Su veto a la IA llega tarde para el contenido ya copiado

Ha escrito un artículo especializado, publicado una guía o explicado sus servicios en la web. Ahora, una línea en el archivo robots.txt puede indicar a los proveedores de IA que no utilicen esos contenidos para entrenar sus modelos. Parece un ajuste sencillo. OpenAI anunció el 30 de octubre de 2026 que respetaría una señal común. Microsoft, sin embargo, no tendrá en cuenta esa preferencia hasta febrero de 2027, y lo hará de forma gradual, cuando Bing vuelva a rastrear las páginas. ¿Qué consigue realmente esta línea y qué ya no puede cambiar?
Una regla, cuatro proveedores y ninguna protección inmediata
La primera ventaja es que reduce el trabajo de gestión. Hasta ahora, los propietarios de webs tenían que comunicar sus preferencias a los distintos proveedores de IA con reglas diferentes. Una señal común en robots.txt permitiría transmitir la misma decisión a varias empresas participantes. OpenAI anunció que la respetaría. Según una información de prensa, también quieren reconocer la señal Google, Microsoft y Anthropic.
Para una pequeña empresa es una ayuda práctica. Quien lleva un taller, una consultoría o una tienda online rara vez cuenta con alguien que se ocupe al momento de cada cambio técnico. Una regla común puede reducir el número de ajustes individuales. Pero no aclara cuándo la aplicará cada proveedor ni qué usos cubre.
OpenAI no dio una fecha concreta y afirmó que aspiraba a ponerla en marcha durante los meses siguientes. Además, la iniciativa común sigue siendo un borrador técnico presentado a la IETF, no un estándar aprobado de forma definitiva. Si cambia hoy el archivo, no dé por hecho que mañana cambiará el comportamiento de todos los servicios.
Qué indica realmente la regla de robots.txt
La primera línea identifica el grupo al que se aplica la regla. La segunda significa, en este ejemplo, que afecta a todas las páginas. El formato importa: si la línea está mal colocada o escrita, no transmitirá la indicación que usted quiere. Si una agencia o un proveedor externo lleva su web, pídale que revise el cambio.
La clave está en la palabra preferencia. Según la descripción, la señal no es una orden que detenga automáticamente a un rastreador. Comunica cómo quiere que se utilicen sus contenidos, y los proveedores participantes se comprometen a tenerlo en cuenta. OpenAI también recalca que la nueva señal no sustituye los controles actuales de robots.txt para sus propios rastreadores. Por tanto, una sola regla no cubre automáticamente todos los ajustes que ya tenga.
- `User-Agent: __usage_ai-training`
- `Disallow: /`
La gran incógnita: lo que ya se ha recopilado
Una nueva línea no puede hacer retroceder el tiempo. Si los proveedores ya han rastreado sus contenidos y los han utilizado para entrenar modelos, una señal posterior no los retirará del modelo de forma retroactiva. El artículo de Inc señala expresamente que la señal común no resuelve el problema del scraping que ya se ha producido.
Para una pequeña empresa, la cuestión es muy concreta. Quizá una guía detallada recoge años de experiencia propia. O ha publicado en su web casos prácticos que le han costado muchas horas de trabajo no remunerado. Una regla puede comunicar su preferencia sobre el uso futuro, pero no permite saber qué contenidos antiguos se han procesado ni cómo retirarlos después.
Por eso conviene abordar la decisión como algo más que una cuestión técnica. ¿Qué páginas quiere que estén al alcance de las personas y los buscadores? ¿Qué contenidos prefiere excluir del entrenamiento? Es una decisión empresarial sobre conocimiento, visibilidad y control. Conviene tomarla antes de que un proveedor externo aplique un bloqueo general.
El entrenamiento y las respuestas son usos distintos
Una casilla puede quedarse corta si solo piensa en el entrenamiento de IA. Durante el entrenamiento, los contenidos pasan a formar parte de los parámetros del modelo, es decir, de lo que aprende a partir de ejemplos. Con el grounding, el sistema consulta información externa para formular una respuesta concreta. Es otro uso, aunque ambos tengan que ver con la IA.
Microsoft trata estas dos preferencias por separado. La regla de entrenamiento afecta al aprendizaje a partir de contenidos. El grounding, en cambio, puede determinar si se recurre a una página para responder en Bing, Copilot o Microsoft 365. Para el grounding, Microsoft contempla las opciones `Allow`, `DisallowExtended` y `Disallow`. La que conviene a su web depende de si quiere aparecer en esas referencias o en respuestas de IA.
Una pequeña consultora, por ejemplo, puede querer evitar que sus textos se utilicen para entrenar modelos y, al mismo tiempo, desear que un buscador enlace a su página de servicios actualizada. No hay contradicción: son decisiones distintas y conviene revisarlas por separado antes de limitar el alcance de sus contenidos.
El calendario de Microsoft hace que el rastreo importe
Aunque la regla esté bien escrita, no tiene por qué aplicarse de inmediato. Microsoft señala el 1 de febrero de 2027 como fecha de inicio para tener en cuenta la preferencia de entrenamiento. La aplicación será gradual, a medida que Bing vuelva a rastrear las webs. Es decir, el siguiente rastreo tendrá que detectar el cambio en el archivo.
Según la información publicada, Google prevé implementarla en 2027 junto con Google-Extended y sus propias reglas de prioridad. OpenAI, por su parte, anunció que la pondría en marcha durante los meses siguientes, sin fijar una fecha concreta. Estos calendarios muestran que una señal común unifica el lenguaje, pero no garantiza que todos los proveedores la apliquen a la vez.
Microsoft también establece el 1 de marzo de 2027 como plazo de transición para quienes utilizan actualmente `NoArchive` o `NoCache` para limitar el entrenamiento y el grounding. Si su web incluye estas reglas, la persona responsable debería comprobar cómo encajan con las nuevas opciones. Un cambio precipitado podría modificar sin querer un ajuste que ya estaba en vigor.
Qué implica para su empresa
El primer paso sensato es hacer inventario, no añadir una regla a ciegas. Pida a quien lleva su web el archivo robots.txt actual y una explicación breve de las reglas que contiene. Compruebe si ya hay instrucciones para determinados rastreadores y si quiere distinguir entre el uso para entrenamiento y la posibilidad de que encuentren sus páginas.
Después puede decidir qué hacer con cada sección. Un formulario de contacto público, una página de producto actualizada y un artículo especializado cumplen funciones distintas. Bloquear toda la web puede ser sencillo desde el punto de vista técnico, pero también puede afectar a contenidos que quiere mantener accesibles para buscadores o respuestas de IA.
Deje por escrito quién cambiará la regla y cuándo se revisará. Después del cambio, compruebe que el archivo sigue accesible y que las líneas aparecen como estaba previsto. Pregunte también a su proveedor web cada cuánto vuelven a rastrear sus páginas los buscadores y otros rastreadores. Sin ese último dato, no sabrá cuándo detectarán los proveedores su preferencia.
El próximo lunes, el trámite podría ser de lo más normal: no tendrá que abrir una nueva consola de IA, sino revisar con su agencia el archivo que ya existe. Así podrá decidir qué contenidos quiere proteger y qué visibilidad quiere conservar. La decisión importante se toma antes de añadir la regla, no después de un cambio inesperado.
- Pida que le enseñen el archivo robots.txt actual.
- Separe la decisión sobre el entrenamiento de la decisión sobre el grounding.
- Averigüe cuándo es probable que los proveedores participantes vuelvan a rastrear su web.
Preguntas frecuentes
¿Cómo puedo evitar que los proveedores de IA usen mi web para entrenar modelos?
Puede añadir al archivo robots.txt la preferencia común sobre entrenamiento. El borrador propone `User-Agent: __usage_ai-training` y `Disallow: /` si quiere que se aplique a todas las páginas. La señal comunica su preferencia a los proveedores participantes, pero no es una orden técnica que detenga inmediatamente a todos los rastreadores. Pida que comprueben que está bien colocada y que encaja con los ajustes existentes.
¿robots.txt bloquea al instante los rastreadores de IA?
No. Una línea en robots.txt no garantiza un efecto inmediato. El rastreador primero tiene que detectar el cambio cuando vuelva a visitar su web. Microsoft quiere empezar a tener en cuenta la preferencia de entrenamiento el 1 de febrero de 2027, de forma gradual, a medida que Bing vuelva a rastrear las páginas. Los proveedores tampoco pondrán en marcha la señal común todos a la vez.
¿La exclusión de la IA elimina contenidos que ya se han utilizado?
No. La señal comunica su preferencia sobre el uso de los contenidos y no tiene efecto retroactivo sobre el scraping o el entrenamiento que ya se hayan producido. Por tanto, no garantiza que se retiren contenidos antiguos de modelos existentes. Su función principal es que los proveedores participantes tengan en cuenta su preferencia de cara al futuro.
¿Qué diferencia hay entre el entrenamiento de IA y el grounding?
En el entrenamiento, los contenidos contribuyen a lo que un modelo aprende a partir de ejemplos. Con el grounding, un sistema de IA consulta información externa para responder a una pregunta concreta. Microsoft trata ambos usos por separado. Por eso puede oponerse a que sus páginas se usen para entrenar modelos y, a la vez, valorar si quiere que aparezcan en respuestas de Bing, Copilot o Microsoft 365.
¿La señal común de IA ya es un estándar vinculante de la IETF?
No. Según la información disponible, la señal se presentó a la IETF como un Internet-Draft, es decir, un borrador técnico. No es un estándar de la IETF aprobado de forma definitiva. OpenAI y otros proveedores anunciaron que la tendrán en cuenta, pero sus planes de implementación y fechas de inicio son distintos.
¿Le interesa?
¿Quiere saber qué significa esto para su empresa?
Fuentes
- Making it easier for websites to express AI training preferences · openai.com, 2026-10-30
- The 4 AI Giants Just Agreed to Let Websites Opt Out. They’ve Already Taken the Data · inc.com, 2026-10-31
- AI, una sola regola per opporsi al training: la proposta delle big tech agli editori · ai4business.it, 2026-10-31
Este artículo se ha investigado y redactado con ayuda de IA y se ha verificado automáticamente con las fuentes citadas antes de publicarse. Más sobre nuestra transparencia en IA
Guía gratuita · PDF
La brújula de IA para pequeñas y medianas empresas
9 tareas que su equipo puede delegar desde el lunes.
Solicitar gratis
Klarframe AI Readiness Check
¿Hasta qué punto está preparada su empresa para la IA?
Unos diez minutos, resultado inmediato con su nivel, un plan de 90 días, soluciones adecuadas y notas sobre el AI Act.


