El anuncio de una señal compartida para el entrenamiento de IA
El 30 de octubre de 2026, OpenAI, Google, Microsoft y Anthropic anunciaron que respetarán una señal común en el archivo robots.txt. Esta iniciativa permite a los operadores de sitios web comunicar a varios proveedores, mediante una sola regla, sus preferencias sobre si su contenido puede utilizarse para el entrenamiento de modelos de inteligencia artificial generativa.
Hasta la fecha, los editores debían mantener listas de exclusión separadas para cada rastreador específico, como GPTBot de OpenAI o Google-Extended. La nueva señal busca reducir esta complejidad operativa al ofrecer un token de política unificado que los proveedores participantes interpretarán de forma similar, simplificando la gestión de los permisos de uso de los datos.
Mecánica técnica: el token __usage_ai-training
El mecanismo se basa en un borrador individual de Internet titulado 'Machine-Readable Training Preference Signal', propuesto por Kevin Kelley de Anthropic ante la Internet Engineering Task Force (IETF). La propuesta no modifica la sintaxis existente de robots.txt ni introduce directivas nuevas, sino que utiliza grupos ordinarios de agentes de usuario.
El token específico definido para este propósito es __usage_ai-training. Al asociar este identificador con directivas de Allow o Disallow, el operador expresa una preferencia de uso. Los analizadores que no reconozcan este token lo tratarán como un nombre de agente desconocido, lo que permite que los sistemas existentes sigan funcionando sin cambios mientras se integra la nueva funcionalidad.
Ejemplo de cómo se expresa la preferencia de no permitir el entrenamiento de IA para todas las rutas, salvo una carpeta específica:
User-Agent: __usage_ai-training
Disallow: /
Allow: /press-kit/Participación de proveedores y calendarios de implementación
La adopción del estándar varía según la empresa. Anthropic ha confirmado que ya implementó el soporte para este token. OpenAI prevé incorporarlo en los próximos meses, aunque no ha especificado una fecha concreta. Google y Microsoft planean admitir la señal a principios de 2027.
Google ha indicado que, si un sitio utiliza el token de política para optar por no participar en el entrenamiento y no menciona explícitamente a Google-Extended, lo interpretará como si el editor hubiera deshabilitado ese rastreador específico. Microsoft, por su parte, ofrecerá controles adicionales que permitirán negarse al entrenamiento o al 'anclaje' (grounding) de forma independiente.
Estado de adopción por proveedor
Resumen de la situación de cada empresa respecto a la señal común de entrenamiento de IA.
| Proveedor | Estado de implementación | Notas adicionales |
|---|---|---|
| Anthropic | Implementado | Ya respeta el token __usage_ai-training. |
| OpenAI | Previsto para próximos meses | No reemplaza los controles actuales de GPTBot. |
| Planificado para 2027 | Se integrará con la lógica de Google-Extended. | |
| Microsoft | Planificado para 2027 | Incluirá opciones para negarse al anclaje (grounding). |
| Meta | Apoyo declarado | No ha confirmado formalmente si respetará la señal técnica. |
Límites del estándar y alcance de las preferencias
Es fundamental distinguir entre el control del rastreo y el control del uso. La señal __usage_ai-training expresa una preferencia sobre el entrenamiento de modelos, pero no determina por sí sola si un rastreador puede visitar una página con otros fines, como la búsqueda o la inferencia en tiempo real.
El borrador de la IETF aclara que los acuerdos privados pueden prevalecer sobre las preferencias expresadas en robots.txt. Además, el documento técnico subraya que esta señal no sustituye los controles de rastreo existentes. Un administrador puede, por ejemplo, bloquear el entrenamiento mediante la señal común pero permitir el acceso para la búsqueda generativa si no bloquea los rastreadores específicos de búsqueda.
Consideraciones para editores y operadores web
Los editores que deseen utilizar esta señal deben comprender que su eficacia depende de la adopción por parte de los proveedores. Dado que el estándar sigue siendo un borrador en la IETF, no cuenta con el respaldo formal de la organización ni tiene estatus de norma aprobada.
Se recomienda a los operadores combinar esta señal con otras medidas de protección, como las reglas de WAF o la gestión de bots, ya que las señales de contenido son preferencias y no contramedidas técnicas contra la apropiación de contenidos. Además, es importante verificar la documentación específica de cada proveedor para entender cómo interpretan la señal en relación con sus propios rastreadores.
Pasos para implementar la señal de entrenamiento
Proceso recomendado para los administradores de sitios web que deseen expresar su preferencia sobre el entrenamiento de IA.
- 01Acceder al archivo robots.txt del sitio web.
- 02Añadir un grupo de usuario con el token __usage_ai-training.
- 03Definir las directivas Allow o Disallow según las rutas que se deseen excluir o permitir para el entrenamiento.
- 04Verificar la sintaxis para asegurar que no se rompen las reglas existentes para otros agentes.
- 05Monitorear el tráfico de bots para confirmar que los proveedores participantes están respetando la preferencia.
Qué sigue abierto
- La fecha exacta de implementación de la señal por parte de OpenAI no ha sido especificada, solo se indica que será en los 'próximos meses'.
- No está confirmado si Meta respetará formalmente la señal técnica, aunque ha expresado apoyo a la idea de una señal común.
- El borrador de la IETF es un documento individual y no representa necesariamente el consenso final del grupo de trabajo, por lo que el vocabulario y la sintaxis podrían cambiar antes de su estandarización definitiva.
Continúa explorando
Fuentes consultadas
Correcciones y transparencia
Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.
Proponer una corrección