Google, OpenAI, Anthropic y Microsoft respaldan un único interruptor para mantener su sitio fuera del entrenamiento de IA
Una directiva propuesta robots.txt permitiría a los editores bloquear los rastreadores de entrenamiento de IA con una regla en lugar de una regla por empresa.
Google, OpenAI, Anthropic y Microsoft se han comprometido a respetar una nueva configuración que permite a los propietarios de sitios web decir si su contenido puede usarse para entrenar IA. Según Engadget, las empresas están adoptando una propuesta que está siendo considerada en el IETF, el organismo que establece los estándares de Internet. Fue escrito por el líder de estándares Anthropic, Kevin Kelley.
Hoy en día, un editor que quiera darse de baja tiene que encontrar el rastreador de cada empresa (el programa automático que visita las páginas) y escribir una regla separada para él. La propuesta reemplaza eso con una señal compartida en el robots.txt file, el pequeño archivo de texto en la raíz de un sitio web que les dice a los rastreadores qué pueden visitar. El ejemplo se ve así: un agente de usuario llamado __usage_ai-training, con Disallow: / para bloquear todo y, si se desea, Allow: /press-kit/ para permitir una sección.
La implementación difiere según la empresa. Anthropic ya ha comenzado a admitirlo. Microsoft planea comenzar el 1 de febrero de 2027, Google a principios de 2027 y OpenAI ha dicho “en los próximos meses”.
Qué hay detrás de esto: Durante años la pregunta “¿pueden las empresas de IA capacitarse en mi sitio?” Tuve una respuesta complicada, porque cada proveedor tenía sus propias reglas y nombres. Una etiqueta compartida hace que sea más fácil para un pequeño editor decir no una vez y listo. Vale la pena conocer dos límites. La directiva se aplica únicamente al entrenamiento de IA: no detiene todo el rastreo ni elimina páginas de Google Search. Google dice que leerá la señal como un bloque para Google-Extended, el agente que recopila material para entrenar a Gemini. Y no puede deshacer el pasado. El contenido que ya se recopiló permanece recopilado; la regla cubre únicamente el rastreo futuro. Además, robots.txt es una solicitud que siguen los rastreadores honestos, no un bloqueo.
Qué significa esto para usted: Si tiene un blog, una tienda o un sitio de cartera, pregunte a quien lo administra si la nueva regla se agregará una vez que sea definitiva, o verifique la configuración de robots.txt en la plataforma de su sitio web. Si desea que su trabajo esté disponible para las herramientas de inteligencia artificial, no necesita hacer nada. Si usted es sólo un lector, es una pequeña señal de que los grandes laboratorios se están poniendo de acuerdo sobre la etiqueta básica, incluso si los detalles tardarán meses en concretarse.
Fuentes
Fuentes: https://www.engadget.com/2303225/google-openai-anthropic-ai-crawling-controls/
Las cifras de Anthropic antes de su salida a bolsa: los ingresos se multiplican por doce y la pérdida es de 23.000 millones de dólares
Los informes sobre la presentación actualizada de la IPO de Anthropic muestran casi 17 mil millones de dólares en ingresos trimestrales, una pérdida neta de 23,3 mil millones de dólares y 895 mil millones de dólares en compromisos informáticos.
