Una sola línea para decir "no": OpenAI, Google, Microsoft y Anthropic respaldan una señal común para excluir contenidos del entrenamiento de IA

¿Qué cambia para los sitios web?

Hasta ahora, un medio de comunicación, una universidad o una tienda en línea que quisiera evitar que su contenido alimentara sistemas de IA tenía que bloquear, uno por uno, los rastreadores de cada empresa: GPTBot de OpenAI, Google-Extended de Google o ClaudeBot de Anthropic, entre otros. La nueva propuesta unifica ese proceso en una sola instrucción.

La señal se incluye en el archivo robots.txt, un documento de texto que casi todos los sitios publican en su raíz para indicar a los programas automáticos qué secciones pueden visitar. El borrador define una etiqueta llamada `__usage_ai-training`. Si el administrador escribe esa etiqueta seguida de la orden `Disallow: /`, expresa que no autoriza el uso de ninguna de sus páginas para entrenar IA generativa. También puede excluir solo algunas secciones y permitir otras, como una sala de prensa.

Según el texto técnico, la propuesta "no introduce nuevas directivas ni nueva gramática": reutiliza la estructura que el robots.txt ya tiene desde hace décadas, lo que facilita su adopción.

¿Quién la impulsa?

El documento, identificado como draft-kelley-aipref-training-preference-signal-00, fue registrado el 30 de octubre en el repositorio oficial de la IETF por Kevin Kelley, de Anthropic. Se enmarca en el trabajo del grupo AI Preferences (aipref), que desde hace más de un año discute un vocabulario común para que los dueños de contenidos expresen sus preferencias frente a la IA. Entre los colaboradores figuran Microsoft, Google, OpenAI, Meta, Common Crawl, la BBC, News Corp, el Financial Times y la Electronic Frontier Foundation.

Se trata, por ahora, de un borrador individual: la propia IETF aclara que no cuenta con su respaldo formal ni con estatus de estándar, y que sus definiciones aún no reflejan un consenso del grupo de trabajo.

Calendario de aplicación

Microsoft es la única de las cuatro compañías cuyo cronograma pudo confirmarse en una fuente primaria. En su blog oficial, Bing informó que las nuevas preferencias regirán desde el 1 de febrero de 2027, con una etapa de transición en sus herramientas para administradores web que se abrirá el 15 de diciembre de 2026. "Los editores no deberían tener que elegir entre ser visibles en Bing y decidir cómo los modelos generativos usan su trabajo", señaló la empresa.

Microsoft añadió una segunda categoría, llamada grounding o "anclaje", que se refiere al uso de contenidos como insumo para que un asistente redacte respuestas en tiempo real. Esa preferencia se manejará página por página y, según la compañía, no afectará la aparición de los sitios en los resultados tradicionales del buscador.

Sobre OpenAI, Google y Anthropic, los reportes de prensa especializada difieren: algunos indican que la implementación llegará "en los próximos meses" y que Google la aplicaría durante 2027, mientras otros sostienen que no hay fechas concretas.

Los límites de la medida

La señal cubre únicamente el entrenamiento de modelos. No regula el rastreo de páginas, los resúmenes generados por buscadores ni los contenidos que ya fueron recopilados. Además, su cumplimiento es voluntario: el vocabulario de la IETF reconoce que el mecanismo "no garantiza que las preferencias se respeten", y los acuerdos privados entre empresas y editores pueden prevalecer sobre ella. Laboratorios más pequeños y proyectos de código abierto no hacen parte del compromiso.

Analistas del sector han comparado la iniciativa con la fallida señal "Do Not Track" de los navegadores, que dependía de la buena voluntad de la industria.

Para los medios y creadores de contenido en Colombia y el resto de América Latina, la medida ofrece una herramienta sencilla y gratuita para expresar su posición ante el uso de su trabajo, en momentos en que los litigios por derechos de autor contra empresas de IA se multiplican en Estados Unidos y Europa.

Preguntas y respuestas de contexto

¿En qué consiste el nuevo acuerdo entre los gigantes de la inteligencia artificial?

OpenAI, Google, Microsoft y Anthropic respaldarán una instrucción técnica única para que cualquier sitio web pueda prohibir el uso de sus contenidos en el entrenamiento de modelos de IA.

¿Cómo podrán los sitios web activar esta restricción?

Los administradores deberán incluir la etiqueta `__usage_ai-training` en su archivo robots.txt, lo que simplifica el proceso al no tener que bloquear individualmente a cada empresa.

¿Cuándo entrará en vigor esta medida?

Microsoft confirmó que aplicará estas preferencias desde febrero de 2027, mientras que para las otras compañías se espera una implementación gradual en los próximos meses o años.

¿Qué limitaciones tiene esta nueva señal?

El cumplimiento es voluntario y no garantiza que se respete, además de que solo cubre el entrenamiento futuro y no afecta a los contenidos que ya fueron recopilados por las empresas.