Social Rocket
Los sitios web podrán indicar, con una regla común `robots.txt`, que sus contenidos no deben usarse para entrenar IA generativa. Anthropic, Google, Microsoft y OpenAI anunciaron a finales de octubre 2026 su apoyo a una propuesta en ese sentido. Para editores, marcas con bases de conocimiento y operadores de webs editoriales, esto reduce de forma notable el mantenimiento de reglas individuales para cada bot.
Un único interruptor para varios proveedores de IA
El borrador técnico procede del especialista en estándares de Anthropic Kevin Kelley y fue presentado el 30 de octubre 2026 ante la Internet Engineering Task Force. Utiliza un nombre especial de User-Agent en el archivo `robots.txt` existente, sin introducir nuevos comandos. El ejemplo del borrador tiene este aspecto:[](https://datatracker.ietf.org/doc/html/draft-kelley-aipref-training-preference-signal-00)
```txt User-Agent: __usage_ai-training Disallow: / Allow: /press-kit/ ```
Con ello, un operador web declara: los contenidos no deben usarse, en principio, para entrenar IA; el directorio `/press-kit/` queda excluido. La regla es una preferencia de uso, no un bloqueo para todos los bots. El rastreo de buscadores puede gestionarse por separado.
Hasta ahora, los editores tenían que gestionar reglas propias para sistemas distintos. Una señal común crea un ajuste central que los proveedores participantes pueden tener en cuenta junto con sus controles específicos. La propuesta es por ahora un borrador de Internet del IETF y no un estándar aprobado.
Google, Microsoft y OpenAI no arrancan al mismo tiempo
Las empresas tienen calendarios distintos:
- Anthropic afirma haber comenzado ya la implementación.
- OpenAI anunció el de octubre30 que tendrá en cuenta la señal en los próximos meses. Las reglas individuales de rastreo existentes se mantienen.
- Google planea aplicarla a partir del 2027. Si no existe una regla Google-Extended establecida expresamente, la exclusión común se tratará como una prohibición equivalente para Google-Extended.
- Microsoft indica el 1 de febrero 2027 como fecha de inicio y añade ajustes propios para el entrenamiento de IA y el uso de fuentes en respuestas actuales, el llamado grounding. La documentación de Bing explica el periodo de transición para las señales anteriores `NoArchive` y `NoCache` hasta el 1 de marzo 2027.
Así, la cuestión práctica decisiva no es solo qué regla establece un sitio web, sino cuándo cada proveedor la procesa realmente. Meta también ha respaldado públicamente una solución común, pero aún no ha comprometido una implementación concreta. Una buena visión general de los compromisos actuales la ofrece Digiday.
Entrenamiento, respuestas de IA y resultados de búsqueda son tres cosas distintas
El nuevo mecanismo afecta principalmente al entrenamiento de futuros modelos. Para los equipos de marketing, esta distinción es importante: quien rechaza los datos de entrenamiento no decide automáticamente sobre la visibilidad de una página en los resultados de búsqueda ni sobre si se cita en una respuesta.
Por eso, Microsoft quiere que el entrenamiento y el grounding puedan controlarse de forma explícitamente independiente. Google mantiene sus controles existentes de Google-Extended. El debate aparte sobre la exclusión y los datos de clics en Google AI Overviews se refiere a otra parte del problema: la visibilidad de los contenidos de los editores dentro de los productos de búsqueda generativa.
Una política clara de derechos puede incluso formar parte de la estrategia de distribución. Algunas marcas quieren mantener sus contenidos protegidos fuera de los datos de entrenamiento y, al mismo tiempo, dejar accesibles para los sistemas de búsqueda la información de producto, la documentación y los comunicados de prensa.
Qué deben preparar ahora editores y empresas
Quien opere una plataforma de contenidos más grande puede, en primer lugar, documentar las reglas `robots.txt` existentes, planificar las nuevas preferencias según el tipo de contenido y tener presentes las fechas de implementación posteriores. En Microsoft, deberían prestar especial atención los operadores que todavía utilicen `NoArchive` o `NoCache` con fines de IA.
Para la operación diaria, sigue en pie la cuestión de qué bots se identifican correctamente. Srocket ya informó sobre las exigencias de rastreadores de IA más fáciles de identificar. La nueva regla simplifica la comunicación con los servicios que cooperan; el control de los accesos reales sigue siendo una tarea aparte.
En segundo plano continúan también los conflictos sobre el uso comercial de sitios web. Las cláusulas controvertidas de los rastreadores de Meta muestran por qué resulta cada vez más importante que las responsabilidades estén claramente repartidas entre tecnología, redacción y jurídico.
El siguiente paso es la estandarización en lugar de mantener una docena de bots: un operador de sitio web puede formular su decisión básica una sola vez y luego establecer excepciones específicas. Si esto también conduce a una relación económica equilibrada entre editores y proveedores de IA, dependerá de la aplicación práctica y de los modelos de licencia.
Imagen: Danial Igdery / Unsplash.