OpenAI, Google y Microsoft anunciaron que apoyarán una señal común para que los sitios web indiquen si rechazan el uso de su contenido en el entrenamiento de inteligencia artificial. Anthropic también la respalda y ya la adoptó, según The Verge. La propuesta busca reducir el trabajo de mantener reglas separadas para cada proveedor.
Una preferencia para varios proveedores
La señal se colocaría en robots.txt, un archivo que los sitios usan para comunicar instrucciones a los rastreadores automáticos. La propuesta combina la etiqueta __usage_ai-training con reglas que expresan una preferencia sobre el entrenamiento para todo el sitio o para rutas concretas.
El borrador técnico fue presentado por Kevin Kelley, de Anthropic, y se apoya en el trabajo del grupo de preferencias de IA del Internet Engineering Task Force (IETF). El documento es una propuesta individual en desarrollo, no un estándar aprobado por la organización.
Un solo ajuste podría comunicar la misma preferencia a los proveedores que adopten la señal. La medida es voluntaria y no impone por sí sola su cumplimiento a quienes no la adopten.
Las fechas y los controles existentes
OpenAI prevé implementarla en los próximos meses y mantener sus controles actuales para rastreadores. Google espera ofrecer soporte en 2027; si un sitio rechaza el entrenamiento con la señal común y no especifica una regla para Google-Extended, la compañía planea interpretarlo como una desautorización de ese control propio.
Microsoft comenzará a respetar las nuevas preferencias a partir del 1 de febrero de 2027, conforme vuelva a rastrear los sitios. The Verge informó que Anthropic ya adoptó la señal.
Los sitios que hoy usan las etiquetas NoArchive o NoCache para indicar sus preferencias a Microsoft tendrán que revisar la transición: después del 1 de marzo de 2027, la compañía dejará de interpretar esas etiquetas como preferencias para entrenamiento y para el uso de contenido en respuestas generadas.
Entrenamiento, rastreo y respuestas son decisiones distintas
La señal compartida expresa una preferencia sobre el uso de contenido para entrenar modelos generativos. El borrador aclara que no es, por sí misma, una instrucción para impedir que un rastreador visite una página; un proveedor podría seguir accediendo al contenido para otros fines.
Microsoft, por ejemplo, ofrecerá por separado una preferencia para el grounding, el uso de páginas web como información para elaborar respuestas de IA. Según la compañía, un editor podrá rechazar el entrenamiento y permitir ese uso, mientras su sitio siga siendo elegible para los resultados tradicionales de Bing, sujeto a los requisitos habituales de rastreo e indexación.
Google, por su parte, señala que los sitios que permiten explícitamente Google-Extended pueden aparecer en respuestas de Gemini Apps mediante grounding. Los efectos de cada ajuste dependen, por tanto, del servicio.
La distinción permite simplificar la decisión sobre entrenamiento, pero los editores aún tendrán que revisar los controles de cada servicio si también quieren limitar otros usos de sus páginas.
