OpenAI, Google, Microsoft y Anthropic se han comprometido a respetar una única señal común contra el scraping de IA para los editores, en el paso conjunto más claro hasta ahora de las mayores empresas de inteligencia artificial para ofrecer a los sitios web una forma sencilla de decir no al entrenamiento con IA. El anuncio, realizado el viernes 30 de octubre de 2026, promete sustituir el actual mosaico de instrucciones de bloqueo separadas para cada rastreador web por una señal estándar que las cuatro empresas reconocerán. Para las redacciones y los editores independientes que han visto cómo sus reportajes eran absorbidos para entrenar chatbots, es una concesión práctica, pero que llegará por etapas, depende del cumplimiento voluntario y cubre solo el entrenamiento futuro, no los enormes archivos ya recopilados.
La señal contra el scraping de IA importa por cómo funciona hoy la web. Un editor que quiere mantener sus artículos fuera de los datos de entrenamiento de la IA no puede simplemente pulsar un interruptor. En su lugar, debe redactar y mantener un comando de bloqueo distinto para cada bot, de cada empresa, y confiar en que cada rastreador lo lea y lo respete. El nuevo plan reduce esa tarea a una sola instrucción, publicada una vez en el archivo robots.txt del sitio, que indica a las empresas participantes que el sitio no desea que su contenido se utilice para entrenar modelos fundacionales. Esa sencillez es todo el sentido del plan: un pequeño medio local sin equipo jurídico debería obtener, en principio, la misma protección que un gran grupo periodístico.
Las cuatro empresas anunciaron su apoyo a una señal común de preferencia de entrenamiento el viernes, mientras los editores se enfrentan a una oleada de bots automatizados que recogen artículos para alimentar modelos de IA. Según el plan, el operador de un sitio web añade una instrucción estandarizada única a robots.txt —el archivo de texto de larga tradición que indica a los visitantes automatizados qué partes de un sitio pueden consultar— y se espera que cada empresa de IA participante la respete con fines de entrenamiento. Las empresas describieron la medida como un estándar compartido y no como cuatro favores separados, y la presentaron como respuesta a años de quejas de que excluirse del entrenamiento de IA era innecesariamente complicado.
La puesta en marcha no será instantánea, y las empresas reconocieron con franqueza que la solución no entrará plenamente en vigor hasta dentro de meses. Anthropic, cuyo empleado Kevin Kelley es el autor del borrador subyacente, dijo que ya ha empezado a respetar el token. Microsoft afirmó que aplicará la señal a partir del 1 de febrero de 2027. Google dijo que lo hará en algún momento de 2027. OpenAI señaló que la desplegará en los próximos meses, sin dar una fecha firme. Ese calendario escalonado significa que un editor que añada el token ahora verá una protección desigual durante un tiempo: algunos rastreadores lo respetarán de inmediato, mientras que otros solo se pondrán al día durante 2027.
Meta, que no figuraba entre las cuatro empresas que adoptan el token, acogió sin embargo favorablemente el plan. El portavoz de Meta, Andy Stone, escribió en X: "Creemos que crear una señal común que transmita tales preferencias a varios proveedores a la vez es un paso importante. Y esperamos trabajar con otras empresas de IA en los estándares y su aplicación en toda la industria". El respaldo importa porque Meta opera sus propios grandes sistemas de IA y sus propios rastreadores, y su apoyo indica que la idea podría extenderse más allá de las cuatro originales.
La disputa sobre el scraping de IA lleva creciendo desde que los chatbots se hicieron habituales. Para entrenar grandes modelos de lenguaje, las empresas de IA necesitan enormes cantidades de texto, y gran parte del texto más valioso de la web abierta es periodismo: trabajo reportado, editado y verificado que costó dinero real producir. Los editores sostienen que absorber ese trabajo sin permiso ni pago socava el negocio que lo crea, sobre todo cuando los chatbots de IA responden directamente a las preguntas de los usuarios y reducen el tráfico que mantiene vivas a las redacciones. Las empresas de IA han respondido en general que entrenar con material disponible públicamente está permitido por doctrinas de derechos de autor como el uso razonable, y que sus productos amplían, en lugar de sustituir, el acceso a la información.
Ese argumento se está poniendo a prueba ahora en los tribunales. En diciembre de 2023, The New York Times demandó a OpenAI y Microsoft, alegando que millones de sus artículos se utilizaron sin autorización ni pago para entrenar ChatGPT. Las dos empresas han invocado el uso razonable como defensa. Otros editores han optado por defensas técnicas: desde julio de 2025, el proveedor de infraestructura de internet Cloudflare bloquea por defecto los bots de IA en los nuevos sitios de sus clientes, y un estándar llamado Really Simple Licensing ya permite a los editores cobrar a los bots que visitan sus páginas. El nuevo token compartido se sitúa entre esos enfoques: más sencillo que una demanda, más barato que un muro de pago, pero también más débil que cualquiera de los dos, porque depende de la buena voluntad de las mismas empresas que realizan el scraping.
Las raíces técnicas del plan están en el propio robots.txt, una convención que ha regido el rastreo cortés durante décadas. El archivo nunca fue una ley; fue un acuerdo voluntario según el cual los rastreadores respetables leerían las instrucciones de un sitio y las obedecerían. El entrenamiento de IA ha tensionado esa convención, porque una misma empresa puede operar varios bots con fines distintos —uno para indexar búsquedas, otro para respuestas en directo, otro para entrenamiento— y un editor puede querer permitir uno y bloquear otro. OpenAI, por ejemplo, ya distingue entre GPTBot, que rige el rastreo para entrenar sus modelos fundacionales, y OAI-SearchBot, que rige si un sitio puede aparecer en las funciones de búsqueda de ChatGPT. El nuevo token está diseñado para resolver esa complejidad solo para la cuestión del entrenamiento.
El token compartido se llama __usage_ai-training. Está definido en un borrador individual del Grupo de Trabajo de Ingeniería de Internet (IETF) titulado "Machine-Readable Training Preference Signal", cuyo autor es Kevin Kelley, de Anthropic, fechado el 30 de octubre de 2026 y con vencimiento el 3 de mayo de 2027. Un borrador individual es una fase temprana de estandarización: la propuesta está documentada y abierta a revisión, pero no ha sido adoptada como estándar formal, y su futuro depende de una adopción más amplia por la industria y del proceso del IETF.
En la práctica, un editor añade el token a su archivo robots.txt como una única preferencia legible por máquina, indicando que su contenido no debe utilizarse para el entrenamiento de modelos fundacionales. Una vez que cada empresa complete su despliegue, esa única línea deberá hablar a la vez a los rastreadores de las cuatro empresas, en lugar de exigir una regla de exclusión separada para cada rastreador. OpenAI ha subrayado que la nueva señal no sustituirá los controles que ya ofrece, de modo que las reglas existentes de robots.txt seguirán vigentes y el token por sí solo no garantiza la exclusión del entrenamiento. Expresa una preferencia y depende del cumplimiento voluntario del operador del rastreador; no crea ningún mecanismo de aplicación propio, y las consecuencias jurídicas de ignorarlo dependerían de la legislación de cada jurisdicción, no del token.
Los límites son igualmente importantes. La configuración se aplica solo al entrenamiento futuro de los modelos. No impide que los bots rastreen un sitio con otros fines, como la indexación en buscadores o la recuperación en tiempo real, a menos que un sitio restrinja esos fines por separado. Y el scraping de contenido está permitido por defecto hasta que un editor cambie la configuración, según dijo Microsoft en su blog, lo que significa que la carga sigue recayendo en los editores para actuar, en lugar de en las empresas de IA para pedir permiso primero. Microsoft y Google también advirtieron, en blogs separados, que excluirse del entrenamiento de IA podría reducir las posibilidades de que el contenido de un editor aparezca en aplicaciones y experiencias de IA, un dilema que pesará mucho en los medios más pequeños que dependen de ser descubiertos.
Las empresas presentaron el anuncio como una simplificación genuina. El blog de Microsoft enmarcó el cambio como una opción más clara para los editores sobre el uso en entrenamiento, al tiempo que señalaba la posición por defecto y el posible coste en visibilidad. El blog de Google hizo una observación similar sobre la aparición en experiencias de IA. OpenAI dijo que aspira a aplicar la señal compartida en los próximos meses y que publicará una nueva actualización con detalles de aplicación cuando lo haga, manteniendo en vigor sus controles actuales de rastreo.
El apoyo público de Meta, a través del portavoz Andy Stone en X, fue la reacción más citable de la industria: "Creemos que crear una señal común que transmita tales preferencias a varios proveedores a la vez es un paso importante. Y esperamos trabajar con otras empresas de IA en los estándares y su aplicación en toda la industria". La declaración no llega a ser un compromiso de respetar el token en los propios rastreadores de Meta, pero indica que el estándar podría ampliarse más allá de sus cuatro impulsores iniciales.
Los editores y analistas, por su parte, están leyendo la letra pequeña. La naturaleza voluntaria de robots.txt siempre ha sido su punto débil: un rastreador bienintencionado lo obedece, pero nada en el archivo puede obligar por sí mismo a un actor malintencionado a hacerlo, y el token no hace nada respecto al contenido ya extraído e incorporado a modelos existentes. Para las organizaciones de noticias, la cuestión práctica es si una única exclusión se convertirá en una norma genuina de la industria —como el respeto temprano de la web por robots.txt— o si se convertirá en otro ajuste que las empresas corteses respetan mientras la competencia más feroz por los datos de entrenamiento continúa en otro lugar. La respuesta dependerá menos de la redacción del token que de si los tribunales, los reguladores y las mayores plataformas lo tratan como el estándar esperado.
Este compromiso importa por tres razones. En primer lugar, reduce el coste de decir no. Hoy, solo los editores con muchos recursos pueden seguir realísticamente cada rastreador de IA y mantener un muro de reglas de bloqueo; un único token da a cada sitio, desde un periódico nacional hasta un blog de una sola persona, la misma herramienta de una línea. En segundo lugar, crea una norma visible. Si los cuatro mayores desarrolladores de IA respetan la misma señal, resulta más difícil que cualquiera de ellos sostenga que respetar las preferencias de los editores es técnicamente impracticable, y más fácil para los reguladores señalar una práctica existente de la industria cuando redacten normas. En tercer lugar, aclara el trato: los editores que se excluyan pueden perder algo de visibilidad en las respuestas de IA, mientras que los que permanezcan pueden conservar esa visibilidad pero seguir alimentando los sistemas que compiten con ellos. Esa es una elección real y, por primera vez, se ofrece en una forma única y legible.
Los límites importan tanto como lo anterior. Una señal voluntaria, solo para el futuro y permitida por defecto no paga a los periodistas, no elimina de los modelos entrenados los artículos ya extraídos y no detiene a un rastreador que simplemente la ignore. También llega en un momento en que las empresas de IA están sometidas a una intensa presión financiera —la propia OpenAI acaba de recortar su objetivo de recaudación en medio de una caída tecnológica—, lo que hace que los editores duden de que la buena voluntad por sí sola se mantenga cuando los datos de entrenamiento son la materia prima más valiosa de la industria. Por tanto, el token se entiende mejor como infraestructura, no como un acuerdo: una fontanería útil que hace posible un trato más justo, pero no el trato en sí.
El siguiente paso inmediato corresponde a los editores: aquellos a los que les importe el uso en entrenamiento pueden añadir el token ahora y después verificar el comportamiento de los rastreadores frente a la fecha de despliegue declarada por cada empresa a medida que se cumpla —primero Anthropic, Microsoft el 1 de febrero de 2027, Google durante 2027 y OpenAI en los próximos meses. Los propietarios de sitios también deben comprobar que sus controles actuales de robots.txt permanezcan intactos, ya que la nueva señal complementa en lugar de sustituirlos, y deben separar su preferencia de entrenamiento de sus preferencias de búsqueda y recuperación, que siguen reglas distintas.
Más allá de eso, hay que vigilar tres cosas. La primera es si Meta y otros desarrolladores de IA adoptan formalmente el token, convirtiendo un compromiso de cuatro empresas en un estándar genuino de la web. La segunda es si el borrador del IETF avanza desde una propuesta individual hacia un estándar reconocido antes de su vencimiento el 3 de mayo de 2027. La tercera es si los tribunales y legisladores tratan el token como prueba de una norma de la industria, lo que le daría una fuerza que robots.txt por sí solo nunca ha tenido. Si las tres avanzan en la misma dirección, el anuncio del viernes podría recordarse como el día en que la web recuperó una forma sencilla de decir no. Si no lo hacen, los editores habrán ganado un formulario de exclusión más ordenado y poco más, y la lucha por el pago del entrenamiento de IA volverá a los tribunales.
Es una señal única compartida, el token __usage_ai-training, que un sitio web añade a su archivo robots.txt para indicar a las empresas de IA participantes que no utilicen su contenido para entrenar modelos fundacionales.
OpenAI, Google, Microsoft y Anthropic se comprometieron a apoyarla el 30 de octubre de 2026. Meta respaldó públicamente la iniciativa en X, pero no figuraba entre las cuatro empresas adoptantes.
Anthropic ya ha empezado, Microsoft comienza el 1 de febrero de 2027, Google lo hará en algún momento de 2027 y OpenAI dice que lo desplegará en los próximos meses, de modo que la aplicación será desigual durante la mayor parte de 2027.
No. Se aplica solo al uso futuro en entrenamiento. Los bots aún pueden rastrear con fines de búsqueda o recuperación en directo, a menos que un sitio restrinja esos fines por separado, y el scraping seguirá permitido por defecto hasta que un editor añada el token.
No. La señal es voluntaria, no crea ningún mecanismo de aplicación propio y no cubre el contenido ya extraído. OpenAI afirma que sus controles actuales siguen vigentes y que el token no garantiza la exclusión.
Cobertura relacionada en US News Pulse: OpenAI recorta 10.000 millones de su ronda de financiación ante la caída de la IA; Anthropic presenta su salida a bolsa en Nasdaq como ANT; y Claude y la polémica de los datos electorales de Georgia. Fuentes de este reportaje: AFP vía Malay Mail, 31 de octubre de 2026; SiliconANGLE, 30 de octubre de 2026; blogs de OpenAI, Microsoft y Bing; y el borrador del IETF "Machine-Readable Training Preference Signal", 30 de octubre de 2026.
Leave a Comment
| Today's Date:
