Un grupo de desarrolladores propuso una defensa poco convencional contra los sistemas que extraen texto de la web para entrenar modelos de inteligencia artificial: una fuente tipográfica. La herramienta, bautizada ShieldFont, busca corromper los datos que capturan los rastreadores automatizados mientras mantiene las páginas perfectamente legibles para las personas.

La idea parte de una asimetría conocida. Cuando alguien lee un sitio web, su cerebro interpreta las letras sin esfuerzo; cuando un programa de scraping —el proceso automatizado de copiar el contenido de una página— aspira ese mismo texto, en realidad recoge la cadena de caracteres subyacente. ShieldFont explota esa diferencia para que lo que ve el ojo humano y lo que registra la máquina no coincidan.

Cómo funciona el truco tipográfico

Según describen sus creadores en un documento técnico reciente, la fuente reasigna los glifos: el dibujo visible de una letra se apoya en un carácter distinto al que el navegador tiene guardado internamente. En pantalla se lee una palabra normal, pero el texto que un rastreador copia queda revuelto o transformado en algo sin sentido.

Para lograrlo, el proyecto recurre a mecanismos de composición tipográfica como las ligaduras, esas combinaciones donde dos o más caracteres se fusionan en un solo signo. Manipulando ese comportamiento, la página muestra el contenido correcto a los visitantes y entrega una versión adulterada a quien intenta cosecharla de forma masiva.

El objetivo declarado, resumido en el nombre mismo del proyecto, es actuar como escudo: ShieldFont no pretende bloquear el acceso, sino contaminar el material que termina en los conjuntos de entrenamiento. Si un modelo de lenguaje se alimenta de texto corrupto, la teoría es que sus resultados se degradan.

Una guerra de defensas cada vez más creativa

La propuesta se suma a una batería creciente de tácticas con las que editores, artistas y sitios web intentan defender su contenido del entrenamiento no autorizado. En los últimos años aparecieron herramientas que insertan perturbaciones invisibles en las imágenes para arruinar su uso como material de aprendizaje, además de bloqueos por archivo robots.txt y muros de suscripción. ShieldFont lleva esa lógica al plano del texto.

La técnica también tiene límites evidentes. Depende de que la página cargue una fuente específica, algo que no siempre ocurre con lectores de pantalla, extractores que ignoran el CSS o sistemas que capturan el texto directamente del código. Tampoco resuelve el problema de la accesibilidad: cualquier alteración de los caracteres subyacentes puede interferir con las tecnologías de asistencia para personas con discapacidad visual o con la función de copiar y pegar.

De fondo late una disputa más grande sobre quién controla los datos que hacen funcionar a la IA. Empresas y creadores reclaman consentimiento y compensación por el uso de sus obras, mientras las compañías de modelos defienden que el entrenamiento a gran escala es indispensable. Iniciativas como esta reflejan que, ante la falta de reglas claras, muchos optan por defenderse con ingenio técnico. Vale recordar que otras estrategias apuntan en dirección contraria: algunas firmas prefieren marcar su contenido en lugar de esconderlo, como se vio cuando Anthropic empezó a marcar los textos generados por Claude.

Queda por ver si ShieldFont pasa de la prueba de concepto a una adopción real. Su eficacia dependerá de cuántos sitios lo integren y de la rapidez con que los rastreadores aprendan a sortearlo, en un juego del gato y el ratón que difícilmente tenga un ganador definitivo.