La IA ya pide permiso para aprender de tu web: ¿se lo das?
Hasta ahora, si no querías que una inteligencia artificial aprendiera de los textos de tu web, tenías que saber cómo se llamaba el robot de cada empresa y bloquearlos uno a uno. Desde el 30 de octubre hay una forma común que van a respetar Google, Microsoft, OpenAI y Anthropic. Es una buena noticia para quien vende contenido. Para una pyme que vende servicios, la pregunta interesante es otra: ¿de verdad quieres que la IA no sepa que existes?
Lo que vas a leer
El 30 de octubre, Google, Microsoft y OpenAI anunciaron el mismo día que van a respetar una señal común para que una web pueda decir «no entrenéis vuestra IA con mi contenido». Anthropic, la empresa de Claude, ya ha empezado a aplicarla.
Es una sola línea en el fichero robots.txt de tu web. La propuesta está en el IETF, el organismo que define cómo funciona internet, aunque todavía es un borrador y no un estándar.
Qué han anunciado
Hasta ahora, cada empresa tenía su propio robot con su propio nombre. Para que no aprendieran de tu web tenías que bloquear a GPTBot, de OpenAI; a Google-Extended, de Google; y así con cada una. La señal nueva las agrupa en una sola regla. En el robots.txt quedaría así:
- «User-agent: __usage_ai-training»
- «Disallow: /»
Las fechas no son las mismas para todos:
| Empresa | Cuándo la aplica |
|---|---|
| Microsoft | Desde el 1 de febrero de 2027 |
| A principios de 2027 | |
| OpenAI | «En los próximos meses», sin fecha |
| Anthropic | Ha empezado a aplicarla |
Hasta que la apliquen, lo que cuenta son los nombres de siempre, robot por robot.
Entrenar no es lo mismo que responder
Esta es la parte que casi nadie explica, y es la que decide si te conviene.
Entrenar es que la IA lea tu web para aprender. Lo que aprende se queda en el modelo, sin enlace a ti. Nadie llega a tu web por eso.
Responder es otra cosa: cuando alguien pregunta en ChatGPT, Copilot o el buscador de Google, la IA lee tu página en ese momento para contestar, y puede citarte con un enlace. Eso sí trae visitas.
Las empresas lo tienen separado:
- OpenAI: GPTBot es el que entrena; OAI-SearchBot es el que busca para las respuestas de ChatGPT. Puedes bloquear uno y dejar el otro.
- Google: Google-Extended controla el entrenamiento de Gemini. Las respuestas de IA del buscador, AI Overviews y AI Mode, van con el robot de siempre, Googlebot, y se controlan aparte, con un ajuste de Search Console.
- Microsoft: desde febrero tendrá dos preferencias distintas, una para entrenar y otra para responder.
Lo que se acordó el 30 de octubre es para el entrenamiento. No te saca de los resultados normales de Google ni de Bing, y tampoco de las respuestas de IA del buscador de Google. Puedes decir «no aprendas de mí» y seguir apareciendo cuando alguien pregunta.
Lo que no cambia
Conviene tener claras tres cosas antes de tocar nada:
No es un candado. Es una petición que estas empresas se han comprometido a respetar. Un robot malicioso que copia webs no lee el robots.txt, o lo lee y lo ignora.
No borra nada. Lo que una IA ya aprendió de tu web se queda donde está. La señal cuenta a partir de que la pones.
Mal puesta, hace daño. La regla para todos los robots, la que empieza por «User-agent: *», no cuenta como señal. Y si se mezclan en el mismo bloque, puedes acabar bloqueando también a Google.
¿A una pyme le conviene bloquear?
Mi opinión: a la mayoría, no.
Si lo que vendes es un servicio o un producto, te interesa que la IA sepa que existes. Ya hay quien pregunta a ChatGPT o a Copilot «qué informático me recomiendas en Logroño» o «dónde compro vino de Rioja para regalar». Si la IA no sabe nada de ti, no te va a recomendar. Los textos de tu web son, sobre todo, tu escaparate.
Bloquear tiene sentido cuando el contenido es lo que vendes: cursos, artículos de pago, fotografías, recetas, guías técnicas. Ahí la IA aprende gratis de tu producto y luego lo resume sin mandarte a nadie.
Y hay un término medio que me parece el más razonable para mucha gente: no dejar que entrenen, pero sí que respondan. Es decir, bloquear el entrenamiento y dejar abiertas las respuestas con enlace. Proteges tus textos y sigues saliendo cuando alguien pregunta.
Puede que tu web ya bloquee a alguna IA sin que lo sepas, porque lo puso un complemento, una plantilla o alguien hace años. O al revés: que deje pasar todo cuando querrías proteger algo. Antes de decidir si bloqueas, mira qué tienes puesto hoy.
Qué hacer esta semana
1. Mira tu robots.txt. Escribe en el navegador la dirección de tu web seguida de «/robots.txt». Si ves nombres como GPTBot o Google-Extended con «Disallow», ya estás bloqueando el entrenamiento de alguna IA.
2. Comprueba que no bloqueas a Google por error. Si ves «User-agent: *» seguido de «Disallow: /», estás pidiendo a todos los robots, Google incluido, que no entren. En una web que quiere clientes, eso es un problema serio.
3. Decide con qué te quedas. Si vendes servicios: probablemente nada que cambiar. Si tu contenido es tu producto: bloquear el entrenamiento y dejar las respuestas. Si quieres salir de todo, también se puede, pero sabiendo lo que pierdes.
4. Mira el informe de IA de Search Console. Google está activando poco a poco un informe que dice cuántas veces aparece tu web en sus respuestas de IA. Si ya lo tienes, es el mejor dato para decidir.
5. Apúntate revisarlo en febrero. Cuando Microsoft y Google empiecen a aplicar la señal común, es buen momento para dejarlo todo en una sola regla clara.
Mi web, por ejemplo, no bloquea a ninguno: lo que quiero es que, cuando alguien pregunte por un informático en La Rioja, la IA tenga algo que decir. Si quieres que revisemos la tuya, es parte del mantenimiento web que hago, y si estás pensando en una web nueva, del diseño web.
¿Sabes qué le dice tu web a la IA?
Te miro el robots.txt y la configuración de tu web, te digo qué robots estás dejando entrar y cuáles bloqueas sin saberlo, y lo dejamos como a ti te conviene. Sin coste la revisión.
Rolando Díaz Hernández
Informático autónomo en Logroño, con más de 30 años de oficio. Gestiona cuentas de vendedor de Amazon en cuatro marketplaces europeos, implanta inteligencia artificial en empresas, hace webs a mano y es distribuidor oficial de Facturandoo. Escribe sobre lo que le pasa trabajando, no sobre lo que ha leído.
Fuentes
- Search Engine Roundtable, Google apoyará un control común de entrenamiento de IA. De ahí salen el anuncio de Google del 30 de octubre de 2026, el nombre de la señal, que la aplicará a principios de 2027, su relación con Google-Extended y que no afecta a la Búsqueda. Consultado el 3 de noviembre de 2026.
- Search Engine Roundtable, los nuevos controles de IA de Microsoft Bing. De ahí salen la separación entre entrenamiento y respuestas, las fechas del 15 de diciembre de 2026 y del 1 de febrero de 2027, y que las posiciones normales de Bing no cambian. Consultado el 3 de noviembre de 2026.
- PPC Land, Google, Microsoft, OpenAI y Anthropic apoyan una sola forma de excluirse. De ahí salen el borrador del IETF, que no es todavía un estándar, que la regla para todos los robots no cuenta como señal, que no es una orden de rastreo y la postura de Anthropic. Consultado el 3 de noviembre de 2026.
- Diario Bitcoin, OpenAI respaldará una señal común. De ahí salen la postura de OpenAI y la diferencia entre GPTBot y OAI-SearchBot. Consultado el 3 de noviembre de 2026.
- RightBlogger, cómo excluirse del entrenamiento sin perder visibilidad en la IA. De ahí salen la diferencia entre Google-Extended y Googlebot y el error de juntar la señal con la regla para todos los robots. Consultado el 3 de noviembre de 2026.
- Search Engine Journal, qué significa excluirse de las funciones de IA de Google. De ahí salen el ajuste de Search Console para las funciones de IA de la búsqueda, qué quita y el nuevo informe de rendimiento de IA. Consultado el 3 de noviembre de 2026.
Imagen de cabecera: ilustración generada con inteligencia artificial.