Una línea en robots.txt te saca del entrenamiento de IA. ¿Te conviene?
Por el equipo de Mayab Media
Durante dos años, sacar tu contenido del entrenamiento de IA fue una persecución de nombres. GPTBot, ClaudeBot, Google-Extended, CCBot. Cada pocos meses aparecía otro, y tu archivo robots.txt sumaba un bloque más que nadie en el equipo recordaba haber agregado.
El 30 de octubre, los grandes acordaron un atajo.
Google, Microsoft, OpenAI y Anthropic dijeron que van a respetar una sola señal compartida en robots.txt: __usage_ai-training. La pones donde normalmente va el nombre de un rastreador, agregas una línea Disallow y listo: esa es tu respuesta para todas las empresas que la acepten. Sale de una propuesta del grupo de preferencias de IA del IETF, escrita por un ingeniero de Anthropic.
Suena ordenado, y en buena parte lo es. Pero las fechas no coinciden, el alcance es más chico de lo que muchos creen y un detalle en Google te puede costar visibilidad que sí quieres.
Qué hace la línea (y cuándo empieza a funcionar)
Este es el ejemplo completo para un sitio que no quiere entrar al entrenamiento, pero sí comparte su página de prensa:
User-agent: __usage_ai-training
Disallow: /
Allow: /press/
Es una preferencia sobre cómo se usa tu contenido para entrenar modelos generativos. No es una regla de rastreo, así que los bots pueden seguir visitando tus páginas.
Tampoco arrancan todos el mismo día, así que espera un año desordenado. La documentación de rastreadores de Google dice que el soporte llega a principios de 2027. Microsoft la empieza a respetar el 1 de febrero de 2027. OpenAI habla de "los próximos meses", sin fecha. Anthropic dice que ya empezó a implementarla.
Hay un detalle curioso. Un bloqueo general con User-agent: * no cuenta como preferencia de entrenamiento según el borrador. Si creías que tu regla comodín cubría la IA, no la cubre.
Y el propio IETF aclara que el borrador todavía no tiene validez formal, porque sigue siendo una propuesta individual. El texto puede cambiar.
La trampa de Google de la que casi nadie habla
Esto es lo que le señalaríamos a cualquier cliente antes de tocar el archivo.
En Google, la señal compartida se traduce a Google-Extended. Si te excluyes con ella y no mencionas Google-Extended por separado, Google va a tratar tu sitio como si hubieras bloqueado Google-Extended. Ese control cubre más que el entrenamiento de modelos. También decide el grounding en las apps de Gemini, o sea, si Gemini puede usar tus páginas en una respuesta y enlazarte.
Imagina que tienes una clínica dental con dos sucursales y quien maneja tu web agrega la línea para "proteger el contenido". Puede que también te estés saliendo, sin darte cuenta, de las respuestas que da Gemini cuando alguien pide un dentista cerca. Seguro no era la idea.
Lo que no toca: la búsqueda normal de Google, AI Overviews y AI Mode. Esos siguen dependiendo de las reglas de Googlebot y de los controles aparte en Search Console. Tus posiciones no se mueven.
Bing fue más lejos (y puso fechas límite)
Microsoft separó todo en dos perillas. Una es AI Training. La otra es AI Grounding, y esa se configura página por página con una meta etiqueta o un encabezado X-Robots-Tag, no en robots.txt.
El grounding tiene tres opciones. Allow es la predeterminada. DisallowExtended te mantiene en los productos de Microsoft (Copilot, las respuestas con IA de Bing, Microsoft 365), pero fuera de servicios de terceros construidos con datos de Bing. Disallow te saca por completo de las respuestas con IA, y Microsoft advierte sin rodeos que eso reduce la visibilidad de tu marca.
Aquí también hay una limpieza escondida. Algunos sitios usan etiquetas NoArchive o NoCache, a veces porque un plugin de SEO viejo las agregó. Después del 1 de marzo de 2027, Bing deja de leerlas como preferencias de IA. Si dependías de ellas, vas a necesitar los nuevos ajustes antes de esa fecha. El 15 de diciembre se abre una opción temporal de grounding en Bing Webmaster Tools.
Lo que nosotros haríamos
Para la mayoría de los negocios con los que trabajamos, la respuesta es sencilla: deja permitido el entrenamiento de IA y no agregues la señal por ahora.
Un plomero, un despacho de abogados o una empresa de software quiere ser el nombre que recomienda un asistente cuando alguien pide opciones. Bloquear el entrenamiento no evita que mencionen a tu competencia. Solo te saca de la conversación (en Gemini, literalmente).
Las cuentas cambian para medios, creadores de cursos y cualquiera cuyo contenido sea el producto. Si la gente paga por tus artículos, tiene sentido sacarlos del entrenamiento. Aun así, usaríamos los controles separados de Bing para bloquear el entrenamiento y mantener el grounding, y así seguir cobrando las citas y los clics.
Antes de febrero, una revisión rápida:
- Abre tu robots.txt en vivo (tusitio.com/robots.txt) y mira qué hay. Muchos sitios tienen bloqueos de bots de IA que ya olvidaron.
- Busca noarchive o nocache en las plantillas de tus páginas. Si están ahí por accidente, quítalos.
- Si usas un constructor de sitios, revisa sus ajustes de rastreo o SEO. Algunos ya traen un interruptor para rastreadores de IA que quizá no corresponda exactamente a la nueva señal.
- Anota tu decisión. Cuando Google active el soporte en 2027, vas a querer saber por qué el archivo dice lo que dice.
Una advertencia más. Esto es una preferencia, no un candado. Nada en el borrador obliga a ninguna empresa a cumplir, y Meta, Amazon y Apple no asumieron ningún compromiso en estos anuncios.
Elige la línea con intención, porque en Google salirte del entrenamiento también puede significar que dejen de citarte.
¿Quieres saber cómo te afecta esto? Agenda una auditoría gratis.
