o URLs. Un enfoque basado en visión computacional puede analizar lo que los usuarios realmente ven, lo que resulta muy útil cuando hay poco texto o cuando el HTML está ofuscado.

El centro de decisión en el bloqueo de anuncios deja gradualmente de ser “¿este elemento coincide con una regla?” para convertirse en “¿qué intenta hacer esto? ¿Cuál era la intención detrás de ello?”.

Si fuera posible detectar de forma confiable todos los anuncios, publicaciones patrocinadas, rastreadores y estafas simplemente identificando sus intenciones, ya no serían necesarias las reglas de filtrado. Pero claramente aún no hemos llegado a ese punto. Los enfoques basados en LLM siguen estando limitados principalmente por el costo, la velocidad y la practicidad.

Todo indica que, aunque el papel de la IA en el bloqueo de anuncios seguirá creciendo, no reemplazará de forma realista a los bloqueadores tradicionales en un futuro cercano, sino que los complementará en aquellos casos donde las reglas de filtrado por sí solas ya no son suficientes.

La seguridad de la plataforma no es lo mismo que el control del usuario

Y es precisamente aquí donde termina la comparación entre Google y los bloqueadores de anuncios independientes.

La diferencia fundamental entre el uso de Gemini por parte de Google y el uso de IA por los bloqueadores de anuncios está en sus objetivos. Google utiliza IA para aplicar sus propias políticas publicitarias, mientras que los bloqueadores existen para aplicar las preferencias del usuario.

Actualmente, los usuarios definen esas preferencias eligiendo listas de filtros o agregando reglas personalizadas. Pero el experimento de AdGuard demostró que también es totalmente posible introducir criterios controlados por el usuario en futuros bloqueadores basados en IA.

Eso es muy diferente a los algoritmos de Google, que efectivamente bloquean o restringen anuncios maliciosos y peligrosos — algo digno de reconocimiento —, pero lo hacen de una manera que también favorece los intereses de la propia empresa.

Los usuarios no tienen voz sobre exactamente qué debe bloquearse y qué debe permitirse. Un anuncio no necesita violar las directrices de Google para resultar indeseado. Hay muchas razones por las que alguien podría no querer ver un anuncio: puede ser distractor, invasivo para la privacidad, pesado o simplemente irrelevante.

Ahí es donde nace el conflicto: para Google, la única preocupación es si el anuncio puede existir dentro de su ecosistema y cumplir sus reglas. Desde el punto de vista del usuario, la pregunta es mucho más amplia: ¿quiero este anuncio en mi dispositivo?

El trabajo antifraude que realiza Google es necesario, pero también esperado: es su responsabilidad directa. El Ads Safety Report no debería interpretarse como una respuesta definitiva al problema de los anuncios maliciosos. Bloquear miles de millones de anuncios es impresionante, pero todavía existen miles de millones más circulando.

Estas cifras ayudan a dimensionar cuánto material dañino o cuestionable fluye por el ecosistema de la publicidad online. Y precisamente ahí se encuentra la verdadera motivación detrás de los esfuerzos de Google.

El Google es, ante todo, una empresa de publicidad. Su modelo de negocio no gira alrededor de vender teléfonos Android ni nada parecido: está centrado en el ecosistema publicitario que la compañía ha construido, y prácticamente todos sus innumerables productos y servicios lo sostienen de alguna manera.

Google ya ha demostrado en repetidas ocasiones que proteger su negocio publicitario pesa mucho en las decisiones relacionadas con sus productos. Y el trabajo de seguridad no es una excepción: también es una concesión necesaria para mantener a los usuarios dentro del ecosistema publicitario de Google.

No estamos diciendo que los esfuerzos antifraude de Google sean inútiles — obviamente es mejor tener pocos o ningún anuncio fraudulento y peligroso en tu dispositivo. Pero es todavía mejor cuando tú, como usuario, tienes el control sobre lo que quieres o no quieres ver.

El Ads Safety Report de Google demostró cuán eficiente puede ser la IA identificando contenido no deseado. Ahora les toca a los bloqueadores de anuncios encontrar una manera todavía mejor de usar esta poderosa herramienta y ponerla al servicio de una buena causa.

AdGuard Mini siempre ha funcionado silenciosamente en segundo plano, y así es exactamente como debe ser. Pero en la versión 2.2, ofrecemos una forma de seguir todo ese trabajo invisible. Conoce los nuevos stories de estadísticas.

Nuevos stories de estadísticas

AdGuard Mini ahora incluye dos stories de estadísticas en el popup de la barra de menú: una para anuncios bloqueados y otra para rastreadores.

AdGuard Mini ahora muestra la cantidad de elementos bloqueados directamente en el ícono de Safari. Haz clic en el ícono para ver un desglose completo de los anuncios y rastreadores bloqueados en la página actual.

El contador se restablece cada vez que abres una nueva página. Si prefieres ocultarlo, haz clic en el ícono de AdGuard Mini → ícono de engranaje → Configuración y desactiva la opción Indicar el número de anuncios bloqueados en el ícono de AdGuard Mini en Safari.

Comparte tus comentarios

¿Tienes alguna sugerencia o encontraste un error? Cuéntanos en GitHub o a través de nuestros canales en redes sociales. Tus comentarios nos ayudan a mejorar AdGuard Mini con cada actualización.

Filtrado: más rápido, más fuerte, mejor

Los filtros personalizados en MV3 ahora pueden volver a actualizarse de forma independiente de las actualizaciones de la extensión, para que el bloqueo de anuncios siga siendo preciso y responda más rápido a los cambios.

También corregimos varios problemas en los que los filtros podían añadirse, pero no funcionar correctamente. Por ejemplo, la extensión ahora valida las fuentes al añadir un filtro personalizado mediante URL; esto evita situaciones en las que el filtro aparece en su lista, pero en la práctica no se aplica.

Además de las mejoras en los filtros, refinamos la Lista de permitidos: si añade la URL completa de una página a sus exclusiones (por ejemplo, copiándola directamente desde la barra de direcciones), la extensión extraerá automáticamente el dominio y la exclusión funcionará como se espera.

Importación de configuraciones: mostrar es mejor que explicar

Ahora puede compartir la configuración de su extensión. Esto facilita configurar AdGuard en un nuevo dispositivo o después de reinstalar el navegador. También puede ayudar a un amigo a configurar la extensión o compartir su configuración con el equipo de soporte: ellos verán exactamente sus ajustes al instante. Solo tiene que ir a General y hacer clic en Compartir configuraciones.

Si es un usuario activo de GitHub, ahora puede importar configuraciones directamente desde las Issues, algo especialmente útil para desarrolladores de filtros y para quienes ayudan a probar correcciones.

Interfaz: mejor advertir que confundir

Hemos añadido algunas pequeñas mejoras para evitar confusiones y hacer que el comportamiento de la extensión sea más predecible.

• Aviso para usuarios de Opera. Opera no concede a las extensiones acceso a las páginas de motores de búsqueda de forma predeterminada, lo que impide que AdGuard bloquee anuncios en los resultados de búsqueda. Ahora, el popup de la extensión muestra un aviso solicitando que permita este acceso. Haga clic en Ir a Configuración en el popup: será redirigido a la configuración de la extensión en Opera, donde podrá activar la opción Permitir acceso a los resultados de páginas de búsqueda.

• Confirmação para Inverter Lista de permissões. O recurso Inverter Lista de permissões altera a forma como a extensão funciona: o bloqueio é desativado em todos os sites, exceto nos que estão na lista. Para evitar ativações acidentais, adicionamos uma janela de confirmação explicando o que acontecerá ao ativar esse recurso.

Mais compartilhamento: desta vez, suas ideias

Gostou da atualização? Tem sugestões para as próximas versões? Compartilhe seu feedback em nossos canais sociais ou participe da conversa no GitHub. Cada comentário nos ajuda a melhorar.

Eso fue exactamente lo que le ocurrió a Khasif Hoda, quien sin saberlo se convirtió en una estrella de un experimento viral, en el que él, junto con muchas otras personas, fue grabado e identificado en tiempo real con la ayuda de unas gafas inteligentes Ray-Ban Meta. El hombre que llevaba las gafas era AnhPhu Nguyen, uno de los creadores de I-XRAY, el sistema detrás del experimento. Cuando las gafas detectaban un rostro, esa imagen se enviaba inmediatamente a un programa de IA que rastreaba internet en busca de más fotos de esa persona. Luego, el programa utilizaba fuentes de datos como artículos en línea y bases de datos de registro electoral para determinar datos personales como nombre, número de teléfono e incluso dirección de domicilio y nombres de familiares. Esa información se enviaba de vuelta a una aplicación en el teléfono de Nguyen, todo en cuestión de segundos.

Crédito de la foto: Josh Edelson

Los desarrolladores del sistema I-XRAY no lo crearon para acosar a las personas. Todo lo contrario: su objetivo es concienciar y demostrar las capacidades de las gafas inteligentes y cómo, combinadas con LLM, bases de datos públicas y motores de búsqueda facial, pueden ser utilizadas de forma maliciosa. De hecho, incluso proporcionan una guía para eliminar tu información de las fuentes de datos que alimentan esta tecnología.

Las gafas inteligentes no son herramientas de reconocimiento facial… todavía

Cabe destacar que, aunque las gafas inteligentes pueden utilizarse para realizar análisis faciales como en el experimento anterior, actualmente no tienen la potencia de procesamiento suficiente para llevar a cabo este tipo de análisis en tiempo real por sí solas. Sin embargo, los expertos creen que es solo cuestión de tiempo hasta que puedan hacerlo, y que esto tendrá consecuencias de gran alcance. Según algunos informes, la Meta ya tiene planes de integrar tecnología de reconocimiento facial en tiempo real en sus gafas inteligentes (fuente). Los defensores de la privacidad ya están dando la voz de alarma: el 13 de abril, más de 75 organizaciones publicaron una carta abierta dirigida a Mark Zuckerberg, en la que advierten sobre los peligros de incorporar reconocimiento facial en productos de consumo comunes como las gafas. La principal preocupación gira en torno al posible uso indebido de esta tecnología y a cómo puede abrir la puerta al acoso, la vigilancia y el fraude, especialmente contra grupos marginados y vulnerables como niñas y mujeres, inmigrantes o activistas políticos. Pero los expertos subrayan que cualquiera puede estar en riesgo. Por ejemplo, el reconocimiento facial en tiempo real podría ser utilizado por estafadores para identificar y rastrear a sus víctimas en distintos esquemas de fraude.

Una zona legal gris

Aunque las gafas de Meta no son capaces de identificar rostros en tiempo real, siguen generando críticas por permitir que el usuario grabe a otras personas sin que estas lo sepan. Se trata de un asunto delicado, ya que en muchos casos es legal grabar a personas en espacios públicos sin su consentimiento. Sin embargo, la legalidad depende en gran medida del país, de si se graba audio o no y del uso que se haga de las imágenes. Aún existe mucho margen para el uso malicioso de las gafas inteligentes. En respuesta a las críticas, la Meta remite a declaraciones anteriores, afirmando que, según sus términos de servicio, “los usuarios son responsables de cumplir todas las leyes aplicables y de utilizar las gafas Ray-Ban Meta de manera segura y respetuosa”. Esto suena bien en teoría, pero las “promesas sobre el papel” difícilmente detienen a quienes ya tienen malas intenciones.

También cabe señalar que ha habido algunos avances positivos en el desarrollo de nuevas leyes para abordar estos escenarios. En febrero, en California, se presentó un proyecto de ley que busca prohibir específicamente las grabaciones secretas con dispositivos vestibles en espacios comerciales. El proyecto ya ha superado dos audiencias y está previsto que pase a la siguiente el 4 de mayo. En algunos lugares, como los tribunales de Filadelfia (documento), las gafas inteligentes ya están completamente prohibidas. Aun así, la legislación sobre tecnología vestible inteligente sigue en una fase inicial, y el avance tecnológico parece ir más rápido que el desarrollo de las leyes que deberían acompañarlo.

La Meta también destaca que sus gafas cuentan con una luz LED integrada que indica cuándo el dispositivo está grabando y que están diseñadas para detectar y evitar cualquier intento de manipulación. Sin embargo, en la práctica, personas ya han conseguido cubrir, retirar o inutilizar el indicador LED, por lo que no puede considerarse una medida de seguridad suficientemente fiable.

Al final, la conversación no debería centrarse en la pregunta “¿Es aceptable usar tecnología inteligente para grabar y vigilar a otras personas?”. Muchos, incluidos nosotros, coincidirán en que la respuesta es “no”, y también en que la ética, por sí sola, nunca ha detenido a posibles infractores. La cuestión mucho más importante es: ¿debería existir esta tecnología, al menos en forma de producto de consumo? Parece bastante claro que el marco legislativo actual aún no está preparado para afrontar la avalancha de violaciones de la privacidad que probablemente llegará con el avance del reconocimiento facial instantáneo.

La IA hoy parece haber encontrado su lugar en prácticamente todos los aspectos de la vida, con aplicaciones que van desde áreas obvias, como la programación o el procesamiento de imágenes, hasta otras menos evidentes, como el diagnóstico de enfermedades y el trabajo jurídico. La IA está absolutamente en todas partes. Y, aunque sepas muy poco sobre cómo funciona, probablemente ya hayas oído que toda IA necesita grandes volúmenes de datos para aprender antes de poder utilizarse.

Esos datos tienen que venir de algún lado — y eso nos lleva a la primera pregunta del TechTok de hoy:

¿Las apps y los sitios web están usando mis datos para entrenar IA sin que yo lo sepa?

No existe una respuesta corta y definitiva a esa pregunta. Lo más cercano sería: “Sí, lo hacen, pero no necesariamente de la forma en que imaginas”. Sabemos que probablemente no viniste aquí buscando una respuesta tan amplia. Pero, antes de profundizar, aclaremos algo: “entrenar IA” y “recopilar datos” no son sinónimos, aunque estén relacionados. En pocas palabras, para entrenar IA necesitas datos — así que encontrar formas de obtenerlos es uno de los mayores desafíos al crear un sistema de IA. Sin embargo, existen muchas otras razones por las que alguien podría querer acceder a tu información.

La cuestión es que el concepto de recopilación de datos en línea existe desde hace décadas, mucho antes de que la IA siquiera apareciera en el horizonte digital, y la principal fuerza detrás de la recopilación de datos de usuarios durante muchos años fue la publicidad. Se han creado sistemas extremadamente complejos para construir perfiles de usuarios y rastrearlos a través de múltiples apps y sitios web, todo con el objetivo de saber exactamente qué anuncio mostrar a qué persona y en qué momento — aumentando la probabilidad de que haga clic en el banner. El mercado de la publicidad digital se estima en unos 600 a 700 mil millones de dólares al año, y en la base de ese mercado están los datos de los usuarios — lo que da una buena idea de por qué a menudo se les llama “el nuevo petróleo”.

Por supuesto, existen otros motivos por los que las empresas buscan datos digitales: personalización, recomendaciones, detección de fraudes, facturación, retención y análisis de producto — a menudo esenciales en sectores como finanzas, retail, telecomunicaciones y marketplaces. Los motivos exactos no son el punto aquí. Lo que queremos destacar es que la recopilación masiva y global de datos no surgió con la IA. De hecho, en muchos casos, los métodos utilizados hoy para recopilar datos para el entrenamiento de IA son los mismos que ya se usaban desde hace años para otros fines, por lo que las empresas de IA no tuvieron que reinventar la rueda — o al menos ya contaban con una base muy sólida para empezar.

Los tipos de datos necesarios para el seguimiento de anuncios y para el entrenamiento de IA también se superponen bastante — algo que puede sorprender a algunas personas. Para muchos, los términos “IA” y “LLM” (modelo de lenguaje grande) son sinónimos. De hecho, los chatbots (que básicamente son interfaces orientadas al usuario con un LLM detrás) son quizá el tipo de IA con el que el usuario común más interactúa. Es lógico pensar que entrenar una IA generativa usada en chatbots requiere conjuntos de datos con grandes cantidades de texto generado por usuarios — como publicaciones y comentarios en plataformas como Reddit o X, mensajes, reseñas, etc. Esto es correcto, ya que estos modelos necesitan aprender cómo hablan realmente las personas, cómo responder preguntas y cómo funcionan las conversaciones reales — incluyendo humor, jerga y tono. Pero lo que mucha gente no percibe es la cantidad de otros tipos de IA además de la generativa, creados para distintos fines — sistemas de recomendación, ranking de búsqueda, segmentación de anuncios, por mencionar algunos. Para estos sistemas, los datos de comportamiento son esenciales, mientras que el contenido en sí es menos importante. Y muchas plataformas modernas combinan ambos enfoques: necesitan tanto el contenido en bruto como saber en qué haces clic y cuándo.

Volviendo a la pregunta inicial: sí, algunas empresas de IA usan tus datos para entrenar sus sistemas, pero en gran medida lo hacen de la misma forma en que ellas (y otras empresas) ya recopilaban tus datos antes de la IA, para otros fines. Y aquí entra la parte complicada — técnicamente, la mayoría de las empresas no recopila datos “a tus espaldas”, ya sea para entrenar IA o para cualquier otro propósito — hacerlo es ilegal en muchas jurisdicciones. Algunas incluso hacen anuncios públicos sobre el uso de datos para entrenar IA, aunque algunas suavizan esto más que otras. Al mismo tiempo, es bastante común ocultar la recopilación continua de datos en políticas de privacidad extensas, términos de uso tediosos y otros documentos legales largos y poco atractivos. Quienes tienen un sentido del humor más ácido podrían incluso encontrar curioso que las políticas de privacidad que tratan sobre el uso de datos para entrenar IA a menudo utilicen el mismo lenguaje vago y amplio que se encuentra en documentos sobre recopilación de datos para publicidad.

Pero incluso si haces tu parte y te enfrentas a todo el lenguaje legal para asegurarte de que la app que planeas instalar no utilice tus datos para alimentar la proverbial máquina, la triste realidad es que aún no estás completamente a salvo. A veces, los desarrolladores “olvidan” mencionarlo — como en el caso reciente en que OkCupid, una popular app de citas, compartió 3 millones de fotos de usuarios con una empresa de IA para entrenamiento — todo esto sin avisar a sus usuarios. Esto no es algo nuevo; las mismas prácticas cuestionables existen desde hace mucho tiempo, incluso antes de la IA. Lamentablemente, donde hay ganancias por obtener, siempre habrá quienes cierren los ojos ante la ley en beneficio propio.

¿Cómo terminan tus datos siendo utilizados para entrenar IA?

Demos un paso atrás. Ya tocamos brevemente el tema de qué datos se utilizan para entrenar IA y mencionamos que prácticamente todo vale: tanto contenido en bruto, como textos y fotos, como datos de comportamiento, como clics y otras interacciones. Pero muchos lectores probablemente quieren algo más específico y se preguntan: “¿Qué exactamente de mis datos puede terminar usándose para IA — y cómo?” Pues bien, no todos los datos se usan de la misma manera. Algunos pueden ser más sensibles, y los datos de distintas fuentes pueden alimentar la IA de formas diferentes. Si el objetivo es entrenar IA, existen innumerables fuentes posibles de datos. Para los fines de este artículo, las dividiremos en cuatro categorías, según cómo se recopilan:

• Redes sociales (datos disponibles públicamente)
• Conversaciones con chatbots (entrada directa)
• Interacciones en plataformas (datos de comportamiento)
• Apps y sitios web de terceros

Para empezar, si publicas o comentas algo de forma pública — en Reddit, YouTube, X, Facebook, etc. — eso no significa automáticamente que cualquiera pueda usar ese contenido para entrenar IA, pero normalmente tampoco tienes medios reales para impedir que la plataforma use tus datos con ese fin o los comparta con terceros. Por supuesto, todo varía bastante de una plataforma a otra, pero la regla general es: si es público, probablemente no tengas control total sobre ello. Las plataformas que no usan los datos directamente a menudo los venden o los comparten de alguna manera. Los usuarios de la UE suelen estar más protegidos, gracias a la legislación avanzada de privacidad. Regulaciones como el GDPR y el AI Act de la UE garantizan derechos como ser informado, oponerse a ciertos tratamientos, solicitar acceso o eliminación de datos en algunos casos y restringir el uso de datos personales para el entrenamiento de IA.

Pero ¿qué pasa cuando hablas directamente con un chatbot? ¿Qué probabilidad hay de que tus datos se usen para entrenar IA? Depende del servicio, claro, pero en la mayoría de las herramientas de IA orientadas al consumidor, todo lo que escribes o envías puede utilizarse para mejorar el servicio. Incluso en planes de pago, a menos que sean corporativos (no individuales), tus datos suelen seguir considerándose utilizables. Vale la pena mencionar que muchos chatbots ofrecen la opción de exclusión (opt-out), aunque a menudo está escondida en la configuración. Para muchos lectores, esta es una de las principales dudas: “¿Cómo desactivar la recopilación de datos al usar un chatbot?” En lugar de quedarnos en la teoría, aquí tienes algunos ejemplos prácticos con herramientas populares (considerando uso personal):

1. ChatGPT. Abre ChatGPT, ve a tu perfil, luego a Configuración → Controles de datos, y desactiva “Mejorar el modelo para todos”. OpenAI afirma que esto impide el uso de tus conversaciones para entrenamiento futuro, aunque algunos datos aún pueden conservarse.

2. Perplexity. Accede a Configuración de la cuenta → Preferencias y desactiva “AI data retention”. Esto solo afecta a datos futuros — los datos recopilados antes aún pueden usarse.

3. Gemini. En tu cuenta de Google, ve a Datos y privacidad y busca “Actividad de apps Gemini”. Selecciona “Desactivar” o “Desactivar y eliminar actividad”. Esto no afecta interacciones pasadas.

4. Claude. Claude no entrena sus modelos con tus conversaciones por defecto, ofreciendo solo la opción de participar voluntariamente. Si eliminas una conversación, Anthropic la borra en unos 30 días.

En cuanto a la recopilación de datos de comportamiento, una forma sencilla (y generalmente correcta) de entenderlo es: cuanto más grande es la plataforma, más depende de estos datos; las apps más pequeñas y específicas rara vez hacen un seguimiento extensivo. Plataformas grandes como YouTube, TikTok, Netflix, motores de búsqueda y e-commerces como Amazon o eBay recopilan la mayor cantidad posible de datos sobre tus actividades para mejorar recomendaciones y rankings. Esto no significa que las apps pequeñas no recopilen nada, pero este tipo de seguimiento suele ser menos relevante para ellas.

¿Y qué pasa con las apps y sitios más pequeños del día a día? No todo es chatbot o gigante tecnológico — ¿qué ocurre si instalas una app cualquiera o visitas un sitio pequeño? No se puede generalizar, ya que existen millones de ellos. Pero, en general, estas apps no recopilan datos para entrenar sus propias IAs ni venden directamente tus datos. Sin embargo, es extremadamente común que incluyan herramientas de analítica, redes publicitarias y otros mecanismos de seguimiento para monetización. Estos sistemas recopilan datos de comportamiento, información del dispositivo, patrones de uso, etc. Y cuando esos datos llegan a redes publicitarias, brokers de datos y empresas de analítica, se agregan y pueden usarse para modelado, venderse o incluso contribuir indirectamente al entrenamiento de IA.

Al ver todas estas formas en que tus datos pueden terminar en un dataset de IA, podrías pensar: “¡Esto es mucho de qué preocuparse!”. Y lo es — pero recuerda que no todos los datos que proporcionas se usan, y no todas las empresas actúan igual. Además, existen maneras de reducir la cantidad de datos recopilados. Lo que nos lleva a la segunda pregunta del TechTok de hoy:

¿Usar un bloqueador de anuncios y/o una VPN puede impedir el seguimiento y la recopilación de datos para IA?

Como hemos visto, el seguimiento relacionado con la IA ocurre de muchas formas diferentes, así que no se puede responder con un simple “sí” o “no”. Tanto los bloqueadores de anuncios como las VPN ayudan — cada uno a su manera — pero no lo resuelven todo.

Primero: ninguno de los dos ayuda si proporcionas datos activamente — como al hablar con un chatbot, publicar en redes sociales o comentar. No pueden impedir que una plataforma use algo que ya has proporcionado. En ese caso, el mejor camino son las configuraciones de privacidad, las opciones de exclusión y las leyes de protección de datos. Vale la pena revisar las políticas de privacidad y configuraciones de los servicios que utilizas — y, si no te convencen, considerar alternativas.

Lo que los bloqueadores de anuncios hacen bien es bloquear rastreadores de terceros y, en cierta medida, reducir el seguimiento de comportamiento. Bloquear analítica de terceros es, sin duda, su punto fuerte cuando se trata de evitar fugas de datos. Herramientas como AdGuard pueden manejar la mayoría de estos rastreadores en sitios web. En apps, es más complicado — especialmente por limitaciones de Android e iOS.

Los bloqueadores también ayudan a reducir la recopilación de datos de comportamiento, pero no por completo. Muchas plataformas usan seguimiento propio (first-party) y no dependen de terceros. Bloquear este tipo de seguimiento puede incluso romper funcionalidades — por ejemplo, impedir que se carguen videos en YouTube. Y, nuevamente, esto es aún más complejo en apps móviles.

Aun así, los bloqueadores son una de las mejores herramientas disponibles si el objetivo es reducir el flujo de datos hacia el entrenamiento de IA. ¿Y las VPN?

Las VPN son excelentes — algunos dirían esenciales — para la privacidad. Pero, específicamente para impedir el uso de datos en el entrenamiento de IA, su eficacia es limitada. Ayudan de forma indirecta: ocultan tu IP y enmascaran tu ubicación, dificultando la creación de perfiles basados en tu identidad de red. Sin embargo, no impiden que las plataformas vean lo que haces en ellas. Si estás conectado o interactuando con un servicio, tus clics y entradas siguen registrándose. Y las VPN tampoco bloquean rastreadores de terceros — eso sigue siendo tarea de los bloqueadores (aunque la VPN puede reducir la precisión del seguimiento).

Resumen: los bloqueadores de anuncios y las VPN son herramientas valiosas para proteger tu privacidad — especialmente los bloqueadores. Pero, al final, la seguridad de tus datos depende principalmente de tu atención y de tus decisiones. Leer políticas de privacidad, usar configuraciones adecuadas y tener cuidado con lo que compartes en línea puede reducir considerablemente las probabilidades de que tus datos terminen en el entrenamiento de alguna IA futura. Las herramientas ayudan — pero nada sustituye al buen y viejo cuidado.

No es la primera vez que YouTube apuesta por este formato. Hace casi 10 años, la plataforma decidió eliminar los anuncios de 30 segundos no omitibles, ya que en ese momento se consideraban un vestigio de la televisión tradicional. Era algo que todos —incluidos los líderes tecnológicos de la época— querían dejar atrás. Pero los tiempos han cambiado…

El regreso de este formato, antes descartado, fue anunciado por primera vez en 2023, y YouTube tardó tres años en reintroducirlo.

Con 30 segundos, este nuevo formato se convierte oficialmente en el anuncio estándar no omitible más largo que ofrece YouTube. Aun así, ya ha habido muchos reportes anecdóticos de anuncios mucho más largos en la plataforma, con duraciones que van desde varios minutos hasta unos impactantes 58 minutos.

Fuente: Reddit

Por alarmantes que puedan sonar estos reportes —y con solo imaginar un anuncio de una hora ya es suficiente para incomodar a cualquiera— YouTube los ha atribuido a fallas o simplemente no ha hecho comentarios al respecto.

Por ahora, los anuncios de 30 segundos en televisores conectados son el formato más largo reconocido oficialmente, y todo indica que llegaron para quedarse.

Dónde se mostrarán los anuncios

En la publicación del blog, YouTube explica que los anuncios no omitibles VRC (Video Reach Campaign) están diseñados específicamente para ejecutarse en dispositivos de TV conectada (CTV), como smart TVs, dispositivos de streaming (Roku, Fire TV, Apple TV, Chromecast) y otras pantallas grandes conectadas a internet en la sala.

Los anuncios más largos, de 30 segundos, son exclusivos de CTV, mientras que la IA de Google combina dinámicamente anuncios cortos de 6 segundos (bumper) y anuncios estándar no omitibles de 15 segundos en otros entornos de YouTube, como móviles, computadoras y tablets.

La lógica detrás de esto es que quienes ven YouTube en pantallas grandes tienden a ser más tolerantes con comerciales largos que quienes lo ven en el celular o la computadora. Puede ser una suposición razonable, pero aun así nos lleva de vuelta a un escenario bastante familiar: la era previa al streaming y al propio YouTube.

De vuelta a los viejos (y no tan buenos) tiempos

Esta novedad inevitablemente trae recuerdos de cuando los largos bloques comerciales eran parte normal de ver televisión. Quienes crecieron con la TV tradicional recordarán bien la rutina: cuando la pantalla se iba a comerciales, te levantabas del sofá, ibas por algo de comer, tal vez servías un café, y regresabas minutos después esperando que el programa ya hubiera retomado. Era una experiencia compartida por prácticamente todos.

El problema es que muy poca gente quiere repetirla. Las plataformas de streaming y video en línea se hicieron populares precisamente por alejarse de ese modelo. Y sin embargo, con estos anuncios más largos e imposibles de omitir, YouTube parece estar regresando a los hábitos que muchos usuarios estaban felices de dejar atrás. La nostalgia por los “buenos viejos tiempos” es una cosa, pero esto se siente más como un retroceso que como un homenaje.

También hay una diferencia importante. En la televisión tradicional, los cortes comerciales rara vez aparecían de forma aleatoria: solían colocarse estratégicamente, muchas veces en momentos de tensión para mantener al público enganchado. Podía ser molesto, claro, pero al menos había cierta intención detrás. Hoy en día, los usuarios están acostumbrados a una experiencia mucho más fluida, y en ese contexto, volver a interrupciones largas e inevitables se siente como un paso atrás.

YouTube aprieta el control con más anuncios

La introducción de este nuevo formato está alineada con una tendencia que ha definido la estrategia de YouTube en los últimos años: maximizar los ingresos por publicidad. Y en ese sentido, la plataforma ha sido extremadamente exitosa. Según estimaciones de la firma de investigación MoffettNathanson, citadas por The Hollywood Reporter, YouTube generó unos impresionantes 40.4 mil millones de dólares en ingresos publicitarios en 2025, superando la suma combinada de Disney, NBCUniversal, Paramount y Warner Bros. Discovery, que en conjunto alcanzaron los 37.8 mil millones.

Otra estrategia complementaria (y con el mismo objetivo) es el combate a los bloqueadores de anuncios, buscando impulsar los ingresos por suscripciones. Como se ha reportado anteriormente, YouTube ha comenzado a desalentar su uso empeorando intencionalmente la experiencia del usuario —por ejemplo, ocultando descripciones y comentarios hasta que se desactive el bloqueador.

Solo este año, la plataforma también ha cerrado varias “lagunas”. Un ejemplo es la reproducción en segundo plano, una función oficialmente exclusiva para suscriptores de YouTube Premium, pero que antes podía aprovecharse mediante navegadores alternativos con bloqueadores de anuncios. Muchos usuarios reportaron que este truco dejó de funcionar: ahora, al minimizar el navegador o apagar la pantalla, el audio se detiene. Un portavoz de Google confirmó que se actualizó la experiencia para asegurar que esta función siga siendo exclusiva de Premium.

Además, usuarios de la versión gratuita han reportado un nuevo tipo de publicidad persistente dentro de las apps móviles. Estos banners aparecen en la esquina inferior izquierda del video y, en algunos casos, no se pueden cerrar a menos que el usuario salga del video y lo reproduzca nuevamente.

Fuente: Reddit

Desventajas de las suscripciones de YouTube Premium

Por lo que parece, el objetivo más amplio de YouTube es bastante claro: desalentar el uso de bloqueadores de anuncios y, al mismo tiempo, empujar a los usuarios hacia suscripciones premium. Esto encaja perfectamente con la llamada economía de suscripción, que ya se ha extendido a múltiples industrias, desde servicios de streaming hasta impresoras e incluso automóviles.

Este movimiento también ocurre en un momento en que la experiencia gratuita original de YouTube es cada vez más difícil de disfrutar, debido a las interrupciones constantes. La solución más sencilla sería suscribirse a Premium —al menos en teoría—. En la práctica, ha habido múltiples reportes a lo largo de los años de usuarios que siguen viendo anuncios incluso después de suscribirse a Premium. Google suele atribuir estos casos a fallas o problemas del lado del usuario —como ver videos sin haber iniciado sesión—, pero los reportes siguen apareciendo, con usuarios que afirman que todavía ven anuncios en la página principal y otras partes de la plataforma).

Y luego está el precio. La suscripción completa a Premium actualmente cuesta 13.99 USD al mes para usuarios individuales o 22.99 USD en el plan familiar, lo cual no es precisamente barato para muchos. No sorprende que algunos opten por Premium Lite, disponible en EE. UU. por 7.99 USD al mes. El problema es que solo ofrece una experiencia casi libre de anuncios —todavía hay publicidad en contenido musical, Shorts y durante la navegación o las búsquedas.

Dada la dirección que parece estar tomando YouTube, no sería sorprendente ver que el número de niveles de suscripción siga creciendo, con una experiencia completamente sin anuncios convirtiéndose en algo así como un “premium de lujo”. Desde el punto de vista del negocio, el escenario ideal es mantener activas ambas fuentes de ingresos: publicidad y suscripciones.

Algunos observadores creen que la situación podría escalar aún más. Como comentó un usuario en X: “Pronto tendrás ‘menos anuncios’ con Premium, y necesitarás una cuenta ‘Supreme’ para estar realmente sin anuncios. Y así sucesivamente.” Puede sonar irónico, pero no es difícil imaginar un futuro en el que las diferencias entre los planes gratuitos, de pago y “súper premium” se vuelvan cada vez más difusas.

Alternativa: bloqueadores de anuncios, cuando sea posible

También hay otra razón por la que la estrategia publicitaria de YouTube se está enfocando cada vez más en televisores conectados. En comparación con computadoras o smartphones, las smart TVs ofrecen muchas menos formas de evitar anuncios. Los bloqueadores tradicionales basados en navegador simplemente no pueden instalarse en la mayoría de estas plataformas.

Esto deja a los enfoques a nivel de red, como el filtrado por DNS, como una de las pocas opciones disponibles. Aun así, estas soluciones tienen limitaciones importantes. Como YouTube suele servir los anuncios desde los mismos dominios que el contenido de video, los bloqueadores basados en DNS generalmente no pueden filtrarlos sin afectar también la reproducción. En la práctica, esto hace que los anuncios de YouTube sean mucho más difíciles de bloquear en smart TVs que en computadoras o dispositivos móviles.

Para muchos usuarios, la combinación de anuncios más largos, restricciones más estrictas y una presión creciente hacia Premium deja una alternativa evidente: recurrir a bloqueadores de anuncios —al menos en los dispositivos donde todavía funcionan bien—. AdGuard y otras soluciones similares llevan años en un clásico juego del gato y el ratón con YouTube, que constantemente implementa nuevas medidas para detectar y desalentar este tipo de herramientas. El cerco puede estarse cerrando, pero el otro lado también sigue adaptándose.

Y considerando el panorama actual, no es difícil entender por qué. Cuando las suscripciones siguen subiendo de precio, fallas ocasionales permiten que los anuncios se cuelen, y hasta los planes más económicos siguen mostrando publicidad, el equilibrio empieza a sentirse un poco injusto. Mientras tanto, el objetivo sigue siendo simple: hacer que YouTube sea disfrutable como lo fue alguna vez —aunque la propia plataforma parezca empeñada en dificultarlo.

Pero los tiempos cambian, y nosotros también. A partir de AdGuard para Windows v8.0, dejaremos de ofrecer soporte para Windows 8 y Windows 8.1. Puedes descargar aquí la última versión compatible con versiones antiguas de Windows.

Para evitar confusiones: AdGuard para Windows v8.0 no es compatible con Windows 8, a pesar de los nombres similares. Es solo coincidencia, lo juramos.

¿Por qué ahora?

Microsoft finalizó el soporte para Windows 8.1 en enero de 2023:
https://support.microsoft.com/en-gb/windows/windows-8-1-support-ended-on-january-10-2023-3cfd4cde-f611-496a-8057-923fba401e93

Durante más de dos años después de eso, seguimos lanzando actualizaciones para los usuarios de estos sistemas. Ahora ha llegado el momento de avanzar.

Enfocarnos en las versiones más recientes de Windows nos ayuda a mejorar AdGuard más rápido y hacerlo más seguro y confiable. Muchas bibliotecas modernas, herramientas de desarrollo y tecnologías de seguridad están diseñadas para sistemas operativos más nuevos. Seguir dando soporte a los antiguos dificulta ofrecer la mejor protección posible a nuestros usuarios.

¿Y si todavía no estoy listo para dejarlo?

Aún puedes usar AdGuard en Windows 8 y 8.1, pero solo con las últimas versiones compatibles. Ten en cuenta que estas versiones pueden no ser tan eficientes o seguras como las más recientes.

La última versión estable compatible con estos sistemas operativos es AdGuard para Windows v7.22.

La última versión Nightly compatible también está disponible. Ten en cuenta que las versiones Nightly pueden ser inestables y contener errores.

Observe que todas as futuras versões do AdGuard para Windows exigirão Windows 10 ou mais recente.