OpenAI, Google, Microsoft y Anthropic apoyan una señal común para que los sitios web rechacen el entrenamiento de IA

OpenAI, Google, Microsoft y Anthropic dijeron que adoptarán un nuevo estándar con el que los editores de sitios web podrán indicar que no quieren que su contenido sea usado para entrenar inteligencia artificial (IA). La ventaja es que la preferencia se aplicaría a varias empresas a la vez.

Hasta ahora, cada sitio debe comunicar su decisión por separado a cada compañía de IA.

Cómo funcionaría la señal

La propuesta, llamada "policy token" (una señal de política compartida), fue presentada por Kevin Kelley, responsable técnico de estándares en Anthropic, ante el Internet Engineering Task Force (IETF), el organismo que define normas técnicas de internet.

La señal se colocaría dentro del archivo robots.txt, un documento que los sitios web usan desde hace años para indicar a los rastreadores (programas automáticos que recorren páginas y copian su contenido) qué pueden y qué no pueden recopilar, ya sea para buscadores, archivos históricos o entrenamiento de IA.

OpenAI, Google, Microsoft y Anthropic afirman que, si sus rastreadores de IA encuentran esa señal en un sitio, dejarán de acceder a él.

Quién la usará y cuándo

Anthropic ya adoptó la señal. Google y Microsoft planean respaldarla el próximo año, y OpenAI dijo que lo hará "en los próximos meses".

Meta también expresó apoyo, pero no aclaró si respetará la señal. Su responsable de comunicaciones, Andy Stone, señaló: "Creemos que crear una señal común que transmita estas preferencias a varios proveedores a la vez es un paso importante". Añadió que la empresa espera trabajar con otras compañías en los estándares y su aplicación en la industria.

Microsoft indicó que ofrecerá controles más detallados: los editores podrán rechazar el entrenamiento de IA o el "grounding", que consiste en dirigir un modelo de IA a una fuente de información verificada para reducir sus errores o "alucinaciones". La empresa aclaró que los sitios seguirán apareciendo en los resultados de Bing sin importar sus preferencias.

Google, por su parte, ya había implementado controles similares que permiten decidir si el contenido aparece en las funciones de búsqueda con IA o se usa para entrenamiento, sin afectar la visibilidad en el buscador.

Un problema que crece para los editores

El anuncio llega mientras los editores enfrentan un flujo continuo de rastreadores de IA que recopilan sus páginas para alimentar modelos. Otras iniciativas han intentado frenar el uso no autorizado: el estándar Really Simple Licensing (RSL) permite a los editores cobrar a los rastreadores que visitan sus sitios, y Cloudflare bloquea por defecto a los rastreadores de IA.