Una señal común para el entrenamiento de IA en la web

Una web que quiera expresar cómo permite utilizar sus contenidos para entrenar modelos de IA tiene hoy que atender a los controles de distintos proveedores. OpenAI y Google anunciaron el 30 de octubre que apoyarán una señal compartida en robots.txt, el fichero donde los sitios publican instrucciones para los rastreadores. La propuesta permitiría comunicar una preferencia a varias empresas mediante una misma regla.

Sus calendarios aún miran al futuro. OpenAI habla de los próximos meses y Google sitúa su apoyo en 2027. El punto de partida técnico es un Internet-Draft presentado en la IETF, no una norma RFC ya aprobada. Para los editores, el avance está en simplificar la expresión de su decisión. Que esa decisión sea respetada dependerá de las implementaciones y de quién adopte el mecanismo.

Una regla por finalidad

El borrador de Kevin Kelley, de Anthropic, utiliza un identificador de finalidad, __usage_ai-training, dentro de la estructura conocida de robots.txt. Las rutas conservan reglas Allow y Disallow. El entrenamiento se define como el uso de contenido para modificar los parámetros aprendidos de un modelo generativo.

Este ejemplo didáctico expresa una preferencia contraria al entrenamiento, con una excepción para la carpeta de material de prensa:

User-agent: __usage_ai-training
Disallow: /
Allow: /material-prensa/

El borrador mantiene separadas esa preferencia de uso y las instrucciones dirigidas a cada rastreador. Una regla general User-agent: * tampoco cuenta como expresión del nuevo identificador: debe existir el grupo específico. Esta precisión permite distinguir una política publicada de una elección que el fichero todavía no ha expresado.

En una web con muchas reglas, la ventaja sería reducir duplicaciones. El editor podría declarar una preferencia común y conservar decisiones particulares para proveedores concretos. La propuesta técnica publicada en la IETF sigue abierta a cambios durante su tramitación.

Los compromisos tienen calendarios distintos

Fuentes: anuncios de OpenAI y Google Search Central, y documentación de rastreadores de Google consultada el 31 de octubre. Son previsiones de implementación, sin fecha de despliegue general acreditada por esta tabla.

OpenAI presenta la iniciativa como un esfuerzo voluntario que facilitará comunicar la misma preferencia a varios participantes. Su anuncio mantiene los controles que ya ofrece por rastreador. El editor puede, por ejemplo, diferenciar mediante los controles actuales de OpenAI la aparición en búsquedas de ChatGPT y el uso para entrenamiento.

Google explica cómo prevé interpretar la nueva señal: cuando el sitio rechace el entrenamiento y no especifique Google-Extended, lo tratará como un rechazo dirigido a ese control. Las reglas particulares seguirán permitiendo elecciones diferentes. Esa correspondencia importa porque Google-Extended abarca tanto entrenamiento de Gemini como ciertos usos para fundamentar respuestas en Gemini y Vertex AI. Google documenta por separado que ese control no determina la inclusión ni actúa como señal de posición en Google Search.

La simplificación del fichero no elimina, por tanto, la necesidad de entender qué producto queda bajo cada control. Un nombre común ayuda a expresar la decisión. Las condiciones de cada servicio siguen afectando a su resultado.

Lo que cambia para un medio o una web

La propuesta ofrece un lugar reconocible donde publicar preferencias de entrenamiento. Eso puede hacer más manejable una política que hoy se distribuye entre numerosos nombres de rastreadores. Para aprovecharla, el responsable del sitio necesita conservar sus reglas actuales y conocer cuándo cada proveedor empieza a interpretar la nueva señal. El anuncio de apoyo no sustituye esa comprobación.

El fichero tampoco cierra técnicamente el acceso a un contenido. El propio protocolo de exclusión de robots, recogido en el RFC 9309, distingue estas reglas de una autorización de acceso. Proteger material privado requiere mecanismos de acceso adecuados. Publicar una preferencia sirve a una finalidad diferente.

Esta distinción también evita confundir la señal con una solución económica para los editores. Comunicar una elección más fácilmente puede mejorar su gestión, pero el mecanismo no establece un pago por el contenido ni prueba el comportamiento de proveedores ajenos a la iniciativa. La discusión sobre visibilidad, licencias e ingresos conserva su recorrido propio.

La objeción: una preferencia necesita respuesta

OpenAI y Google defienden la simplificación frente a la proliferación de controles particulares. El límite más fuerte aparece en sus propios calendarios y en el diseño del borrador: la utilidad efectiva depende de que los consumidores interpreten la señal. El texto técnico contempla además reglas particulares y acuerdos privados que pueden prevalecer sobre la preferencia general. El paso merece atención por reducir una dificultad concreta de coordinación. Su adopción y su cumplimiento deberán demostrarse después.

Las credenciales de contenido abordan otra parte del problema: documentar procedencia. El control sobre los agentes se ocupa de las acciones que pueden ejecutar. Junto al análisis de inversión en IA y productividad, estas diferencias ayudan a separar la capacidad técnica, las decisiones sobre su uso y el valor económico que se obtiene.

Fuentes y alcance

Anuncios del 30 de octubre de OpenAI y Google Search Central, borrador IETF draft-kelley-aipref-training-preference-signal-00, documentación de rastreadores de OpenAI y Google, y RFC 9309. Consulta del 31 de octubre de 2026. La lectura cubre el funcionamiento y los calendarios citados. El ejemplo es didáctico: no se ha aplicado a una web ni se ha probado el cumplimiento de ningún proveedor. Investigación y redacción asistidas por IA con contraste documental.