OpenAI, Google y Microsoft respaldan estándar común para que medios opten por no ser scrapeados por IA
Las principales empresas de inteligencia artificial adoptarán un token compartido en robots.txt que permitirá a los editores aplicar sus preferencias de entrenamiento de IA de forma unificada en varios crawlers, simplificando el control sobre el uso de su contenido.
El anuncio llega en un momento en que las redacciones argentinas y de todo el mundo lidian con el aumento constante de crawlers de IA que recorren sus sitios para alimentar modelos de entrenamiento. OpenAI, Google, Microsoft y Anthropic confirmaron que implementarán un nuevo estándar propuesto dentro del Internet Engineering Task Force (IETF) que permite a los publishers definir de una sola vez si quieren o no que su contenido sea usado para entrenar sistemas de inteligencia artificial.
El mecanismo se basa en un “policy token” que se incorpora al archivo robots.txt, el mismo que desde hace décadas indica a los bots de búsqueda qué partes del sitio pueden indexar. Hasta ahora, cada compañía de IA requería una instrucción separada. Con este token compartido, un solo señalamiento servirá para múltiples actores, lo que reduce la carga técnica y mejora el cumplimiento.
Cómo funcionará el estándar
El token permitirá expresar preferencias específicas. Microsoft, por ejemplo, adelantó que ofrecerá controles granulares: los editores podrán optar por no participar en el entrenamiento de modelos o en el “grounding”, es decir, el uso de contenido verificado para reducir alucinaciones en las respuestas de la IA. En todos los casos, el contenido seguirá apareciendo en los resultados de búsqueda de Bing aunque el sitio haya marcado la opción de exclusión.
Google ya había implementado controles similares que distinguen entre uso para entrenamiento y aparición en sus funciones de búsqueda con IA. La compañía planea sumar este nuevo token compartido durante 2027. OpenAI se comprometió a implementarlo en los próximos meses, mientras que Anthropic ya lo adoptó. Meta expresó su apoyo al concepto a través de su jefe de comunicaciones, Andy Stone, aunque no confirmó si lo honrará de inmediato.
Contexto para las redacciones argentinas
En la Argentina, donde muchos medios pequeños y medianos carecen de equipos técnicos dedicados, la necesidad de configurar exclusiones individuales con cada proveedor representaba una barrera real. Este estándar unificado simplifica esa tarea y se alinea con la tendencia global de reclamo por mayor control sobre el uso comercial de contenido periodístico.
El anuncio se produce mientras persisten otras iniciativas como el estándar Really Simple Licensing (RSL), que busca permitir a los editores cobrar por el acceso de los crawlers, y las bloqueos por defecto que ofrece Cloudflare contra bots de IA. Ninguna de estas soluciones es perfecta todavía, pero la adopción de un token común por parte de los cuatro grandes jugadores representa un paso concreto hacia una mayor transparencia.
Qué deja para el oficio
Para una redacción argentina que publica en 2026, el mensaje práctico es claro: revisar el archivo robots.txt y evaluar la incorporación del nuevo policy token será una tarea prioritaria en los próximos meses. No resolverá todas las tensiones entre medios y empresas de IA, pero reduce la fricción técnica y fortalece la capacidad de los editores para decidir cómo se usa su trabajo. Quienes quieran profundizar en cómo estructurar sus políticas de datos pueden consultar nuestra guía de herramientas para verificar información y los principios básicos de control editorial que todo medio debe considerar.