OpenAI, Google, Microsoft y Anthropic respaldan un único opt-out en robots.txt para el entrenamiento de IA

OpenAI, Google, Microsoft y Anthropic han respaldado una única señal de robots.txt que permite a los sitios web indicar a varias empresas de IA a la vez si sus páginas pueden usarse para el entrenamiento de IA [1][2][4]. La señal proviene de un borrador del IETF escrito por un líder de estándares de Anthropic y publicado el 30 de octubre de 2026 [3][4].

¿Qué es la nueva señal de entrenamiento de IA?

Los operadores de sitios web añaden un grupo a robots.txt identificado por un token de política compartido en lugar de nombrar a cada rastreador de IA [2][3]. El borrador del IETF indica que una regla Disallow bajo ese token expresa una preferencia contra el entrenamiento de IA, mientras que las rutas Allow expresan una preferencia a favor [3].

El borrador no añade nuevas directivas ni gramática, por lo que los analizadores de robots.txt existentes simplemente ignoran el grupo [3]. En el borrador, el token es "__usage_ai-training", y un grupo comodín no debe interpretarse como que lo coincide [3].

¿Quién lo respalda y cuándo?

OpenAI dijo que honrará una señal común de robots.txt para el entrenamiento de IA y tiene como objetivo implementarla en los próximos meses. La empresa dice que sus controles de rastreadores existentes seguirán aplicándose [1].

Google dijo que planea apoyar el control compartido de entrenamiento de IA junto con otros proveedores de IA en 2027. Si un sitio opta por no participar con el token y no nombra Google-Extended, Google planea tratarlo como si Google-Extended estuviera deshabilitado [2].

Anthropic ya ha adoptado la señal, mientras que Google y Microsoft planean respaldarla el próximo año, informa The Verge. Microsoft también ofrecerá opt-outs separados para el entrenamiento y para el grounding, y los sitios permanecen en los resultados de Bing de cualquier manera, según The Verge [4].

Meta indicó su apoyo pero no dijo si honrará el token, informa The Verge [4].

¿Por qué esto importa para los editores?

Hasta ahora, los sitios tenían que listar cada rastreador de IA por separado y mantener esas reglas actualizadas [1][4]. Google dice que la propuesta refleja las peticiones de editores, grupos de la sociedad civil y reguladores para controles de entrenamiento a nivel industrial [2].

Google también dice que el enfoque se ajusta al Código de Práctica de la UE para modelos de IA de propósito general, que reconoce robots.txt como una forma principal de expresar preferencias legibles por máquina [2]. La señal sigue siendo voluntaria y aún es un borrador en el IETF [1][3].

Nuestra lectura

Opinión: Una línea en robots.txt que los cuatro laboratorios más grandes prometen respetar es una verdadera victoria de usabilidad para los editores. Pero sigue siendo una preferencia voluntaria, no una licencia ni un candado, y solo cubre el entrenamiento futuro, por lo que las disputas sobre el scraping pasado y los pagos quedan intactas.

Lo que no pudimos verificar

• Los anuncios propios de Microsoft y Anthropic; sus posiciones se citan de The Verge.
• Las fechas exactas de implementación más allá de "próximos meses" (OpenAI) y 2027 (Google).
• Si el contenido ya recopilado para entrenamiento se ve afectado; ninguna de las fuentes lo indica.