¿Un bot o un humano? Solo la mitad de la gente lo distingue

En 2024, el panorama digital cambió radicalmente, y los bots automatizados acapararon el 51 % de todo el tráfico web¹. Este cambio se vio impulsado por la rápida democratización de la IA y los modelos de lenguaje grandes (LLM), lo que facilitó más que nunca la creación y la ampliación de los bots. Los bots de las redes sociales han caldeado especialmente la situación, y las plataformas más populares eliminan anualmente 6300 millones de cuentas falsas y 11 100 millones de contenidos de spam². Estas cifras no son tan sorprendentes si se tiene en cuenta que, en el mercado negro, los precios de las cuentas falsas en redes sociales se ofrecen menos de un euro³.

Para comprender el impacto que los bots de las redes sociales tienen en los usuarios de internet, se llevó a cabo un experimento excepcional de una semana de duración titulado «¿Bot o no?»⁴ en colaboración con estudiantes de máster en Diseño de Interacción de la Universidad de Malmö.

Los resultados que los investigadores de Surfshark obtuvieron tras analizar la prueba «bot o humano» ponen de manifiesto hasta qué punto los bots nos influyen en internet, especialmente entre las personas mayores, aquellas dispuestas a defender con vehemencia sus opiniones sobre temas políticos y sociales controvertidos, y las que eligen Facebook y Threads como su plataforma principal.

¿Quiénes participaron en el experimento? 

El juego «¿Bot o no?»⁴ es una simulación interactiva cronometrada diseñada para poner a prueba la capacidad de los usuarios para distinguir entre comentarios escritos por personas reales y textos generados por bots. El juego situaba al jugador en medio de una sección simulada de comentarios en redes sociales y le pedía que identificara qué comentarios habían sido escritos por un bot. Los usuarios disponían de hasta 120 segundos para identificar 10 comentarios de bots entre una selección de cuatro temas distintos: dos «fríos» (centros de datos y piña en la pizza) y dos «calientes» (inmigración y derechos de la mujer). 

Nuestra muestra estaba formada por 710 participantes que realizaron la prueba «¿Bot o humano?» y aceptaron compartir sus resultados posteriormente.

El juego «¿Bot o no?»⁴ ya está disponible online para que todo el mundo pueda jugar, y tú también puedes participar.

La mitad de las personas no sabe distinguir un bot de un humano

El juego resultó ser todo un reto, y solo una ligera mayoría logró finalmente identificar a los bots de IA en las redes sociales. En el conjunto de todos los grupos demográficos, el 53 % de los participantes superó el juego al identificar correctamente más bots que personas clasificadas erróneamente como bots, mientras que el 47 % restante no lo consiguió.

Sin embargo, para comprender realmente por qué los participantes fracasaron o tuvieron éxito, analizamos dos métricas de comportamiento específicas: Detección de bots y precisión.

• Detección de bots: mide cuántos bots detectas. Esto muestra tu capacidad para identificar a los bots cuando interactúan contigo. Una puntuación baja en la detección de bots significa que los bots te están pasando desapercibidos.
• Precisión: mide la frecuencia con la que aciertas al señalar que un comentario ha sido escrito por un bot. Si un usuario tiene una puntuación de precisión baja, es más probable que marque a personas reales como bots. Esto es peligroso y podría llevar a que personas reales sean silenciadas y expulsadas de las redes sociales o se vean acosadas por la paranoia de Internet.

En el conjunto de la muestra, compuesta por 710 jugadores, la tasa media de detección de bots fue del 58 %, y la precisión media, del 66 %. Pero cuando desglosamos los datos por datos demográficos, empiezan a aparecer diferencias.

Los usuarios más jóvenes son los que mejor detectan

La edad es uno de los indicadores más fiables de la capacidad de un usuario para navegar por Internet de forma segura. Nuestros datos revelaron un «salto generacional» cuando los usuarios alcanzan los 40 años.

• Los jugadores más jóvenes (hasta los 20 años) fueron los mejores cazadores de bots, ya que detectaron casi el 65 % de todos los bots y alcanzaron una tasa de precisión superior al 71 %, lo que significa que eran menos propensos a acusar erróneamente a personas reales.
• El rendimiento se mantiene relativamente estable entre los 20 y los 30 años, pero se desploma en el grupo de edad de 41 a 50 años. La tasa de detección de bots de este grupo cayó hasta solo el 42%, y su precisión descendió al 59 %. Los jugadores mayores de 50 años obtuvieron resultados solo ligeramente mejores. Básicamente, a los grupos de mayor edad les cuesta detectar los bots ocultos y son más propensos a señalar erróneamente a personas reales.

Los usuarios de Reddit y X son los que mejor detectan los bots, mientras que los de Facebook se quedan atrás

También preguntamos a los usuarios cuál era su red social principal, y los resultados muestran que los canales que la gente utiliza con más frecuencia albergan tipos muy diferentes de cazadores de bots.

• Los usuarios de Reddit y X fueron los que tuvieron el ojo más agudo. Aquellos que utilizan principalmente estas plataformas empataron en la tasa más alta de detección de bots, con un 68 %. Aparte de la detección de bots, los usuarios de X también presumieron de una excelente precisión (71 %). La naturaleza de estas plataformas, con mucho texto y muy polémica, puede dotar a los usuarios de un excelente radar para detectar bots.
• Curiosamente, los usuarios que utilizan principalmente TikTok fueron los más cautelosos: obtuvieron la tasa de precisión más alta de todas las plataformas, con un 72 %. Aunque su detección de bots fue ligeramente inferior (61 %) a la de los usuarios de Reddit o X, los usuarios de TikTok fueron más precisos a la hora de detectar un problema de bots.
• Los usuarios de Facebook fueron los que más dificultades tuvieron con las cuentas falsas: registraron una tasa de detección de bots notablemente baja (47 %, solo superada por los usuarios de Threads con un 40 %) y la peor tasa de precisión (55 %) de todas las plataformas principales. Esto significa que estos usuarios obtuvieron peores resultados a la hora de identificar bots en las redes sociales, pero también fueron los más propensos a acusar erróneamente a personas reales.

Los usuarios moderados de redes sociales son los mejores detectores de bots

¿Pasar más tiempo en las redes sociales te hace mejor a la hora de detectar cuentas falsas? Sí, pero solo hasta cierto punto.

• Los usuarios que admitieron que «no usan las redes sociales» iban prácticamente a ciegas, con una tasa de detección de bots del 40 % y una tasa de precisión del 58 %.
• El simple hecho de consultar las redes sociales varias veces al día aumenta esas cifras (59 % y 67 %, respectivamente). Sin embargo, estar «constantemente conectado» no te da superpoderes para combatir el problema de los bots en las redes sociales. Los usuarios que están en las redes sociales «casi todo el tiempo» obtuvieron resultados ligeramente peores a la hora de acusar erróneamente a personas reales (63 % de precisión) que los usuarios que solo consultan sus feeds unas cuantas veces a la semana (70 % de precisión).

Cuando nuestras emociones toman el control, los bots se aprovechan de la situación

El juego se dividió en cuatro temas distintos. Se eligieron dos temas considerados de menor importancia y menos controvertidos para la mayoría de la población (los centros de datos y si se puede poner piña en la pizza), y otros dos temas más polémicos y emotivos (la inmigración y los derechos de las mujeres).

Los resultados del experimento con bots en redes sociales fueron reveladores. Los datos sugieren que abordar temas políticos o sociales delicados podría impedir nuestra capacidad para detectar realmente a los bots y hacernos más propensos a acusar a personas reales de forma errónea.

Mantener la cabeza fría ayuda cuando hay poco en juego, y en realidad se nos da bastante bien detectar bots:

• Centros de datos: en este debate más técnico, los usuarios alcanzaron la mayor tasa de detección de bots (encontrando la mayoría de ellos), del 71 %, así como una alta tasa de precisión (76 %). Esto sugiere que, cuando no nos vemos directamente afectados emocionalmente, detectamos más bots y somos menos propensos a acusar falsamente a personas reales.
• La piña en la pizza: incluso en un debate de cultura popular ligeramente acalorado, los usuarios mantuvieron la concentración, detectando el 64 % de los bots con una tasa de precisión del 69 %.

En el momento en que la simulación pasó a temas más emocionales y polarizantes, las habilidades de detección de bots de nuestros participantes disminuyeron:

• Inmigración: a medida que el debate se fue politizando, la tasa de detección de bots cayó al 54 %, lo que significa que casi la mitad de los bots de las redes sociales lograron pasar desapercibidos para los participantes. Su tasa de precisión también descendió al 63 %, lo que puso de manifiesto un aumento de la paranoia en internet cuando se acusaba a personas reales de ser bots.
• Derechos de la mujer: este tema planteó los mayores retos en la identificación de bots. La tasa de detección de bots se desplomó hasta el 49 %, lo que significa que los usuarios pasaron por alto más bots de los que detectaron. Peor aún, su tasa de precisión cayó al 61 %, lo que demuestra que los participantes eran más propensos a acusar a contenidos humanos de haber sido generados por bots.

Protégete de los bots

Estas son las recomendaciones de Surfshark para protegerte de los bots en una época en la que se ha vuelto prácticamente imposible distinguir entre bots y personas en internet:

• Tómate tu tiempo antes de reaccionar: los bots de IA generativa se alimentan de respuestas emocionales e impulsivas. Si una publicación te enfada, te asusta o te impulsa a actuar, haz una pausa de unos minutos antes de responder, compartir o hacer clic en nada.
• Nunca hagas clic en enlaces sospechosos ni descargues archivos de personas que solo conoces por Internet.
• Toma con precaución los mensajes directos no solicitados: que un desconocido te envíe de repente un mensaje romántico, sobre inversiones, «oportunidades increíbles» o te pida que traslades la conversación a WhatsApp o Telegram es el patrón más común de estafa de bots.
• Protege tus datos personales: no compartas tu número de teléfono, dirección, datos de identificación o información financiera en mensajes directos con alguien a quien solo conoces por internet.
• Verifica antes de confiar: si una cuenta de un «amigo», «famoso» o «oficial» se pone en contacto contigo con una petición inusual, confírmalo a través de otro canal. Llámalos, comprueba su cuenta verificada o haz una pregunta que solo la persona real sabría responder.
• Desconfía del contenido «viral»: si algo está diseñado para indignarte y te exige que lo compartas inmediatamente, podría provenir de una granja de bots. Comprueba la fuente original antes de compartir la publicación.
• Utiliza las protecciones integradas de la plataforma: activa la autenticación de dos factores, restringe quién puede enviarte mensajes directos y denuncia o bloquea las cuentas sospechosas.
• Mantén tus aplicaciones y dispositivos actualizados: muchas estafas con bots se aprovechan del software obsoleto.

Conclusión

Los resultados de este experimento de detección de bots cuestionan nuestra forma de abordar la alfabetización digital y la seguridad online. El 53 % de los participantes en el experimento superó la prueba, ya que logró identificar más bots que personas clasificadas erróneamente como bots. Sin embargo, casi la mitad de los encuestados, un significativo 47 %, no lo consiguió. Esto sugiere que ya no podemos confiar únicamente en nuestra capacidad para analizar matices textuales o detectar un tono robótico a la hora de identificar bots.

Detectar bots ocultos depende en gran medida de nuestra edad, nuestro estado emocional, los temas que nos interesan, el tiempo que pasamos en las redes sociales y las plataformas que utilizamos.

Metodología

Este estudio sobre la detección de bots analizó los datos de 710 participantes que jugaron a la simulación interactiva «¿Bot o no?». Esta máquina y el juego fueron creados por estudiantes de Diseño de Interacción de la Universidad de Malmö para la exposición UNFOLD, un concurso de diseño dirigido a universidades de todo el mundo que se celebró durante la Semana del Diseño de Milán, la feria comercial más grande del mundo. A lo largo de la exposición pública, que duró una semana, se invitó a los visitantes a participar en la experiencia.

Casi la mitad de nuestros jugadores (47 %) tenían entre 21 y 30 años. Los adolescentes y los jugadores más jóvenes (hasta 20 años) constituían el 8 % del grupo, mientras que los usuarios de entre 31 y 40 años representaban el 14 %. Los grupos de mayor edad estuvieron igualmente representados, con los grupos de edad de 41 a 50 años y mayores de 50 años constituyendo cada uno el 7 % de la muestra (el 17 % de los participantes no reveló su edad).

Los participantes actuaron como moderadores de contenido y se les encomendó la tarea de identificar comentarios generados por bots dentro de una sección de comentarios de redes sociales simulada. Los jugadores disponían de 120 segundos para revisar los comentarios sobre uno de cuatro temas con distintos grados de carga emocional: centros de datos, piña en la pizza, inmigración y derechos de la mujer.

El rendimiento de los participantes se midió utilizando dos métricas de comportamiento principales: tasa de detección de bots y precisión: Detección de bots y precisión:

• La detección de bots mide la proporción de bots reales que un usuario identificó correctamente, calculando su capacidad para evitar que los bots pasen desapercibidos.
• La precisión mide la fiabilidad de las acusaciones de un usuario, calculando su capacidad para evitar marcar erróneamente a personas reales.

Llevamos a cabo un análisis descriptivo exploratorio del conjunto de datos. Esto implicó calcular las puntuaciones medias brutas de detección de bots y precisión en toda la muestra de 710 participantes para establecer una línea de referencia. A continuación, segmentamos estas medias por datos demográficos de los humanos (grupos de edad, plataforma principal de redes sociales y frecuencia de uso) y factores ambientales (los cuatro temas de debate). Este análisis nos permitió trazar las tendencias de comportamiento a nivel macro, como la «brecha generacional» y el impacto de la diferencia entre plataformas, antes de aplicar controles matemáticos más estrictos a nuestras variables ordinales y continuas.

El juego «¿Bot o not»4 sigue activo, lo que significa que nuestra recopilación de datos continúa en curso. A medida que más jugadores pongan a prueba sus instintos digitales, seguiremos analizando los resultados y compartiendo futuras actualizaciones.

Aquí puedes consultar los materiales de investigación que se emplearon en este estudio.

Descubre qué pasó entre bastidores en el juego «¿Bot o no?»:

Referencias

¹Bad Bot Report (2025)

²Surfshark (2026). Surrounded by scams: two major social media platforms remove more fake accounts than they have active users

³Euronews (2025). Cheap online fake accounts make misinformation a thriving underground market

⁴Bot or Not? The Bot Detection Game