Al comienzo de agosto de 2026, decenas de compradores de Amazon descubrieron que solo veían ocho reseñas en la tarjeta del producto, sin orden, sin filtros y sin la posibilidad de abrir las demás. No hubo ninguna advertencia. El servicio de atención al cliente explicó que lo que estaba ocurriendo era una violación de los términos de uso "en lo que respecta a la recopilación y extracción de contenido de la comunidad". Es decir, la plataforma confundió a personas reales con scrapers.
La historia en sí misma podría haber parecido una curiosidad si no coincidiera en fecha con otro evento: el 4 de agosto de 2026, la Corte de Apelaciones del Noveno Circuito anuló la orden judicial que Amazon había impuesto contra el agente de IA Perplexity Comet. El camino legal para combatir la automatización se había estancado, y casi al mismo tiempo, se endureció drásticamente en el ámbito técnico. Analizamos qué fue lo que ocurrió y por qué esto cambia las reglas del juego para todos los que recopilan datos públicos.
Qué sucedió: ocho reseñas y una apelación de cinco días
Sobre las limitaciones masivas informaron el 3 y 4 de agosto de 2026 TechSpot, Android Authority y Shopifreaks. La situación para los afectados es la misma:
- en cualquier producto solo están disponibles 8 reseñas en lugar de la lista completa;
- las herramientas de ordenación y filtrado de reseñas desaparecen;
- no hay notificación sobre la limitación: el usuario se entera por sí mismo;
- para levantar el bloqueo, es necesario escribir al soporte y esperar una respuesta de hasta cinco días hábiles.
Uno de los afectados, Fred Hall, se encontró con la limitación a mediados de julio, mientras investigaba deshumidificadores. El operador del chat mencionó una violación de las Conditions of Use relacionada con la extracción de contenido de usuario; la apelación fue aprobada unos días después sin ninguna explicación. El segundo caso es más ilustrativo: Sean Kaufman recibió el mismo límite de ocho reseñas en todos los productos consecutivamente. No utiliza VPN, ni bloqueadores de anuncios, ni navegadores de IA; su única particularidad es que compara durante mucho tiempo productos competidores y lee reseñas con atención. Amazon le ofreció 10 dólares en su cuenta y restauró el acceso después de cinco días.
El comentario oficial de la empresa es el siguiente: "Entendemos que puede haber habido casos aislados en los que los clientes no pudieron acceder a las reseñas, y hemos trabajado para garantizar el acceso". Sin embargo, Amazon se negó a revelar detalles significativos: ni el número de cuentas afectadas, ni el comportamiento que activa el detector, ni la fecha de inicio de las limitaciones, ni los principios de revisión de apelaciones. Quejas individuales, según las discusiones, se habían presentado desde noviembre de 2025, es decir, el mecanismo ha estado funcionando durante mucho tiempo, y en agosto simplemente se volvió evidente.
Por qué ahora: el tribunal le quitó a Amazon una herramienta conveniente
Para entender el contexto, se necesita una cronología del conflicto entre Amazon y Perplexity.
- Noviembre 2024 — noviembre 2025. Amazon, según sus propias afirmaciones, envió a Perplexity al menos cinco advertencias exigiendo que cesara las compras de agentes en nombre de los usuarios.
- Agosto 2025. Amazon establece una barrera técnica contra Comet. Según Amazon, Perplexity lanzó un bypass en 24 horas, disfrazando a su agente como una sesión normal de Chrome en lugar de identificarse honestamente.
- 10 de marzo de 2026. La jueza Maxine Chesney en San Francisco emite una orden de restricción preliminar: Comet no puede acceder a las secciones protegidas por contraseña de Amazon y comprar en nombre del usuario. La formulación clave es que el agente actúa "con el permiso del usuario de Amazon, pero sin la autorización de Amazon".
- 4 de agosto de 2026. El Noveno Circuito anula la orden. El tribunal consideró que es poco probable que Amazon gane bajo la Ley de Fraude y Abuso Informático: cuando un usuario encarga una tarea a un asistente, los servidores de Amazon son contactados por el propio usuario a través del asistente, y no por Perplexity. La CFAA requiere demostrar acceso no autorizado intencional y daños superiores a 5000 dólares al año; el tribunal no vio estos elementos.
Amazon respondió que "respetuosamente no está de acuerdo" con la decisión y se reserva el derecho a solicitar una revisión. El caso en el tribunal de San Francisco no está cerrado: solo se ha anulado la orden de restricción preliminar. Pero la señal al mercado ya se ha emitido: el intento de equiparar las acciones de un agente que actúa bajo el mandato directo de una persona con un hackeo en los tribunales no está funcionando por ahora.
Perplexity, por cierto, ha insistido todo este tiempo en que la demanda no protege la seguridad, sino los ingresos publicitarios: el agente compra productos, eludiendo la presentación publicitaria que ve el ser humano. El argumento no es tan descabellado: el negocio publicitario de Amazon se valoró en 56 mil millones de dólares ya en 2025, y todos esos ingresos dependen de que un comprador real vea la vitrina por sí mismo.
Qué le queda a la plataforma cuando el tribunal no ayuda
Amazon ha estado luchando en paralelo en dos frentes. Además de los tribunales, la empresa ha estado cerrando el acceso a crawlers de IA a través de robots.txt: en la lista de bloqueados se encuentran los bots de Meta, Google, Huawei y Mistral, y antes de eso, los crawlers de Anthropic, Perplexity y Google Project Mariner. Para comparar: Walmart y eBay no han impuesto tales bloqueos en robots.txt. El problema es que robots.txt es una solicitud, no una barrera: solo funciona con aquellos que lo cumplen voluntariamente.
De aquí surge el paso lógico: trasladar la protección a un nivel donde no se necesita pedir consentimiento. Así es como se presenta la historia con las reseñas: en lugar de bloquear bots específicos por nombre, la plataforma comienza a evaluar el comportamiento de la sesión y a recortar la entrega a aquellos cuyo patrón se asemeja al de una máquina. Las reseñas son el activo más valioso y más copiado del marketplace, por lo que el experimento comenzó precisamente con ellas.
El problema práctico de este enfoque son los falsos positivos. La clasificación conductual se basa en la dinámica de interacción: ritmo y velocidad de los movimientos, pausas, secuencia de transiciones, profundidad y repetición de vistas. Una persona que compara metódicamente diez modelos de deshumidificadores y abre todas las reseñas de cada uno, a través de estas métricas, se ve exactamente como un parser. El caso de Kaufman es una ilustración didáctica: IP limpio, navegador normal, ninguna automatización, y aun así, ban.
Conclusión principal: el IP limpio dejó de ser un pase
Para aquellos que recopilan datos públicos, de esta historia se desprende algo desagradable. Antes, la lógica era simple: reputación del IP mala — bloqueo, reputación buena — acceso. Ahora Amazon ha demostrado que la decisión puede tomarse a pesar de señales de red ideales. Un usuario está conectado desde su proveedor local, desde su país, en un Chrome real, con un historial de compras completo de años — y aun así cae bajo la limitación porque lee demasiadas reseñas seguidas.
Esto cambia las prioridades en la infraestructura de recopilación de datos. Un proxy residencial de calidad sigue siendo necesario: sin él, no pasarás ni la primera capa de filtros y no verás la misma entrega que un comprador local. Pero ya no es una condición suficiente: si sobre un buen IP opera un robot con ritmo mecánico, el detector te atrapará en la segunda capa. Un análisis detallado de cómo funciona esta capa se encuentra en nuestro material sobre biometría conductual y proxies.
Qué hacer en la práctica
- Separen lo "personal" y lo "laboral" físicamente. Si monitoreas precios y reseñas de competidores desde el mismo navegador y con la misma IP donde inicias sesión en tu cuenta de comprador, arriesgas tanto tus datos como tu cuenta. Perfil separado, dirección de salida separada, sesión separada.
- Un pool — una tarea. El monitoreo de Buy Box, la recopilación de reseñas y la verificación de disponibilidad no deben realizarse a través del mismo conjunto de direcciones: estas tareas tienen un patrón de solicitudes diferente, y mezclarlas significa recopilar una huella compuesta, que es más notable que cualquiera de los componentes.
- Limita la profundidad por sesión. Ocho reseñas no son un número aleatorio: es el umbral por debajo del cual la plataforma considera que el interés es normal. Recopila reseñas en porciones a través de diferentes sesiones en lugar de extraer todo el feed de una sola vez.
- Mantén un ritmo humano. Pausas aleatorias, velocidad irregular de transiciones, secuencia natural (tarjeta → reseñas → regreso al feed) son más baratas que rotar mil direcciones en una ráfaga de solicitudes.
- Monitorea la degradación, no solo los errores. Lo más engañoso en el enfoque de Amazon es que no te devuelven un 403. Te devuelven un HTTP 200 con contenido recortado. Un parser que solo verifica el código de respuesta estará durante meses escribiendo en la base ocho reseñas de tres mil y no dará ninguna señal de alarma. Agrega una verificación de integridad: número de elementos, presencia de paginación, presencia de bloque de filtros.
- Establece un margen de reserva. Según el estudio State of Web Scraping 2026 (Apify y The Web Scraping Club), el 65,8% de los especialistas comenzaron a usar más proxies que el año anterior, y el 58,3% aumentaron sus presupuestos, a pesar de que los precios por gigabyte en general estaban cayendo. No es el precio lo que aumenta, sino el volumen y la complejidad necesarios. El 43,1% de los equipos ya tienen 2-3 proveedores por razones de resistencia.
Es importante tener en cuenta la tendencia opuesta: mientras algunas plataformas ocultan filtros, la industria intenta legalizar "buenos" bots, a través de la firma criptográfica de solicitudes y la identificación explícita del agente. Cómo funciona esto lo analizamos en el artículo sobre Web Bot Auth y agentes firmados. El problema es que un agente firmado, por definición, se entrega a la voluntad de la plataforma: Amazon se complace en saber que tiene un bot frente a él, y lo rechazará.
A quién afectará en los próximos meses
La reducción silenciosa de la entrega en lugar de un bloqueo honesto es un método que se puede copiar fácilmente. Es probable que lo veamos en otras plataformas: es más barato que un captcha, no arruina las métricas de rebote y no le da al scraper una señal clara de que ha sido detectado.
Los escenarios que más riesgo corren son aquellos donde la integridad de los datos es importante, y no solo el hecho de acceso: análisis de reseñas para análisis de productos, monitoreo de reputación, entrenamiento de modelos en contenido de usuario, inteligencia competitiva de vendedores. Si trabajas con un marketplace, es útil revisar las prácticas básicas para eludir filtros —por ejemplo, nuestro análisis sobre la protección anti-bot de Amazon al parsear precios— y añadir a ellas una verificación de integridad de respuesta.
Esto también afecta a las personas comunes. Un usuario que fue confundido con un bot pierde exactamente la función por la cual acudió al marketplace: la posibilidad de leer lo que se dice sobre un producto. Sin advertencias, sin explicaciones, sin un plazo claro de recuperación: solo un correo al soporte y cinco días hábiles de espera.
Conclusión
Agosto de 2026 marcó una bifurcación. La corte del noveno circuito dijo, de hecho: un agente que actúa por mandato de una persona es una persona, y no se le puede someter a la ley de abusos informáticos. Las plataformas entendieron la respuesta y trasladaron la lucha a donde las decisiones se toman sin juicio: a los filtros conductuales de su propio frontend. El daño colateral en forma de compradores reales con un límite de ocho reseñas les preocupa moderadamente, según los comentarios de Amazon.
La conclusión para la práctica es simple: la infraestructura de recopilación de datos dejó de ser una tarea de "encontrar un buen IP". Un buen IP es un boleto de entrada, y luego te evalúan según cómo te comportas y cuánto pides. Planifica el presupuesto, la profundidad de las solicitudes y el control de la integridad de la respuesta en función de esto, y verifica no solo que los datos llegaron, sino que llegaron en la cantidad que debían.
```