Si tienes un sitio web y no quieres que tus textos terminen entrenando modelos de inteligencia artificial, pronto bastará con una sola regla en tu archivo robots.txt. Google, Microsoft, OpenAI y Anthropic acordaron respetar la misma señal.
Hasta ahora había que bloquear a cada empresa por separado, con nombres de rastreadores distintos y reglas que cambiaban seguido. Esta propuesta busca ordenar ese desorden.
¿Qué pasó?
El 30 de octubre de 2026 se presentó en el IETF, el organismo que define muchos estándares de internet, un borrador para expresar en robots.txt si aceptas que tu contenido se use para entrenar IA. El robots.txt es un archivo de texto que vive en la raíz de tu sitio y les dice a los buscadores y robots qué pueden revisar.
Ese mismo día, Google y Microsoft publicaron en sus blogs oficiales que van a respetar esta señal común. Según WWWhat’s new, OpenAI y Anthropic también se sumaron, y el borrador lo firmó una persona de Anthropic.
La regla funciona como si fuera un rastreador más, con el nombre __usage_ai-training. La diferencia es que no habla de un robot en particular, sino de un uso: el entrenamiento de modelos. Si le pones Disallow a todo tu sitio, estás diciendo que no quieres que tu contenido se use para entrenar.
¿Cuándo empieza a funcionar?
No será de inmediato. Microsoft dice que la aplicará desde el 1 de febrero de 2027, conforme vuelva a rastrear cada sitio, y que desde el 1 de marzo de 2027 dejará de tomar las etiquetas NoArchive y NoCache como preferencias de IA.
Google planea darle soporte durante 2027. Además, aclaró que si usas la señal común para negarte al entrenamiento y no mencionas su rastreador Google-Extended, lo tomará como si también lo hubieras bloqueado. Según WWWhat’s new, OpenAI la aplicará en los próximos meses y Anthropic ya empezó a implementarla.
¿Por qué te importa?
Si administras sitios para ti o para clientes, esto te ahorra mantener una lista larga de rastreadores que cambia cada pocos meses. Una sola regla le habla a varias empresas a la vez.
Microsoft separó dos cosas que conviene distinguir: el entrenamiento, que es usar tu contenido para crear o mejorar un modelo, y el grounding, que es usarlo como referencia para armar una respuesta con enlace a tu página. Bloquear el entrenamiento no te saca de la búsqueda de Bing, según la empresa.
Hay límites. Es un borrador, no una ley: no hay auditorías ni multas, no incluye pagos a los dueños del contenido y, según WWWhat’s new, Meta no ha confirmado que lo vaya a respetar.
¿Qué puedes hacer?
- Revisa el robots.txt de tus sitios y anota qué rastreadores de IA bloqueas hoy.
- Decide con tu cliente o tu equipo si quieren negarse al entrenamiento, al uso en respuestas de IA o a ninguno de los dos.
- No borres todavía tus reglas actuales para cada empresa; Google confirmó que seguirán funcionando junto a la señal común.
- Si usas NoArchive o NoCache para frenar a la IA de Microsoft, prepárate para cambiar antes del 1 de marzo de 2027.
- Cuida no bloquear por error a los buscadores normales, para no perder visitas desde Google o Bing.
Fuentes
- Google Search Central: Supporting a shared AI training control for websites
- Bing Blogs: Your content, your choice: clearer preferences for training and grounding
- WWWhat’s new: Google, Microsoft, OpenAI y Anthropic aceptarán una sola línea en robots.txt para decir «no entrenes con mi web»
Imagen de portada: foto de David Thái en Pexels.