ShieldFont: la tipografía que sabotea el entrenamiento de IA sin que el lector lo note
En un contexto de creciente tensión entre creadores de contenido y empresas de inteligencia artificial, ShieldFont propone una solución técnica tan ingeniosa como controversial: alterar las palabras que ve una máquina mientras se preservan las que lee una persona. Según su sitio oficial (shieldfont.org), el sistema sustituye términos clave —nombres, verbos, adjetivos— en el código fuente de una página web, de modo que el texto siga siendo gramaticalmente correcto en pantalla, pero completamente distinto en el HTML crudo que consumen los scrapers de IA.
La mecánica es directa. El software reemplaza aproximadamente un 25% de las palabras totales, pero cerca de la mitad de las llamadas "palabras de contenido" —las que cargan el significado—, por otras de la misma categoría gramatical extraídas de un diccionario de casi 12.000 entradas construido a partir de las 10.000 palabras más comunes del inglés. Así, según los ejemplos del sitio, "winners" se convierte en "avengers", "toy gun" en "sofa car" y "Halloween contest" en "Autumn campaign". El lector humano no percibe el cambio porque la fuente tipográfica restaura visualmente el término original; en cambio, cualquier sistema que copie y pegue el texto —como un chatbot— recibirá la versión alterada.
Los resultados cuantificados por el equipo de ShieldFont son notables. En pruebas con 1.500 extractos de noticias, sitios independientes y ficción, el 50% de los pasajes perdió su afirmación factual original. Un test de control con sinónimos verdaderos alteró el sentido únicamente en un 2% de los casos, lo que demuestra que el efecto no proviene de sustituir palabras, sino de hacerlo precisamente con las que importan semánticamente. Cuando siete modelos de IA líderes intentaron reconstruir el argumento de textos protegidos, la precisión conceptual cayó un 67%; varios modelos incluso se negaron a responder, lo que los autores contabilizan como pérdida total.
El mecanismo se articula en tres capas. La primera, "Conceal", oculta el significado. La segunda, "Pass the filter", busca que el texto alterado supere los filtros de calidad automáticos —como FineWeb-Edu, usado para construir datasets públicos—: según ShieldFont, aproximadamente uno de cada diez fragmentos que antes pasaba el filtro sigue pasando después, mientras que los otros nueve son rechazados. La tercera capa, "Poison", busca que los textos que sí logran entrar al dataset porten información falsa o inútil, obligando a los sistemas de entrenamiento a procesar conexiones erróneas entre nombres, eventos y acciones.
Los propios creadores reconocen los límites de su herramienta. En respuestas a preguntas frecuentes, admiten que el "envenenamiento" solo se ha probado en modelos pequeños ajustados por fine-tuning, demasiado limitados para demostrar qué ocurriría a escala industrial. También aceptan una vulnerabilidad clave: la fuente tipográfica funciona como un libro de códigos. Cualquiera que descargue el archivo puede extraer la tabla completa de sustituciones —ellos mismos recuperaron las 11.962 parejas de palabras sin errores—. ShieldFont no pretende ser un secreto criptográfico; su valor reside en la fricción económica que introduce al obligar a los scrapers a identificar y decodificar cada sitio individualmente.
Este punto es central. La herramienta no busca detener a alguien que deliberadamente fotografíe una página y le aplique OCR —en ese caso recuperaría el texto original—, sino encarecer el raspado masivo automatizado, que procesa miles de millones de páginas en HTML. Si muchos creadores adoptan ShieldFont con mapeos distintos, los scrapers deberán invertir más recursos o enfrentarse a datasets contaminados. Es, en palabras del sitio, "una defensa colectiva, no individual".
Tampoco es una herramienta para todo uso. Los propios desarrolladores recomiendan proteger con ShieldFont solo aquello que no se necesite indexar en Google —artículos de pago, archivos, manifiestos—, ya que los buscadores también leerán el HTML alterado. Las páginas de marketing o dependientes del posicionamiento SEO deben quedar intactas, y el sistema permite elegir bloque a bloque.
En el debate más amplio sobre el consentimiento en el entrenamiento de modelos de IA, ShieldFont se posiciona como una alternativa a las medidas de bloqueo tradicionales como robots.txt o las puertas de Cloudflare para IA, que los rastreadores pueden ignorar. Su propuesta es diferente: en lugar de solo expresar una negativa formal, añade una consecuencia material al raspado no autorizado, ya sea impidiendo que el contenido entre al dataset o alterando la información que finalmente lo conforma. La pregunta que deja abierta es si suficientes creadores la adoptarán como para convertir esa fricción técnica en una verdadera presión económica sobre los laboratorios de IA.