El 90% del HTML sobra: APIs Markdown para agentes IA

El 90% de una página HTML es ruido para un agente de IA

Cuando un agente de IA abre una página web convencional, alrededor del 90% de lo que procesa es irrelevante para su tarea: menús, scripts, metadatos de diseño, banners. Ese porcentaje, recogido en el análisis original, explica por qué los medios están dejando de tratar el HTML como su formato principal de distribución.

La migración no es cosmética. Implica rediseñar la arquitectura de distribución para entregar el texto del artículo en Markdown acompañado de metadatos clave: autor, fecha de publicación y señales de confianza verificables. Cada token innecesario tiene un costo computacional real, y ese costo lo termina pagando quien opera el agente.

Para un founder la lectura es directa: si tu producto publica contenido y no tiene una versión legible por máquinas, estás pagando dos veces. Una en infraestructura, y otra en oportunidades de distribución que se pierden sin que aparezcan en ningún dashboard.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

El tráfico de agentes ya no es una curiosidad experimental

El crecimiento del tráfico proveniente de agentes de IA y navegadores automatizados alcanzó un 7.851% interanual, según los datos de sector citados en el análisis original. Esa magnitud convierte la transición en prioridad operativa y no en un experimento de laboratorio.

La escala obliga a distinguir dos categorías de tráfico automatizado: los agentes útiles que actúan por pedido de un usuario final, y los bots que extraen contenido de forma indiscriminada sin ningún modelo de reciprocidad. La distinción tiene consecuencias directas sobre la monetización.

Time convirtió sus páginas HTML a Markdown y comenzó a vender publicidad a los agentes que visitan su sitio, explorando un modelo donde el tráfico automatizado genera ingresos directos. The Economist está evaluando cómo hacer accesible su material de marketing y ventas B2B a agentes específicos. Forbes desarrolló versiones en Markdown de su contenido de reseñas verificadas e implementó una capa MCP (Model Context Protocol) que permite presentaciones diferenciadas para agentes y para lectores humanos.

Los tres casos apuntan al mismo modelo de negocio: el acceso estructurado se vende, el rastreo abierto se tolera cada vez menos.

Cloudflare le puso fecha al peaje del rastreo

El marco técnico ya tiene respaldo de infraestructura. Cloudflare, que según AdExchanger enruta cerca del 20% del tráfico global de internet, anunció que desde el 15 de septiembre de 2026 sus ajustes por defecto bloquean los rastreadores de "uso mixto" —los que mezclan búsqueda, uso por agentes y entrenamiento— en las páginas que muestran publicidad, según TechCrunch.

La compañía también evolucionó su producto Pay Per Crawl hacia Pay Per Use, que cobra a las empresas de IA cuando su contenido genera valor y no solo cuando se descarga. Los primeros socios del programa son Ceramic.ai y You.com. Cloudflare sostiene que más del 50% del tráfico de rastreo de los crawlers de IA se gasta volviendo a descargar páginas que no cambiaron.

En septiembre de 2026 la empresa sumó un ajuste de "Disallow AI Training" y una designación de crawler "Accountable", junto con un mecanismo de sincronización de preferencias entre los crawlers de Apple, Google y Microsoft, alineado con el trabajo de estándares del IETF, según un análisis publicado por Yahoo Finance.

El mensaje para cualquier empresa con contenido propio es incómodo pero claro: el acceso a tu información se está convirtiendo en un contrato, no en un derecho implícito.

Del rastreo abierto a la API con condiciones

La progresión técnica que describe el análisis original tiene tres etapas: rastreo web abierto, almacenamiento en servicios como Amazon S3 para envíos controlados, y APIs personalizadas que permiten actualizaciones en tiempo real y retiro de contenido. Cada etapa devuelve control al editor.

Ese control es poder de negociación. Quien define qué se entrega, en qué formato, con qué frecuencia de actualización y bajo qué condiciones contractuales puede cobrar por ello. Y en un entorno donde los modelos de lenguaje dependen de contenido de calidad para responder con precisión, la infraestructura de acceso estructurado se vuelve un activo estratégico.

El mercado de herramientas ya se movió. SerpApi lanzó salida en Markdown en todas sus APIs, con una reducción de tokens de alrededor del 50% en promedio y de hasta el 90% en algunas, según su comunicado difundido por PR Newswire. La empresa, fundada en 2017, superó los 1,5 millones de cuentas activadas. Su CEO, Julien Khaleghy, lo resumió así: "Markdown se ha convertido en el lenguaje dominante de los modelos de IA".

¿Qué significa esto para tu startup?

No necesitas ser un medio de comunicación para que esto te afecte. Si tu producto tiene documentación, catálogo, blog o base de conocimiento, ya estás siendo rastreado por agentes, y probablemente les estás sirviendo HTML que ellos tienen que limpiar antes de usarlo.

Tres movimientos concretos que puedes ejecutar esta semana:

Publica una versión Markdown o JSON de tu contenido. No hace falta construir una API completa: empieza por exponer tus páginas clave en un endpoint limpio, con autor, fecha y fuente en los metadatos. Es la diferencia entre que un agente te cite bien o te cite mal.
Mide el tráfico de agentes antes de decidir. Separa en tu analítica los hits de bots con user-agent declarado del tráfico humano. Sin ese dato no puedes saber si estás regalando contenido o ganando distribución.
Define tu política de acceso por escrito. Decide qué permites para entrenamiento, qué para uso por agentes y qué solo bajo acuerdo comercial. Los estándares de preferencias de crawler que se están consolidando te dan el vocabulario para hacerlo sin inventar tu propio formato.

El argumento de eficiencia que convence a tu equipo de finanzas

Hay un detalle que suele pasarse por alto: el costo de los tokens no lo paga solo el proveedor de IA. Si tu producto consume APIs de modelos para leer contenido de terceros, cada página HTML mal estructurada se traduce en factura.

Reducir el ruido de entrada es una de las optimizaciones más baratas que existen y no requiere cambiar de modelo ni reentrenar nada. Un contenido limpio en Markdown entra más veces en la ventana de contexto, lo que mejora la precisión de las respuestas sin tocar el presupuesto de inferencia. Es el tipo de mejora que se defiende sola en una reunión de costos.

Conclusión

La transición hacia APIs estructuradas no es una moda de infraestructura: es un reordenamiento de quién controla la distribución del contenido. Los medios que ya migraron lo hicieron para recuperar capacidad de negociación frente a las plataformas de IA, y el respaldo de Cloudflare con fechas, productos y socios concretos indica que el resto del ecosistema avanza en la misma dirección.

El contexto financiero agrega presión al calendario: varios editores han reducido plantillas mientras invierten en infraestructura de IA, apostando a que la eficiencia operativa y los nuevos ingresos por acceso estructurado compensen la contracción de la publicidad tradicional.

Para un founder, la ventana es corta y el costo de entrada es bajo. Exponer tu contenido en un formato que las máquinas entiendan es hoy una decisión de arquitectura; en pocos trimestres será un requisito de distribución.