OpenAI respetará una señal común en robots.txt para que las webs decidan si se entrena con ellas

Qué ha pasado

El 30 de octubre de 2026, OpenAI publicó la entrada «Making it easier for websites to express AI training preferences» (su web devolvió un error 403 y no hemos podido abrirla: lo que se le atribuye procede de PPC Land y EconoTimes). Según esos medios, OpenAI respetará una señal compartida con la que el dueño de una web puede indicar si su contenido puede usarse para entrenar modelos de IA generativa. La señal aparecerá en el archivo robots.txt, el fichero donde una web da instrucciones a los programas automáticos que la visitan. OpenAI describe el esfuerzo como voluntario y, según EconoTimes, la señal sale del grupo de trabajo AI Preferences (AIPREF) del IETF, el organismo que define muchos estándares de internet.

Ese mismo día, según PPC Land, Google y Microsoft publicaron compromisos similares y Anthropic envió un borrador técnico al IETF. La idea es que una web exprese una vez su preferencia y la lean varias empresas, en lugar de mantener reglas distintas para cada una.

Qué puede hacer el dueño de una web

Según el borrador, la señal es un identificador, __usage_ai-training, que se pone en la línea User-Agent de un grupo normal de robots.txt. El ejemplo del propio borrador:

User-Agent: __usage_ai-training
Disallow: /
Allow: /press-kit/

Eso expresa una preferencia contra el entrenamiento en toda la web salvo en /press-kit/, donde se expresa a favor. Las rutas siguen las reglas habituales de robots.txt, con prioridad de la coincidencia más larga. Según PPC Land, un grupo comodín (User-Agent: *) no expresa esta preferencia, y un archivo que no nombre el identificador no expresa ninguna.

Qué cambia respecto a robots.txt

Hasta ahora, robots.txt controlaba qué rastreador podía descargar contenido, nombrándolo: por ejemplo GPTBot, de OpenAI. La nueva señal no controla el rastreo. El borrador dice que «no es una directiva sobre el comportamiento de rastreo» (traducción del inglés) y que rastreo y uso del contenido son independientes. Una empresa puede decidir no descargar las páginas con preferencia en contra, pero la señal no se lo exige. Para mantener alejado a un bot concreto, la web debe seguir nombrándolo.

OpenAI afirma que sus controles actuales «seguirán vigentes» junto a la señal, según EconoTimes. PPC Land añade que OpenAI habla de entrenamiento «de base» de IA generativa, una formulación más estrecha que la del borrador de vocabulario, que habla de modificar los parámetros de cualquier modelo generativo.

Cuándo llegará

OpenAI dice que la aplicará «en los próximos meses» y que dará detalles entonces, sin fecha concreta. Según PPC Land, Microsoft empezará a respetar las preferencias de entrenamiento el 1 de febrero de 2027, Google lo prevé para 2027 y Anthropic dice que ya ha empezado a implementarla, sin fecha. Esas fechas proceden de la cobertura de ese medio.

Por qué importa

Hoy, quien quiere impedir que su web alimente modelos de IA debe conocer los nombres de los rastreadores de cada empresa y mantener la lista al día. Una señal única reduce ese trabajo y hace más probable que las preferencias se respeten de forma coherente entre OpenAI, los modelos de ChatGPT, Gemini de Google y Claude. Anthropic, que dice haberla empezado a implementar, también tiene cambios recientes en su API: Claude Platform en octubre. Y de OpenAI hemos contado igualmente lo que dijo Sam Altman sobre la RAM de los PC.

Aun así, es una preferencia, no un bloqueo técnico. Se aplica según el robots.txt vigente cuando se descargó el contenido, y el borrador no dice nada del que se recogió antes de añadir la señal. Los acuerdos privados de licencia pueden anularla, según PPC Land.

Si dudas entre asistentes, tenemos una guía con los precios en España de ChatGPT, Gemini, Claude y Copilot.

Qué falta por saber

• Cuándo exactamente empezará OpenAI a respetar la señal y si su alcance será solo el entrenamiento «de base».
• Cómo traducirá Google las reglas por ruta a sus reglas actuales de Google-Extended.
• Si Meta, Amazon o Apple se sumarán: ninguna se comprometió el 30 de octubre.
• Si el borrador, que caduca el 3 de mayo de 2027 si no se revisa, cambia antes de convertirse en estándar.