Google, OpenAI y Microsoft anunciaron un cambio importante para los propietarios de páginas web: un mecanismo común que permitirá indicar a varias empresas de inteligencia artificial que no utilicen sus contenidos para entrenar modelos. La propuesta busca terminar con la necesidad de configurar instrucciones diferentes para cada compañía. Sin embargo, hay una diferencia fundamental entre el anuncio y su aplicación: el nuevo sistema todavía no está plenamente implementado y tampoco impedirá automáticamente que los buscadores utilicen información de las páginas para generar respuestas.
La iniciativa, presentada el 30 de octubre de 2026, también cuenta con el respaldo de Anthropic y se apoya en el trabajo de un grupo de especialistas de Internet Engineering Task Force (IETF). Su objetivo es establecer una señal compartida que los operadores de sitios web puedan incorporar al archivo robots.txt.
Un solo aviso para varias empresas de inteligencia artificial
Hasta ahora, los administradores de páginas web que deseaban limitar el entrenamiento de modelos con sus contenidos tenían que identificar los rastreadores utilizados por cada empresa.
OpenAI dispone de controles para GPTBot, mientras Google ofrece Google-Extended. Otros proveedores utilizan mecanismos propios, con diferencias en las instrucciones y en los usos que permiten restringir.
Esta fragmentación obliga a mantener múltiples reglas y comprobar periódicamente si aparecen nuevos rastreadores.
El mecanismo anunciado pretende simplificar ese trabajo mediante una señal común de preferencias sobre entrenamiento de inteligencia artificial.
Google explicó que, cuando una web utilice la nueva señal para rechazar el entrenamiento y no haya establecido una instrucción específica para Google-Extended, interpretará esa preferencia como una restricción equivalente para dicho control.
Los administradores también podrán mantener instrucciones particulares para determinados proveedores.
En otras palabras, el sistema busca facilitar una decisión general sin eliminar la posibilidad de establecer excepciones.
Pero existe una condición importante: cada empresa deberá implementar y respetar el mecanismo. Publicar una preferencia en robots.txt no constituye una barrera técnica que impida por sí sola el acceso a los contenidos.
Cuándo comenzará a funcionar el nuevo control
Las empresas no anunciaron una fecha única de implementación.
OpenAI señaló que pretende incorporar la señal compartida durante los próximos meses. Google situó su objetivo en 2027, mientras continúa el proceso de desarrollo y estandarización.
Por tanto, los propietarios de páginas web no deben asumir que el anuncio introduce una protección universal inmediata.
Las instrucciones existentes siguen siendo necesarias mientras los nuevos controles no estén disponibles.
Tampoco conviene copiar configuraciones experimentales sin comprobar la documentación técnica correspondiente. Un archivo robots.txt mal configurado puede afectar el rastreo de una página y, dependiendo de las reglas utilizadas, perjudicar su presencia en los resultados de búsqueda.
La propuesta se desarrolla dentro del grupo AI Preferences de IETF, que trabaja en mecanismos para expresar preferencias sobre determinados usos de contenidos por sistemas de inteligencia artificial.
La participación de grandes proveedores aumenta las posibilidades de adopción, pero no significa que todas las empresas que desarrollan modelos estén obligadas a cumplirla.
Bloquear el entrenamiento no significa desaparecer de las respuestas de IA
Esta es probablemente la distinción más importante para los editores.
Una cosa es utilizar millones de páginas para entrenar un modelo y otra muy diferente es consultar información disponible en internet para responder una pregunta.
El entrenamiento incorpora información durante el desarrollo del sistema. En cambio, las respuestas apoyadas en búsquedas pueden utilizar páginas actuales como fuentes de consulta.
Google distingue entre sus controles de entrenamiento y las funciones de búsqueda que presentan información generada mediante inteligencia artificial.
También explica que los sitios que autorizan expresamente determinados usos mediante Google-Extended pueden ser elegibles para aparecer como fuentes en experiencias de Gemini.
Esto introduce una decisión editorial compleja.
Un medio podría querer impedir que sus artículos alimenten el entrenamiento de nuevos modelos, pero al mismo tiempo conservar la posibilidad de recibir visitantes procedentes de asistentes de inteligencia artificial.
El nuevo mecanismo compartido no resuelve automáticamente esa tensión.
Tampoco garantiza que una página autorizada reciba enlaces, menciones o visitas. La presencia en respuestas generadas depende de otros factores.
¿Qué ocurre con los derechos de autor y el dinero?
El anuncio tampoco establece un sistema de remuneración para los creadores de contenido.
Las empresas participantes se comprometen a facilitar la expresión de preferencias, pero no anuncian pagos automáticos por el uso de artículos, fotografías o investigaciones periodísticas.
Esto resulta especialmente relevante para periódicos, revistas, blogs especializados y otros productores de información.
La creación de contenidos originales exige inversión en periodistas, investigaciones, servidores y distribución. Sin embargo, una parte creciente de la información puede llegar al público mediante respuestas elaboradas por asistentes, sin que necesariamente se produzca una visita a la publicación original.
El mecanismo de robots.txt aborda una parte del problema: cómo comunicar a los proveedores que determinados contenidos no deben utilizarse para entrenamiento.
No establece por sí mismo un contrato de licencia, no determina compensaciones económicas y no sustituye las protecciones previstas por las leyes de propiedad intelectual.
Además, el archivo robots.txt es público. Sus instrucciones pueden ser ignoradas por operadores que no participen en el acuerdo o que decidan incumplirlas.
Qué deberían hacer ahora los propietarios de webs
La recomendación inmediata no consiste en bloquear indiscriminadamente todos los rastreadores.
Primero conviene identificar qué objetivo persigue cada sitio: evitar determinados usos de sus contenidos, mantener su visibilidad en buscadores, conservar referencias desde asistentes de IA o combinar esas prioridades.
Después es necesario revisar las instrucciones actuales de robots.txt y consultar la documentación oficial de cada proveedor.
En sitios construidos con WordPress, por ejemplo, las reglas pueden depender del servidor, de extensiones SEO o de configuraciones adicionales. Modificar una instrucción sin conocer su alcance puede producir consecuencias inesperadas.
También conviene analizar los resultados de Google Search Console antes de adoptar decisiones que afecten la visibilidad.
Una página puede aparecer cientos de miles de veces en resultados de búsqueda y recibir una proporción relativamente pequeña de clics. Esa diferencia exige estudiar posiciones, consultas y tipos de resultados, no atribuir automáticamente todas las pérdidas a la inteligencia artificial.
Un avance importante, pero todavía insuficiente
La iniciativa conjunta reconoce un problema que afecta directamente al futuro de internet: los propietarios de contenidos necesitan expresar sus decisiones sin negociar técnicamente con cada desarrollador de inteligencia artificial.
Que Google, OpenAI y Microsoft coincidan en un mecanismo común constituye un avance relevante.
Sin embargo, la verdadera prueba llegará cuando el sistema esté implementado, pueda verificarse su cumplimiento y los editores comprendan qué consecuencias tiene cada configuración.
El anuncio no significa que las empresas hayan dejado de entrenar modelos con información de internet ni que las páginas web hayan recuperado el control absoluto sobre sus contenidos.
Significa que comienza a tomar forma una herramienta compartida para expresar ese control.
La cuestión pendiente es si las preferencias de los creadores terminarán siendo tan importantes para las plataformas como los datos que utilizan.
