Claves del artículo
- Las tres compañías anunciaron planes para reconocer una señal compartida en robots.txt que permita expresar preferencias sobre el entrenamiento de modelos de IA generativa.
- La implementación todavía está pendiente: Se apunta a 2027.
- El uso de contenido para fundamentar respuestas de IA recibe un tratamiento diferente según cada proveedor y puede requerir controles adicionales.
- La señal proviene de un borrador individual presentado en el ámbito de la IETF; todavía no es un estándar aprobado.
Google, Microsoft y OpenAI anunciaron el 30 de octubre que prevén adoptar una señal común para que los sitios web comuniquen si permiten que su contenido se utilice para entrenar modelos de inteligencia artificial generativa. La propuesta busca reducir la cantidad de reglas que los editores deben mantener para expresar una misma preferencia ante distintas compañías.
El cambio todavía no está operativo en las tres empresas. Sus anuncios describen compromisos de implementación futura y, aunque coinciden en la señal de entrenamiento, no establecen una respuesta uniforme para todos los usos del contenido. La diferencia es especialmente relevante para los sitios que quieren restringir el entrenamiento sin perder presencia en respuestas generadas con información de la web.
Una preferencia compartida dentro de robots.txt
La propuesta utiliza robots.txt, el archivo mediante el cual un sitio comunica instrucciones a rastreadores automatizados. En lugar de identificar por separado a cada proveedor, el editor podría incluir una preferencia asociada al identificador __usage_ai-training.
El borrador técnico presentado en el ámbito de la IETF plantea emplear las reglas habituales de robots.txt, como Allow y Disallow, para indicar si el contenido de un sitio o de una sección puede utilizarse en el entrenamiento de modelos generativos.
La señal expresa una preferencia de uso, no equivale por sí sola a impedir técnicamente el acceso al contenido. Su efecto dependerá de que cada proveedor participante la implemente y respete. Tampoco obliga automáticamente a empresas que no adopten el mecanismo.
El documento es un Internet-Draft individual: se relaciona con el trabajo del grupo de preferencias de IA de la IETF, pero todavía no representa un estándar aprobado por esa organización. Su contenido podría cambiar durante el proceso de discusión.
La iniciativa también cumple una función distinta de llms.txt, una propuesta que Titular analizó para organizar información destinada a sistemas de IA. En este caso, el objetivo es comunicar una preferencia sobre el uso del contenido para entrenamiento.
Google vinculará la señal con Google-Extended
Google explicó que planea admitir el nuevo control en 2027. Si un sitio rechaza el entrenamiento mediante la señal compartida y no establece una instrucción explícita para Google-Extended, la empresa interpretará esa preferencia como si el sitio hubiera bloqueado Google-Extended.
La distinción importa porque ese control de Google no se limita al entrenamiento: también alcanza determinados usos de contenido para fundamentar respuestas en Gemini Apps. Por lo tanto, la señal compartida podría tener para Google un efecto más amplio que el nombre «entrenamiento» sugiere.
Los controles específicos seguirán funcionando junto con la nueva señal. Google indicó que los sitios que permiten expresamente Google-Extended pueden ser elegibles para aparecer en respuestas fundamentadas de Gemini Apps y recibir clics, aunque esa posibilidad no garantiza menciones ni tráfico.
Microsoft separará entrenamiento y respuestas
Microsoft anunció un esquema diferente. A partir del 1 de febrero de 2027, prevé reconocer la preferencia compartida de entrenamiento durante el rastreo y ofrecer un control independiente, a nivel de página, para el grounding: el uso de contenido web como información de referencia al generar una respuesta.
Así, un editor podría rechazar el entrenamiento y permitir que sus páginas sigan siendo elegibles para fundamentar respuestas. Microsoft también presentó una opción intermedia, DisallowExtended, que limitará ese uso a experiencias operadas por la compañía y excluirá los servicios de grounding que ofrece a terceros.
La empresa aclaró que estas preferencias no modifican por sí mismas la elegibilidad para los resultados tradicionales de Bing, que continúa sujeta a las condiciones habituales de rastreo e indexación. También advirtió que restringir el grounding puede reducir la visibilidad de una marca en experiencias de IA. Permitirlo, en cambio, no garantiza inclusión, visitas ni pago.
Hay una transición relevante para quienes utilizan las etiquetas NoArchive o NoCache como controles de IA. Microsoft dejará de interpretarlas como preferencias de entrenamiento y grounding después del 1 de marzo de 2027. Para conservar restricciones de grounding durante la transición, los sitios alcanzados deberán publicar la nueva preferencia por página y registrar una preferencia temporal en Bing Webmaster Tools, según las condiciones detalladas por la empresa.
OpenAI mantendrá sus controles actuales
OpenAI comunicó que busca implementar la señal común «en los próximos meses» y que publicará más detalles cuando lo haga. Sus controles existentes para rastreadores seguirán vigentes.
La compañía describió la iniciativa como un esfuerzo voluntario para facilitar que los editores expresen una misma preferencia ante varios proveedores. Su anuncio no establece una fecha concreta ni detalla todavía todas las condiciones de implementación.
La propuesta abre una vía para simplificar la gestión de permisos, pero la decisión editorial seguirá teniendo varias capas: autorizar el entrenamiento, permitir que una página fundamente respuestas y conservar visibilidad en buscadores son cuestiones relacionadas, aunque no equivalentes. La forma en que cada plataforma conecte esos usos determinará cuánto control real aporta el aviso compartido.