Ingeniería de IA
Google prepara un control compartido del entrenamiento de IA para 2027
La propuesta permitiría expresar preferencias de entrenamiento en robots.txt para varios proveedores. Qué sigue en borrador y cómo se relaciona con Google-Extended y las búsquedas.
Una preferencia común para varios proveedores
Google anunció el 30 de octubre que prevé admitir en 2027 una señal compartida para expresar preferencias sobre el entrenamiento de IA desde robots.txt. La idea es que una web pueda comunicar una decisión a varios proveedores participantes sin mantener una instrucción distinta para cada uno. El anuncio es un compromiso de soporte futuro, no una función que Google dé ya por activada.
Para quien publica contenido, esto podría reducir el mantenimiento de esas preferencias. También abre una decisión que conviene formular con precisión: permitir que un servicio encuentre una página y permitir que utilice su contenido para entrenar un modelo son usos diferentes. Una regla común solo resulta útil si se entiende qué uso cubre y cómo la interpreta cada proveedor.
El mecanismo todavía es un borrador
La propuesta enlazada por Google es Machine-Readable Training Preference Signal, versión 00, presentada el mismo 30 de octubre por Kevin Kelley, de Anthropic. Su ficha en IETF la identifica como un Internet-Draft individual. Todavía no es un RFC ni un estándar aprobado; el trabajo del grupo AIPREF y la publicación de una propuesta individual son estados distintos.
El borrador propone el identificador __usage_ai-training en un grupo de robots.txt. Reutiliza las reglas Allow y Disallow para expresar preferencias por rutas, sin introducir otra gramática. Escribir ese grupo no obliga a que todos los servicios lo reconozcan. Su efecto depende de que implementen el mecanismo y expliquen su tratamiento junto a los controles propios que ya ofrecen.
Rastrear una página y aprender de ella son decisiones distintas
Un rastreador recupera páginas. El entrenamiento utiliza contenido para modificar los parámetros aprendidos de un modelo; recuperar una página como contexto de una respuesta cumple otra función. Por eso interesa separar la lectura, el entrenamiento y el uso como fuente de una respuesta al definir la política de una web.
La señal propuesta expresa una preferencia de uso y mantiene separadas las reglas de rastreo. Tampoco añade una barrera de acceso: el protocolo robots.txt ya distingue sus instrucciones de una autorización técnica. Un documento privado necesita protección en el servicio que lo entrega. Publicar su ruta en una regla no sustituye esa protección.
Google-Extended reúne entrenamiento y uso como fuente
Google-Extended seguirá existiendo junto a la señal compartida. Actualmente controla usos de contenido para entrenar futuras generaciones de Gemini y para grounding, es decir, aportar contenido del índice de búsqueda como contexto al modelo, en los productos de Gemini que Google enumera. No cambia la inclusión de una web en Google Search ni se utiliza como señal de posicionamiento allí.
Ese alcance importa al elegir. El anuncio prevé interpretar una exclusión del entrenamiento mediante la señal común como una exclusión de Google-Extended cuando este no esté especificado expresamente. Los controles particulares permitirían matizar la preferencia general. Conviene revisar ambas reglas juntas: una intención centrada en entrenamiento puede relacionarse con otros usos a través de cómo el proveedor aplica su control.
Preparar la decisión antes de cambiar las reglas
Una editorial podría querer que sus guías públicas se encuentren en buscadores, expresar una preferencia contraria a su uso para entrenamiento y dar otro tratamiento a su material de prensa. Es un ejemplo de política por tipos de contenido. Antes de escribirla en robots.txt, tendría que comprobar qué controles actuales permiten esa combinación en cada proveedor y qué consecuencias tienen sobre las respuestas que enlazan a sus páginas.
Yo empezaría por inventariar esas decisiones y los grupos que ya están publicados. Cuando llegue el soporte anunciado, compararía la regla compartida con las excepciones específicas y comprobaría rutas representativas. Los registros de acceso ayudan a observar el rastreo, pero no acreditan por sí solos qué ocurre después con el contenido. La propuesta puede simplificar cómo se expresa una preferencia; su utilidad dependerá del soporte efectivo y de que la política resultante conserve la intención del editor.