Google y Microsoft respetarán desde 2027 un opt-out común de IA
Un grupo de reglas en robots.txt bastará para negar el entrenamiento de IA con un sitio, pero la señal es un borrador del IETF y nadie la lee todavía.
Un sitio web podrá negar que su contenido sirva para entrenar modelos de IA con un solo grupo de reglas en su archivo robots.txt, el que indica a los rastreadores qué páginas pueden visitar. Google y Microsoft anunciaron el viernes que respetarán esa señal, pero hoy ninguna de las dos la lee.
Google dice que dará soporte al control en 2027, junto con otros proveedores de IA. Lo hará convivir con Google-Extended, el control propio que ofrece desde 2023: si un sitio usa la señal compartida y no menciona Google-Extended, la empresa lo leerá como si lo hubiera bloqueado.
Microsoft fue más precisa. Respetará las nuevas preferencias al rastrear desde el 1 de febrero de 2027 y separa dos decisiones. El entrenamiento usa la señal compartida y puede afinarse por página con una etiqueta meta o un encabezado HTTP. El grounding, que es usar el contenido para armar respuestas de IA, solo se configura por página, con tres valores:
- Allow: es el valor por defecto.
- DisallowExtended: limita el uso a las experiencias de Microsoft, como Copilot, y excluye servicios para terceros.
- Disallow: el contenido no se usa para generar respuestas.
Bloquear el grounding reduce la presencia del sitio en las experiencias de IA de Microsoft. El 1 de marzo de 2027 es la fecha límite: a partir de ahí, NoArchive y NoCache dejan de leerse como preferencia de entrenamiento o de grounding.
La señal sale de un borrador del IETF, "Machine-Readable Training Preference Signal", que firma Kevin Kelley, de Anthropic, con fecha del 30 de octubre. Define el token `__usage_ai-training`, que se escribe en la línea User-Agent como si fuera un rastreador más. Un grupo con `Disallow: /` y `Allow: /press-kit/` niega el entrenamiento en todo el sitio salvo en la sección de prensa.
El alcance es corto. El token expresa una preferencia de uso y no bloquea el acceso, y el texto no trae ningún mecanismo que obligue a cumplirla. Un grupo `User-agent: *` no cuenta para él: un robots.txt que cierra el paso a todos los rastreadores no dice nada sobre entrenamiento. Y es un borrador individual, sin respaldo del IETF, que caduca el 3 de mayo de 2027.
Para un sitio mexicano, el cambio práctico llega el año próximo. Hasta entonces, los bloqueos por rastreador, como Google-Extended, son lo que cada empresa lee hoy, y Microsoft pide tener las preferencias publicadas antes del 1 de marzo.
