OpenAI, Google, Microsoft y Anthropic aceptan una señal para no entrenar su IA

OpenAI, Google, Microsoft y Anthropic anunciaron el 30 de octubre que van a respetar una misma señal para que los sitios web pidan que su contenido no se use para entrenar inteligencia artificial, según The Verge. Hasta ahora, un medio que no quería alimentar a la IA tenía que bloquear empresa por empresa; con la señal común alcanza con una regla en el archivo robots.txt. Anthropic ya empezó a implementarla, Google y Microsoft lo harán en 2027 y OpenAI promete hacerlo "en los próximos meses".

La propuesta la firmó Kevin Kelley, responsable de estándares de Anthropic, y la presentó ese mismo día ante el Grupo de Trabajo de Ingeniería de Internet (IETF)Organismo internacional abierto que elabora los estándares técnicos de internet, como los protocolos del correo o de la web, a partir de borradores que se discuten en público., el organismo que define buena parte de las reglas técnicas de la web. Su mensaje a la lista del grupo salió a las 15:39 UTC, las 12:39 en Buenos Aires y São Paulo, las 10:39 en Bogotá y Lima y las 9:39 en Ciudad de México.

Una línea en un archivo que ya existe

El archivo robots.txt está en la raíz de casi todos los sitios y desde hace décadas les dice a los programas que recorren la webPrograma que recorre sitios de forma automática para copiar o indexar sus páginas. Lo usan los buscadores y también las empresas de IA para juntar textos con los que entrenar modelos. qué páginas pueden visitar. El borrador de Kelley no inventa nada nuevo adentro de ese archivo. Usa un nombre especial, __usage_ai-training, en el lugar donde normalmente va el nombre de un robot.

Para pedir que no se entrene con todo el sitio, alcanzan dos líneas: User-Agent: __usage_ai-training y, debajo, Disallow: /. Se pueden hacer excepciones por carpeta. El ejemplo del propio borrador agrega Allow: /press-kit/, que deja disponible solo el material de prensa.

Hay dos detalles que cambian el resultado. Las reglas generales que hoy tienen muchos sitios, las que empiezan con User-Agent: *, no cuentan como un "no" al entrenamiento: si el archivo no nombra la señal, no expresó ninguna preferencia. Y la señal habla del uso del contenido, no del acceso. Las reglas que ya bloquean a robots puntuales, como GPTBot de OpenAI, siguen valiendo igual.

Qué hará cada empresa

Google dijo en su blog para administradores de sitios que tomará la señal como si el sitio hubiera bloqueado Google-Extended, su control de entrenamiento desde 2023, salvo que el sitio diga otra cosa sobre ese control. Aclaró que apunta a soportarla "junto con otros proveedores de IA en 2027".

Microsoft fue más lejos en el calendario. Según su anuncio en el blog de Bing, empezará a leer la señal el 1 de febrero de 2027 y sumará una preferencia propia, a nivel de página, para decidir si el contenido sirve de base para las respuestas de Copilot y de su buscador. Los sitios que hoy usan las etiquetas NoArchive o NoCache para frenar a la IA tienen hasta el 1 de marzo de 2027 para pasarse al sistema nuevo, porque después dejarán de leerse con ese fin. La empresa aseguró que ninguna de estas opciones cambia la aparición en los resultados de Bing.

OpenAI describió su compromiso como voluntario y dijo que la señal convivirá con sus controles actuales, según Geek's Room. Meta no se comprometió. Su jefe de comunicaciones, Andy Stone, dijo a The Verge que crear una señal común "es un paso importante", sin aclarar si la empresa la va a respetar.

Un pedido, no un candado

El documento es un borrador individual. En el propio registro del IETF figura que no tiene aval del organismo ni estatus formal en su proceso de estándares, y vence el 3 de mayo de 2027 si nadie lo actualiza. Kelley lo presentó como aporte al grupo de trabajo sobre preferencias de IA, que sigue discutiendo el vocabulario y la forma de adjuntarlo a los sitios.

La señal tampoco obliga a nadie. Expresa una preferencia que cada empresa decide respetar, y el propio Kelley advirtió que la forma de interpretarla "puede cambiar" a medida que avance el estándar. Las empresas que no la adopten pueden ignorarla, como ya ocurre con cualquier regla de robots.txt. Y no dice nada de lo que ya se usó: aplica a lo que se descargue después de publicada.

Para los medios latinoamericanos llega en un momento preciso. El 24 de octubre, la Sociedad Interamericana de Prensa exigió que la IA pague por las noticias que usa para entrenar y responder. La señal común no paga nada, pero baja el costo de decir que no, y Microsoft lo aclaró sin rodeos: ninguna de las opciones garantiza "inclusión, tráfico ni pago". Quien quiera usarla ya puede escribir las dos líneas. Por ahora, la única que ya empezó a implementarla es Anthropic.