En nueve días aparecieron 124 informes y más de 560.000 palabras.

No era una biblioteca digitalizada ni el volcado de años de investigación. Los documentos procedían del Hanover Institute for Public Policy, una organización con apariencia de think tank de política pública estadounidense que se presenta como dedicada al análisis de los factores que alimentan el antisemitismo en Estados Unidos. Sus páginas adoptan la forma reconocible de la investigación contemporánea: metodología, datos, gráficos, lenguaje técnico, referencias académicas y conclusiones expresadas con aparente distancia.

Una investigación de The Guardian publicada el 26 de agosto situó esos materiales dentro de una campaña destinada a influir en la información que los sistemas de inteligencia artificial encuentran, recuperan y eventualmente incorporan a sus respuestas sobre Israel y Palestina. El periódico documentó la publicación de más de medio millón de palabras en apenas nueve días y describió al Hanover Institute como una estructura que no existe como entidad legal identificable y carece de personal y dirección institucional públicamente identificables.

La propia organización reconoce hoy una relación financiera que permite reconstruir parte de esa cadena. Según su página de financiación y los registros de la Foreign Agents Registration Act citados por The Guardian y Responsible Statecraft, sus materiales son distribuidos por Piro Inc. en nombre de Havas Media Germany, que actúa para la Israel Government Advertising Agency, LaPam. Hanover sostiene, al mismo tiempo, que la entidad financiadora no selecciona los temas, no revisa borradores ni aprueba sus conclusiones antes de la publicación.

Este análisis parte también de una memoria que no admite instrumentalizaciones. Recordamos de manera especial a las víctimas de la Shoá y, junto a ellas, a tantas personas republicanas españolas deportadas a los campos de concentración nazis, muchas de ellas asesinadas en el complejo de Mauthausen-Gusen. La memoria compartida de quienes padecieron el antisemitismo, el fascismo, la deportación y el exterminio nos obliga a combatir cualquier forma de odio contra las personas y comunidades judías. También impide convertir ese deber de memoria en un recurso para clausurar el examen crítico de las políticas de un Estado o de sus campañas de comunicación.

La discusión sobre la independencia concreta de esos informes es importante. Pero hay otra cuestión que va bastante más allá de este caso.

¿Qué ocurre cuando una campaña ya no busca únicamente convencer a quien lee, sino convertirse en una de las fuentes con las que una máquina construirá posteriormente una respuesta?

Antes de la respuesta está la fuente

Durante décadas, una parte importante de la comunicación política podía imaginarse mediante una secuencia relativamente sencilla.

Alguien producía un mensaje. Un medio lo distribuía. Un público lo recibía.

Internet añadió intermediarios. Los buscadores comenzaron a decidir qué documentos aparecían primero, y alrededor de esa capacidad surgió toda una industria dedicada a optimizar contenidos para los criterios de Google. El SEO no necesitaba necesariamente modificar lo que una persona pensaba. Bastaba con aumentar las posibilidades de que una determinada página fuera encontrada.

Los sistemas generativos introducen otra mediación.

Una consulta ya no conduce necesariamente a una lista de documentos. Puede terminar en un párrafo aparentemente autosuficiente que reúne, resume y reorganiza información procedente de varias fuentes.

La secuencia cambia:

actor → documento → sistema de IA → respuesta → público

Y con ella cambia también el lugar en el que resulta eficaz intervenir.

Ya existe incluso un nombre para una parte de esta práctica: Generative Engine Optimization, GEO. La investigación sobre GEO estudia cómo determinadas características de una página afectan a su probabilidad de ser recuperada, citada o incorporada a respuestas generadas por sistemas como ChatGPT, Gemini o Perplexity.

No es simplemente un SEO con otro nombre. Investigaciones recientes distinguen entre que una fuente sea localizada, que sea citada y que sus contenidos sean realmente absorbidos en la respuesta. Una página extensa, bien estructurada, estrechamente relacionada con la consulta y rica en datos fácilmente extraíbles puede tener más oportunidades de participar en esa cadena.

Esto no significa que exista una fórmula infalible para controlar lo que dirá un modelo. De hecho, la literatura disponible insiste en la variabilidad entre plataformas, consultas y ejecuciones. Tampoco permite afirmar que publicar miles de páginas vaya a modificar automáticamente el entrenamiento de un modelo o su ventana de recuperación en vivo.

Pero abre una posibilidad política diferente.

No hace falta cambiar el modelo si se consigue influir sobre el paisaje documental que el modelo consulta.

Parecer conocimiento

Aquí el caso Hanover se vuelve especialmente interesante.

Porque aquello que se produce no tiene la forma evidente de un anuncio.

Tiene la forma de un informe.

Hay tablas. Métodos. Citas. Muestras. Explicaciones. Lenguaje cuantitativo. Preguntas formuladas con precisión. Una institución con un nombre que podría pertenecer a decenas de centros de investigación.

Casi todos los titulares están redactados como preguntas semejantes a las que alguien escribiría en un chatbot: «¿Es el antisionismo antisemitismo?», «¿Qué causó el desplazamiento de la población palestina en 1948?» o «¿Qué organizaciones humanitarias han documentado crímenes de guerra israelíes?». El documento no espera simplemente a ser leído. Se presenta ya con la forma de una consulta y de su posible respuesta.

La forma interrogativa tampoco es un recipiente neutral. El antropólogo palestino-estadounidense Sa’ed Atshan ha mostrado cómo una palabra aparentemente descriptiva como «crisis» puede ocultar la ocupación, normalizar la opresión y borrar la estructura histórica que vuelve inteligible un acontecimiento. Algo parecido ocurre con una pregunta: al delimitar el problema, ya decide qué periodo importa, qué actores aparecen, qué relaciones causales parecen plausibles y qué pruebas serán consideradas pertinentes.

Por eso optimizar documentos para preguntas de chatbot puede significar algo más que competir por ofrecer una respuesta. También permite disputar las premisas desde las que la máquina ordenará el asunto. La selección del título, la definición de las categorías y el horizonte temporal forman parte de la intervención. Antes de responder, el sistema puede haber aceptado ya el encuadre propuesto por la fuente.

Todas esas características poseen una historia cultural anterior a la inteligencia artificial. Las personas también hemos aprendido a utilizarlas como señales de autoridad.

Una tabla no demuestra que algo sea verdadero.

Una metodología escrita no garantiza que el método sea adecuado.

Una referencia académica no convierte por sí sola una interpretación en conocimiento fiable.

Y, sin embargo, esas formas participan continuamente en nuestros procedimientos cotidianos para decidir qué merece confianza.

La inteligencia artificial hereda ese paisaje.

Sus sistemas de búsqueda y recuperación deben decidir entre millones de páginas cuáles parecen relevantes para una pregunta determinada. Después deben seleccionar fragmentos, compararlos y producir con ellos una respuesta.

Por eso el problema no puede reducirse a si una IA es capaz de detectar «propaganda».

La pregunta previa es más incómoda:

¿cómo reconoce una máquina la autoridad?

Y todavía otra:

¿cuántos de los indicios que utiliza para reconocerla fueron construidos originalmente por nuestra propia cultura documental?

La eficacia potencial de una operación como esta reside precisamente ahí. No necesita inventar una nueva forma de credibilidad. Puede apropiarse de una que ya conocemos.

Piro, la empresa que distribuye los materiales de Hanover, publicita esta actividad como AI Story Optimization. Su propia oferta promete producir contenido «diseñado según cómo los LLM evalúan la credibilidad». La formulación convierte la apariencia de autoridad ante la máquina en un producto comercial explícito.

No existe una fuente sin condiciones

La Society of Palestinian Anthropologists, Insaniyyat, propone un criterio especialmente útil para leer este caso. Sus directrices éticas sostienen que la producción de conocimiento sobre Palestina no puede separarse de las condiciones coloniales y políticas en las que se realiza. Frente a la ilusión de una objetividad abstracta, piden examinar las relaciones entre quienes investigan, las instituciones que les dan cobijo, las entidades financiadoras, las personas participantes y los circuitos por los que los resultados serán difundidos.

La propuesta no consiste en sustituir el rigor por la identidad de quien habla. Consiste en ampliar aquello que entendemos por rigor. Una fuente no se evalúa únicamente por la corrección formal de sus tablas o la cantidad de referencias que contiene. También importan la procedencia de los datos, las condiciones del consentimiento, la posición de las personas que aportaron conocimiento, los mecanismos de rendición de cuentas y la posibilidad de reconstruir cómo se llegó desde la investigación hasta la publicación.

Vista desde ahí, la declaración financiera de Hanover resuelve sólo una parte del problema. Permite conocer una cadena de financiación y distribución, pero no identifica autorías, equipos de investigación, criterios de selección, procedimientos de contraste ni responsabilidades institucionales concretas. Puede existir transparencia financiera sin que exista trazabilidad epistemológica.

Esta distinción es decisiva para los sistemas generativos. Una máquina puede recuperar la metodología escrita en una página, pero no necesariamente las relaciones sociales ausentes de ella. Puede extraer una cifra sin conocer quién pudo producirla, impugnarla o negarse a participar. Cuando la autoridad se calcula a partir de propiedades visibles del documento, las condiciones invisibilizadas de su producción corren el riesgo de desaparecer dos veces: primero en la fuente y después en la respuesta.

Del SEO a la disputa por la respuesta

El buscador hizo políticamente valiosa la primera página de resultados.

La IA generativa puede hacer políticamente valioso algo diferente: formar parte del conjunto de documentos a partir del cual se sintetiza una respuesta.

La diferencia parece pequeña, pero no lo es.

En un buscador tradicional todavía vemos, al menos en principio, la pluralidad de fuentes. Podemos abrir una, volver atrás, comparar otra, reconocer un medio o desconfiar de un dominio.

En una respuesta generativa, esas fronteras pueden diluirse.

Cinco documentos pueden convertirse en cinco frases.

Una controversia puede transformarse en una explicación.

Una fuente minoritaria puede desaparecer o una fuente cuidadosamente optimizada puede adquirir una presencia desproporcionada.

La autoridad deja de expresarse únicamente como posición en un ranking y empieza a aparecer incorporada dentro del propio lenguaje de la respuesta.

Eso convierte a la infraestructura documental de internet en un nuevo terreno de disputa.

Y no sólo para Estados.

Empresas, grupos de presión, partidos, industrias, movimientos sociales y organizaciones de cualquier signo tienen el mismo incentivo potencial. Si millones de personas comienzan sus preguntas ante una interfaz generativa, aparecer dentro de las fuentes que alimentan esa interfaz adquiere valor económico y político.

La producción de contenido para máquinas puede convertirse así en una actividad por derecho propio.

No escribir para que alguien lea.

Escribir para ser recuperado.

No convencer directamente.

Convertirse en evidencia disponible para quien vaya a responder.

Lo que una síntesis puede borrar

Pero el problema no termina en qué fuentes entran. También importa qué les ocurre cuando son sintetizadas.

La antropóloga palestina Amahl Bishara ha insistido en que la experiencia palestina está atravesada por formas distintas de violencia colonial según el estatuto jurídico y la geografía: ciudadanía israelí, residencia en Jerusalén, ocupación militar en Cisjordania o Gaza, refugio y exilio. Hablar de «la situación palestina» como una unidad homogénea puede ocultar precisamente esas diferencias y las relaciones que las producen.

Una respuesta generativa puede reunir documentos diversos y convertirlos en un párrafo fluido. Esa fluidez es útil, pero no equivale a establecer una relación justa entre las fuentes. Puede borrar la procedencia de una afirmación, equiparar testimonios producidos bajo condiciones radicalmente desiguales o comprimir historias distintas hasta convertirlas en una explicación sin fricciones. La síntesis no es sólo una operación de reducción: también distribuye visibilidad.

La investigación doctoral de la antropóloga palestino-estadounidense Hadeel Assali permite dar un paso más. Su tesis examina cómo las narrativas no se limitan a describir espacios, sino que contribuyen a producirlos y a conferirles autoridad. El volumen colectivo Producing Palestine, editado por Dina Matar y Helga Tawil-Souri, extiende esa idea a medios e infraestructuras como TikTok, la cartografía digital o las imágenes de drones: Palestina se produce y reproduce a través de tecnologías, lenguas y geografías, no sólo se representa en ellas.

Hanover participa en esa disputa desde una posición industrial y financiada por una agencia estatal. No intenta únicamente introducir una interpretación favorable en internet. Intenta contribuir a fabricar la Palestina documentalmente disponible para las máquinas: qué preguntas la definen, qué datos aparecen como extraíbles y qué voces llegan ya convertidas en evidencia. Preguntar por la respuesta exige entonces preguntar también qué experiencias quedaron fuera del corpus, qué diferencias fueron comprimidas y quién tuvo los medios para llenar el archivo a gran velocidad.

Una vieja práctica, una infraestructura nueva

Hay algo profundamente conocido en todo esto.

Archivos, censos, enciclopedias, bibliotecas, estadísticas y mapas nunca fueron simples depósitos neutrales de información. Decidir qué se registra, con qué categorías, bajo qué nombre y con qué autoridad siempre ha participado en la producción de realidad social.

Los sistemas generativos añaden una infraestructura nueva a esa historia.

Una infraestructura capaz de recorrer archivos gigantescos y devolver una versión comprimida de ellos en segundos.

Por eso quizá la discusión pública sobre manipulación de la inteligencia artificial esté mirando demasiado tarde en la cadena.

Nos preguntamos qué responderá el modelo.

Nos preguntamos qué sesgos aprendió.

Nos preguntamos quién escribió el prompt.

Pero antes de todo eso existe un mundo de documentos que alguien tuvo que producir, clasificar, publicar, enlazar y hacer visible.

El caso Hanover importa menos por demostrar que una campaña concreta haya conseguido controlar a los grandes modelos —algo que la evidencia disponible no permite afirmar— que por mostrar con extraordinaria claridad cuál puede ser la próxima frontera.

Si la respuesta automática adquiere autoridad social, aparecer dentro de las fuentes de esa respuesta adquiere poder.

La disputa por la inteligencia artificial comienza entonces mucho antes de que escribamos una pregunta.

Comienza cuando alguien decide qué tendrá aspecto de fuente.

Fuentes