Por Canuto  

OpenAI dijo que adoptará una señal voluntaria compartida en robots.txt para que los sitios web comuniquen a varios proveedores, con una sola regla, sus preferencias sobre el entrenamiento de IA. La propuesta no reemplaza los controles actuales de rastreo y todavía depende de borradores de la IETF, que no garantizan que cada receptor respete las preferencias expresadas.
***

  • OpenAI prevé implementar en los próximos meses una señal común para expresar preferencias sobre el entrenamiento de IA.
  • El mecanismo usa grupos ordinarios de robots.txt y el token de política __usage_ai-training, sin cambiar la gramática del estándar.
  • La propuesta no garantiza cumplimiento ni sustituye los controles de rastreo actuales de OpenAI.

OpenAI se suma a una señal compartida para expresar límites al entrenamiento de IA

La iniciativa busca que los sitios comuniquen una misma preferencia a varios proveedores sin mantener reglas separadas para cada rastreador.

Una regla común, todavía voluntaria

OpenAI anunció, según informó Unite.AI, que respetará una señal compartida en el archivo robots.txt, herramienta con la que los sitios web comunican instrucciones a los rastreadores. La compañía presentó la iniciativa como voluntaria y explicó que pretende reducir el trabajo de los operadores, quienes hasta ahora debían identificar rastreadores individuales y redactar instrucciones específicas para cada proveedor. Con una señal común, los editores podrían expresar una preferencia que varios participantes entiendan de forma similar.

La empresa dijo que apunta a implementar el mecanismo en los próximos meses y que publicará entonces más detalles técnicos. También aclaró que la nueva señal no reemplazará los controles que ya ofrece mediante robots.txt, los cuales, según afirmó, seguirán vigentes y serán respetados. Por ahora, el anuncio establece una intención y un calendario general, pero no describe una fecha concreta ni una implementación ya disponible para los administradores de sitios.

OpenAI vinculó el anuncio con el trabajo del grupo de trabajo de Preferencias de IA de la Internet Engineering Task Force, conocido como IETF, y dijo que se suma a otros participantes que apoyan el esfuerzo. La compañía también alentó a otros proveedores de IA a reconocer la señal. Su argumento es que una web abierta requiere que la información pueda publicarse y descubrirse, pero también que los propietarios tengan vías más claras para comunicar cómo aceptan que se utilice su contenido.

La promesa de respetar una preferencia no equivale, sin embargo, a una garantía universal de cumplimiento. El propio vocabulario asociado al mecanismo deja la decisión en manos de quien recibe la señal, y el borrador técnico advierte que acuerdos privados pueden prevalecer sobre las preferencias expresadas allí. Por eso, el valor inmediato de la propuesta dependerá tanto de su adopción por otros proveedores como de la forma en que cada uno incorpore y aplique las instrucciones.

Cómo se escribiría la preferencia en robots.txt

El mecanismo aparece descrito en un borrador individual de Internet titulado Machine-Readable Training Preference Signal, redactado por Kevin Kelley, de Anthropic, con fecha del 30 de octubre de 2026 y vencimiento el 3 de mayo de 2027. La IETF aclara que un borrador individual no cuenta con el respaldo formal de la organización ni tiene estatus oficial dentro de su proceso de estandarización. En consecuencia, describe una propuesta en desarrollo, no una norma aprobada que todos los servicios deban implementar.

La propuesta no inventa directivas nuevas ni modifica la sintaxis de robots.txt. En cambio, plantea que un operador asocie una preferencia de uso con determinadas rutas mediante grupos ordinarios, usando en la línea User-Agent un token que identifica el propósito, de manera que las reglas existentes de rutas, precedencia por coincidencia más larga y estructura sigan como las establece RFC 9309.

El token compartido que define el borrador es __usage_ai-training. Un ejemplo empareja ese identificador con Disallow: / y Allow: /press-kit/, expresión que comunica una preferencia contraria al entrenamiento de IA para todas las rutas, salvo las ubicadas bajo /press-kit/. Los grupos generales identificados como User-Agent: * no se interpretarían como equivalentes a ese token; si el archivo no incluye un grupo con el identificador de política, no habría una preferencia declarada mediante este mecanismo.

El diseño busca que los analizadores existentes continúen funcionando sin cambios: los que no reconozcan el token lo tratarían como un nombre de agente de usuario desconocido, tal como ya hacen con grupos que no implementan. El borrador también subraya que esta señal expresa preferencias de uso del contenido, no instrucciones para gestionar el rastreo. Esa separación importa porque una indicación sobre entrenamiento no determina por sí sola si un rastreador puede visitar una página con otros fines.

Preferencias de uso y límites de la propuesta

El significado de la señal depende del borrador de vocabulario A Vocabulary For Expressing AI Usage Preferences, identificado como draft-ietf-aipref-vocab-08. Sus autores son Paul Keller, de Open Future, y Martin Thomson, de Mozilla; la versión citada se actualizó por última vez en septiembre de 2026 como documento activo del grupo de trabajo de Preferencias de IA. El texto también advierte a sus lectores que su contenido todavía no representa necesariamente el consenso del grupo.

Ese vocabulario define el entrenamiento de IA como el uso de un activo para modificar los parámetros aprendidos de un modelo de IA generativa. Excluye de esa categoría el entrenamiento de modelos destinados exclusivamente a tareas no generativas y define como generativo el modelo que se utiliza, o se ofrece para utilizarse, en la creación de contenido sintético en una o más modalidades. La distinción busca precisar qué actividad describe una preferencia de no entrenamiento, en vez de tratar todo uso de IA como una misma operación.

El borrador distingue además entre entrenamiento, uso de IA y búsqueda. La categoría de uso abarca activos empleados como entrada a un modelo generativo, en lugar de ser proporcionados directamente por una persona; la de búsqueda se refiere a aplicaciones cuyo propósito principal es seleccionar activos y dirigir a los usuarios hacia sus ubicaciones. Para cada categoría contempla valores de permitido, no permitido o desconocido, y cuando las declaraciones chocan establece que debe prevalecer la preferencia más restrictiva.

El texto no promete que los destinatarios obedezcan esas preferencias, sino que deja esa decisión en manos de cada receptor. También plantea, como cuestión aún abierta, que respetar una preferencia de entrenamiento podría incluir transmitir las preferencias vinculadas a los activos junto con un modelo cuando se distribuya. El borrador de la señal agradece a Mark Nottingham, de Cloudflare, y Suresh Krishnan, de Cisco, a quienes identifica como presidentes del grupo de trabajo; a los editores del vocabulario Thomson y Keller, y al director de área responsable, Mike Bishop, de Akamai.

Qué controles conserva OpenAI

La documentación de OpenAI separa actualmente sus rastreadores según su función. GPTBot rastrea contenido que podría utilizarse para entrenar modelos fundacionales de IA generativa, y la compañía indica que bloquearlo expresa que el contenido del sitio no debe destinarse a ese entrenamiento. OAI-SearchBot, en cambio, ayuda a mostrar páginas en funciones de búsqueda de ChatGPT; excluirlo puede impedir que un sitio aparezca en respuestas de búsqueda, aunque todavía podría figurar como enlace de navegación.

La empresa también describe OAI-AdsBot como el agente que verifica la seguridad de páginas enviadas como anuncios en ChatGPT, y señala que la información que recoge no se usa para entrenar modelos fundacionales de IA generativa. ChatGPT-User atiende visitas a páginas activadas por acciones de usuarios en ChatGPT, en vez de realizar rastreo automático. Según la documentación, las reglas de robots.txt podrían no aplicarse a esas visitas iniciadas por usuarios, una diferencia relevante para entender el alcance de los controles.

OpenAI sostiene que cada ajuste funciona de manera independiente, de modo que un administrador puede permitir que OAI-SearchBot aparezca en resultados y, al mismo tiempo, bloquear GPTBot para el entrenamiento. Los cambios relacionados con la búsqueda pueden tardar alrededor de 24 horas en reflejarse después de actualizar robots.txt. La señal compartida se sumaría a estas opciones, pero el anuncio no indica que vaya a unificarlas ni que altere sus funciones específicas.

Entre las organizaciones y entidades que aparecen en los agradecimientos del borrador figuran OpenAI, Google, Microsoft, Meta, Cloudflare, Common Crawl Foundation, News Corp, Financial Times, BBC, Electronic Frontier Foundation y Creative Commons. El documento precisa que las afiliaciones sirven para identificar a los participantes, quienes contribuyen a título individual en la IETF. La lista refleja una discusión con actores diversos, pero no implica que cada organización haya adoptado ya la señal o se comprometa a implementarla.

La siguiente etapa dependerá de los detalles que OpenAI publique cuando avance con su implementación y de la evolución de los borradores dentro del grupo de trabajo. Hasta entonces, los operadores de sitios cuentan con los controles existentes y con una propuesta que busca reducir reglas duplicadas, pero cuyo alcance depende de la adopción y el cumplimiento voluntario de cada proveedor. La iniciativa abre una vía técnica común para expresar preferencias, no una solución automática a las disputas sobre el uso de contenido para entrenar inteligencia artificial.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados