ChildSafeAds Shared Task 2026: Commercial Content in Child-Facing YouTube Videos

Imagina sentarte a ver un video sobre cómo construir una casa en un árbol o resolver un rompecabezas matemático difícil. El creador te habla directamente, compartiendo consejos e historias con una voz amable y familiar. De repente, sin una interrupción en el flujo, menciona una marca específica de pegamento o una nueva aplicación, explicando por qué es la herramienta perfecta para el trabajo. Para muchos niños y adolescentes, esta mezcla fluida de entretenimiento y ventas es difícil de detectar. A diferencia de un comercial de televisión tradicional que interrumpe el programa con una melodía fuerte, este tipo de publicidad se esconde dentro del contenido mismo. Debido a que se ve y suena como el resto del video, los espectadores jóvenes a menudo no se dan cuenta de que se les está vendiendo algo. Esta confusión no es solo una molestia menor; es una preocupación legal y ética. Las leyes en muchos lugares exigen que, cuando alguien es pagado para promocionar un producto, debe informar claramente a la audiencia. Sin embargo, en el vasto y caótico mundo del video en línea, estas advertencias suelen faltar, estar enterradas en descripciones largas o escritas en un lenguaje demasiado sutil para que un niño lo comprenda.

Los investigadores llevan tiempo preocupados de que los sistemas actuales para monitorear estos videos no sean lo suficientemente buenos. A menudo dependen de las propias etiquetas de la plataforma de video, que los creadores deben añadir cuando tienen una asociación pagada. Sin embargo, un nuevo estudio sugiere que confiar únicamente en estas etiquetas dejaría fuera un gran número de mensajes comerciales. Para entender la verdadera escala del problema, un equipo de investigadores de universidades de los Países Bajos creó una nueva forma de analizar los datos. Construyeron una tarea compartida, una especie de desafío organizado para científicos de la computación, para ver si las máquinas podían identificar estos discursos de venta ocultos y determinar qué estaba mal con ellos. El objetivo no era solo encontrar los anuncios, sino entender qué estaban vendiendo y si estaban rompiendo las reglas diseñadas para proteger a los jóvenes.

El equipo comenzó reuniendo una colección masiva de clips de video. No miraron cada video en internet, sino que se centraron en una herramienta específica llamada SponsorBlock. Este es un proyecto impulsado por la comunidad donde los espectadores regulares marcan el inicio y el fin exactos de los segmentos de patrocinio en los videos para que otros puedan saltárselos. Los investigadores tomaron estos marcadores enviados por los usuarios como su punto de partida, sabiendo que si un espectador humano sintió la necesidad de saltar una parte, era probable que se tratara de un mensaje comercial. Recopilaron 3,360 de estos segmentos de casi mil canales diferentes que son populares entre los adolescentes. Para cada segmento, reunieron todo lo disponible: las palabras dichas en el clip, el título del video, el nombre del canal y los enlaces que el creador puso en la caja de descripción. Incluso siguieron esos enlaces hasta los sitios web reales donde se vendían los productos. Esto creó un conjunto de datos rico donde un sistema informático podía mirar una transcripción corta, o profundizar en los detalles del video y la página del producto, para emitir un juicio.

Los investigadores establecieron luego tres tareas específicas para que los sistemas informáticos las realizaran. Primero, el sistema tenía que decidir qué tipo de oferta se estaba haciendo. ¿Estaba el creador vendiendo un objeto físico como un juguete, un servicio digital como un juego, o algo completamente distinto? Segundo, el sistema necesitaba categorizar el producto. ¿Era comida, moda, consejos de salud o quizás algo riesgoso como el juego de azar? Finalmente, y lo más importante, el sistema tenía que actuar como un vigilante legal. Necesitaba señalar cualquier problema potencial, como una afirmación que sonara demasiado buena para ser cierta, la falta de una mención clara de "esto es un anuncio", o un impulso directo para que un niño compre algo ahora mismo. Los investigadores diseñaron la tarea para que los equipos pudieran elegir cuánta información utilizar. Algunos sistemas podrían solo leer la transcripción, lo cual es barato y fácil de obtener. Otros podrían rastrear los sitios web enlazados, lo cual es mucho más costoso y lento. Esto permitió a los investigadores ver si el esfuerzo adicional de reunir más datos realmente conducía a mejores resultados.

Cuando el equipo analizó los datos que habían recolectado, encontraron una realidad alarmante. Casi la mitad de los videos en su colección, específicamente el 45.5 por ciento, no utilizaban la etiqueta oficial de "promoción pagada" que proporciona la plataforma de video. Esto significa que si los reguladores o los padres solo buscaran esa etiqueta específica, se perderían casi la mitad del contenido comercial dirigido a los jóvenes. El estudio también reveló que la tarea de identificar estos anuncios es difícil para las computadoras. Aunque los sistemas eran bastante buenos para determinar qué tipo de producto se estaba vendiendo, tuvieron dificultades significativas con las alertas legales. Las computadoras a menudo discrepaban entre sí sobre si una divulgación era lo suficientemente clara o si una afirmación era engañosa. Esta discrepancia resalta que comprender el matiz del lenguaje y el contexto, especialmente cuando se trata de proteger a los niños, es un desafío complejo que las máquinas aún no son perfectas para resolver.

Los investigadores utilizaron modelos avanzados de inteligencia artificial para crear las etiquetas de su conjunto de datos, trabajando estrechamente con expertos legales para refinar las reglas. No solo adivinaron; iteraron sobre sus definiciones, revisando muestras y ajustando cómo le pedían a la computadora que pensara. Por ejemplo, acotaron la definición de "exhortación directa", que significa instar a un niño a comprar algo, para asegurar que la computadora solo señalara el lenguaje que realmente presionaba a un niño, en lugar de solo una sugerencia genérica de hacer clic en un enlace. Incluso con estos pasos cuidadosos, los modelos informáticos todavía cometían errores. En el conjunto de prueba, dos modelos potentes diferentes coincidieron en el conjunto exacto de alertas legales en menos de la mitad de los casos. Esto sugiere que, si bien la tecnología puede ayudar a escanear miles de videos, aún no puede reemplazar el juicio humano al determinar si un anuncio es verdaderamente seguro para una audiencia joven.

El estudio concluye que el monitoreo de contenido dirigido a niños requiere más que solo buscar etiquetas oficiales. Exige una mirada más profunda al contenido mismo, a los enlaces proporcionados y al lenguaje específico utilizado. Los investigadores pusieron sus datos y las reglas de la tarea a disposición del público, invitando a otros científicos a construir mejores sistemas. Enfatizaron que su trabajo es un punto de partida para la investigación, no una solución final. El conjunto de datos que crearon es una instantánea de un momento específico en el tiempo y tiene limitaciones. Solo incluye videos donde alguien ya marcó un patrocinio y depende de enlaces que aún funcionaban cuando fueron revisados. No incluye videos que fueron puramente comerciales o canales que no pasaron su filtrado de atractivo para adolescentes. A pesar de estos límites, el trabajo proporciona una imagen clara del panorama actual: una gran cantidad de contenido comercial se escapa por las grietas de los sistemas de monitoreo actuales, a menudo sin las advertencias claras que la ley requiere. El camino a seguir implica construir herramientas que puedan entender el contexto tan bien como entienden las palabras, asegurando que el mundo digital siga siendo un espacio seguro para que los niños aprendan y jueguen sin ser vendidos sin saberlo.