Tecnología: Google, Microsoft, OpenAI y Anthropic acuerdan una sola regla para que los sitios web rechacen el entrenamiento de IA
Google, Microsoft, OpenAI y Anthropic anunciaron el viernes que honrarán una misma señal de exclusión en el archivo robots.txt para que los sitios web puedan rechazar, con una sola regla, que su contenido se use para entrenar modelos de inteligencia artificial generativa, según reportó el 31 de octubre el medio especializado The Next Web.
Hasta ahora, un medio que no quiere que su contenido alimente a estos modelos debe escribir reglas separadas para cada rastreador de cada empresa. La nueva señal funciona a través de un token de política, __usage_ai-training: el sitio agrega un grupo con ese token y enumera las rutas que no desea que se usen para entrenamiento. El ejemplo del borrador bloquea un sitio completo excepto su kit de prensa.
La propuesta proviene de un borrador individual presentado ante el Grupo de Trabajo de Ingeniería de Internet (IETF) por Kevin Kelley, de Anthropic. El documento aclara que el token expresa una preferencia sobre el uso del contenido, no una orden sobre el rastreo: no impide que los buscadores indexen la página ni la elimina de los resultados, y tampoco puede deshacer entrenamientos ya realizados. Además, los acuerdos privados entre un medio y una empresa de IA pueden prevalecer sobre la señal, y el IETF no ha respaldado formalmente el borrador.
El apoyo llegará en fechas distintas. Anthropic ya comenzó a trabajar en su implementación; Microsoft honrará las preferencias desde el 1 de febrero de 2027 y dejará de reconocer sus etiquetas NoArchive y NoCache como señales de entrenamiento o de fundamentación a partir del 1 de marzo de 2027; Google apunta a principios de 2027 y tratará la señal como un bloqueo de Google-Extended, el rastreador que alimenta a sus modelos Gemini; y OpenAI prevé adoptarla en los próximos meses, mientras sus controles actuales, como GPTBot, seguirán vigentes.
Microsoft advirtió además que bloquear la fundamentación en IA reducirá significativamente la visibilidad del contenido en experiencias generadas por IA, aunque no cambiará su posición en los resultados de búsqueda de Bing. Google señaló que la propuesta es coherente con el Código de Prácticas de la Unión Europea para la IA de uso general, que reconoce a robots.txt como la vía principal para expresar preferencias legibles por máquinas.
Foto: Pivot News
Fuente: The Next Web / Pivot News
