Si gestionas una web, un blog o un medio digital, hasta ahora decirle a cada empresa de inteligencia artificial que no quieres que entrene sus modelos con tus textos era un trabajo por partida múltiple: una regla para cada rastreador, una empresa tras otra. Eso podría cambiar con una señal única que OpenAI, Google, Microsoft y Anthropic dicen que adoptarán.
La señal, llamada «policy token», vivirá dentro del archivo robots.txt, el fichero que desde hace años indica qué rastreadores pueden recorrer un sitio, ya sea para indexarlo en buscadores, archivarlo o entrenar modelos. Su propuesta la ha presentado Kevin Kelley, responsable técnico de estándares de Anthropic, ante el Internet Engineering Task Force (IETF), según informó The Verge.
Cómo funciona la señal única del robots.txt
Hoy, un editor que quiera excluir su contenido del entrenamiento de IA debe comunicarlo por separado a cada compañía. Cada una tiene su propio rastreador y sus propias instrucciones. El mantenimiento de esas listas recae en quien administra la web.
Antes de seguir: llévate las herramientas y prompts listos para usar, GRATIS. Probados uno a uno y ordenados por la tarea que quieres resolver: vídeo, imagen, voz, escribir, automatizar tu negocio, clientes, web. Es gratis y la lista crece cada semana.
Entras también en el boletín semanal de La Prensa IA. Te das de baja cuando quieras, con una palabra.
Con el policy token, la preferencia se declara una sola vez. OpenAI, Google, Microsoft y Anthropic afirman que, si sus rastreadores de IA encuentran la señal compartida en un sitio, dejarán de acceder a él.
Se trata, por ahora, de un compromiso declarado por las empresas y de una propuesta ante el IETF, no de una norma legal. El cumplimiento depende de que cada compañía implemente lo que anuncia.
El calendario de adopción: Anthropic ya, el resto después
Las cuatro compañías no avanzan al mismo ritmo. Según The Verge, Anthropic ya ha adoptado la señal. Google y Microsoft planean darle soporte el año que viene. OpenAI asegura que lo implementará en los «próximos meses».
Esa diferencia importa a quien quiera usarla ya. Si activas el token hoy, solo una de las cuatro empresas tiene la obligación práctica de respetarlo desde este momento. Las otras tres han anunciado fechas aproximadas, no compromisos cerrados con día concreto.
Microsoft separa el entrenamiento del «grounding»
Microsoft ha anunciado que ofrecerá controles más granulares. Los editores podrán excluirse del entrenamiento de IA o del llamado «grounding», el proceso que consiste en apuntar un modelo hacia una fuente de información verificada para reducir las alucinaciones.
La distinción tiene consecuencias prácticas. Un medio puede aceptar que su contenido sirva para que un asistente responda con datos contrastados y, a la vez, negarse a que alimente el entrenamiento del modelo. Son dos usos distintos y ahora podrán decidirse por separado.
Microsoft precisa además que los sitios seguirán apareciendo en los resultados de Bing sea cual sea su preferencia. Google, por su parte, ya había implantado controles similares: permiten decidir si el contenido aparece en las funciones de búsqueda con IA o se usa para entrenar, sin afectar a la visibilidad en el buscador.
Meta apoya la idea, pero no se compromete a respetarla
El único gran nombre del sector que queda en una posición ambigua es Meta. Su responsable de comunicación, Andy Stone, expresó apoyo a la iniciativa, pero no aclaró si la compañía respetará la señal.
«Creemos que crear una señal común que transmita estas preferencias a varios proveedores a la vez es un paso importante», afirmó Stone, según recoge The Verge. Añadió que la empresa espera trabajar con otras compañías de IA en los estándares y su implementación en el sector.
La frase respalda el principio, no la obligación. Un editor que quiera excluirse de Meta no puede dar por hecho que el token funcione con ella.
El nuevo equilibrio entre RSL, Cloudflare y el policy token
La señal llega en un contexto de presión creciente de los editores contra los rastreadores de IA. Ya existían otras vías. El estándar Really Simple Licensing (RSL) permite a los editores cobrar a los rastreadores que visitan sus sitios. Cloudflare, por su parte, bloquea de forma predeterminada a los rastreadores de IA.
Estas herramientas responden a estrategias distintas. RSL monetiza el acceso, Cloudflare lo corta por defecto y el policy token busca unificar la declaración de preferencias. No son excluyentes, pero un editor deberá decidir qué combinación le conviene.
La ventaja del token es la simplicidad: reduce el número de instrucciones a mantener. Su límite es que, a diferencia del bloqueo técnico de Cloudflare, depende de la buena fe de quien rastrea.
Qué debes revisar si tienes una web con contenido propio
La noticia es útil para cualquier editor, pero exige comprobaciones concretas:
Revisa tu archivo robots.txt. Es el lugar donde vivirá la señal y donde ya tienes, quizá, reglas dispersas por cada rastreador de IA.
Ten presente el calendario. Anthropic ya reconoce el token; Google y Microsoft lo harán el año que viene y OpenAI en los próximos meses. Hasta entonces, mantén las reglas individuales si quieres cobertura inmediata.
Decide qué quieres excluir. Con los controles de Microsoft puedes distinguir entre entrenamiento y grounding; con los de Google, entre funciones de búsqueda con IA y entrenamiento.
No olvides a Meta. Su apoyo público no equivale a un compromiso de respetar la señal.
Qué implica para ti
Si publicas contenido en la web, tendrás pronto una forma más simple de expresar tu preferencia sobre el entrenamiento de IA: una sola señal en lugar de una regla por empresa. No te libra de comprobar quién la respeta, y hoy solo Anthropic la ha adoptado.
Si eres lector o usuario de estas plataformas, el efecto será indirecto: los editores que activen el token podrían quedar fuera del material de entrenamiento de los modelos de las cuatro compañías. Con las fechas de Google, Microsoft y OpenAI aún por concretar, el efecto real dependerá de cuántos editores lo activen y de si las empresas cumplen lo anunciado.
Imagen ilustrativa generada con inteligencia artificial.
Más sobre esto en LaPrensaIA
- OpenAI recorta hasta un 90 % el precio a los clientes de Anthropic para quitárselos
- Google Cloud suma los modelos GPT-6 de OpenAI y ya ofrece los tres grandes
Fuente original: theverge.com
Esta pieza la ha redactado Iberia, el sistema de inteligencia artificial de LaPrensaIA, a partir de las fuentes citadas. Fermín Sánchez ha decidido publicarla y responde de ella. Cómo trabajamos.
Contenido elaborado con la asistencia tecnológica de IBERIA y supervisión editorial. Fermín Sánchez es el responsable editorial de LaPrensaIA, diario de divulgación sobre inteligencia artificial. Cubrimos la actualidad de la IA con criterio propio —tecnología, empresas y sociedad— de forma clara para el público no técnico.
