Un anuncio superó los filtros de Google y acumuló 100 millones de impresiones. Luego entró en escena Gemma.

Un anuncio superó los filtros de Google y acumuló 100 millones de impresiones. Luego entró en escena Gemma.

Especialistas analizaron 188.000 anuncios con Gemma y hallaron miles de contenidos que ya habían pasado la moderación.

image

Google afirma que su IA puede filtrar casi toda la publicidad prohibida antes de mostrarla a los usuarios. Una verificación independiente encontró una paradoja preocupante. Investigadores tomaron los modelos de la propia Google y encontraron miles de anuncios que la moderación publicitaria de la empresa ya había dejado pasar.

Un equipo de la Universidad de Nueva York y de la Universidad de Radboud creó el sistema AdLens y examinó 188 834 materiales publicitarios del Google Ads Transparency Center. Tras eliminar duplicados textuales exactos quedaron 112 761 anuncios relacionados con programas, utilidades móviles y hardware informático. Los investigadores buscaron tres tipos de infracciones: intimidar a usuarios con amenazas ficticias, promesas falsas y anuncios que ocultan el objetivo real o el anunciante.

AdLens detectó 238 anuncios únicos de scareware, que sumaron más de 16 millones de impresiones solo en Europa. Otros 3 346 anuncios contenían promesas falsas y obtuvieron alrededor de 89,9 millones de impresiones. Entre los cebos había ofertas para recuperar fotografías borradas hace varios años, localizar a cualquier persona por su número de teléfono o «limpiar» de urgencia un dispositivo supuestamente infectado. Otros 258 anuncios imitaban ventanas del sistema o se limitaban a botones como «Continuar» y «Obtener acceso».

Para la búsqueda, los investigadores montaron una cadena casi completamente con modelos de pesos abiertos. EmbeddingGemma ordenaba los anuncios por similitud con plantillas fraudulentas conocidas, Gemma 3 y Qwen 3.5 clasificaban de forma independiente materiales sospechosos, y Gemma 4 analizaba los casos en que las otras dos discrepaban. En otras palabras, los modelos de Google ayudaron a detectar publicidad que la propia infraestructura publicitaria de Google había dejado pasar.

Algunos hallazgos estaban relacionados no solo con mercadotecnia dudosa, sino con publicidad maliciosa. Entre las direcciones de destino los investigadores encontraron pdfscraper[.]com, vinculado a la campaña TamperedChef, que distribuía un infostealer a través de programas PDF falsos. Un dominio estaba asociado a 42 anuncios. Tras una denuncia, Google eliminó el anuncio concreto, pero los otros 41 siguieron activos. Otro dominio detectado pertenecía a IPIDEA, una gran red ilegal de proxies residenciales.

La comprobación del mecanismo de denuncias mostró un problema similar. Los investigadores enviaron a Google más de 20 anuncios sospechosos de diez grupos temáticos. La compañía consideró que la mayoría no infringía las normas, y algunas infracciones reconocidas seguían visibles una semana después. Anuncios similares siguieron mostrándose incluso tras eliminar ejemplares individuales, lo que señala una débil conexión entre revisar una denuncia y localizar toda la campaña publicitaria relacionada.

Los autores del estudio subrayan que AdLens no ofrece una visión completa de toda la publicidad de Google. La muestra abarcó anuncios mostrados al menos en un país del Espacio Económico Europeo, y el sistema funciona peor con materiales sin texto y aún no admite los alfabetos cirílico y árabe en el módulo OCR empleado. A pesar de las limitaciones, las campañas encontradas ya acumulan decenas de millones de impresiones y en varios casos permanecieron activas durante meses o años.

El contraste es especialmente visible frente a las propias cifras de Google. En primavera la compañía informó que las herramientas basadas en Gemini en 2025 interceptaron más del 99 % de los anuncios que infringían las normas antes de su primera exhibición. En un año Google bloqueó o eliminó 8,3 mil millones de materiales publicitarios, incluidos 602 millones de anuncios relacionados con fraude. El trabajo de AdLens muestra que incluso un pequeño porcentaje restante, a la escala de la red publicitaria, puede convertirse en millones de impresiones reales.