Google se une a OpenAI en una nueva regla de robots.txt contra la IA

Google ha anunciado que se une a OpenAI, Anthropic y Microsoft para respaldar una nueva directiva del archivo robots.txt. Su objetivo es dar a los propietarios de sitios web más control sobre si su contenido se usa para entrenar modelos de IA generativa.

Hasta ahora, los editores debían crear reglas independientes para el rastreador de cada empresa si querían mantener sus páginas fuera del entrenamiento de IA. El sistema propuesto lo sustituye por una señal unificada que las compañías participantes pueden reconocer y respetar.

Cómo funciona

Los responsables de los sitios podrán usar un agente de usuario específico para indicar las páginas o secciones que no quieren que se utilicen en el entrenamiento. También podrán permitir el acceso a partes concretas, como las páginas periodísticas o el material destinado a su publicación.

Las empresas subrayaron que la directiva no impide que los sitios aparezcan en los resultados de búsqueda. Se centra solo en la recopilación de datos para entrenar modelos de IA. En el caso de Google, la nueva señal se tratará como una instrucción para su agente de usuario Google-Extended, que reúne material relacionado con el entrenamiento de los modelos Gemini.

Aplicación gradual hasta 2027

Anthropic ya admite la directiva. Microsoft prevé empezar a aplicarla el 1 de febrero de 2027 y se espera que Google lo haga a principios de ese año. OpenAI afirma que implantará el sistema en los próximos meses.

La directiva no afectará a los datos que las compañías ya hayan recopilado: solo regula la extracción de contenido a partir de ahora.

El paso supone un avance relevante en la relación entre las empresas de IA y los editores, en un contexto de demandas crecientes para que los titulares del contenido decidan más sobre el uso de sus obras en el desarrollo de modelos generativos.