Robots.txt entrenamiento IA: así decides qué contenido entrena modelos y qué no
OpenAI, Google y el IETF respaldan una señal compartida en robots.txt para separar búsqueda, respuesta y entrenamiento de IA en tu sitio web.
La señal que separa búsqueda, respuesta y entrenamiento de IA
El 30 de octubre de 2026 OpenAI confirmó que honrará una señal compartida en robots.txt, el IETF publicó su borrador técnico y Google anunció soporte desde 2027.
OpenAI, Google y el Internet Engineering Task Force (IETF) respaldaron esta semana una señal común para que cualquier sitio web diga, dentro de su mismo robots.txt, si quiere que su contenido entrene modelos de inteligencia artificial. Hasta ahora ese archivo solo servía para bloquear o permitir el paso de un rastreador; con esta señal un negocio podrá separar tres usos distintos del mismo contenido: que aparezca en búsquedas, que un modelo lo use para responder preguntas, o que sirva para entrenar nuevos sistemas de IA.
En resumen
El 30 de octubre de 2026, OpenAI confirmó que honrará una señal compartida en robots.txt para que los sitios expresen si autorizan el entrenamiento de IA con su contenido, el IETF publicó el borrador técnico de esa señal el mismo día, y Google documentó que sus rastreadores le darán soporte a partir de 2027. Hoy es un anuncio y un borrador, no un estándar que todos los motores ya apliquen.
- OpenAI ya honra la señal desde el 30 de octubre de 2026.
- El IETF publicó el borrador técnico el mismo día.
- Google dará soporte a la señal a partir de 2027.
- Hoy un robots.txt solo bloquea o permite; pronto separará tres usos.
Qué anunciaron OpenAI, Google y el IETF
El 30 de octubre de 2026, OpenAI confirmó públicamente que honrará una señal compartida en robots.txt para que los sitios web expresen sus preferencias sobre el entrenamiento de inteligencia artificial, según el anuncio publicado en openai.com. Ese mismo día, el Internet Engineering Task Force —el organismo que define los estándares técnicos de internet— publicó el borrador técnico que describe la señal, llamada Machine-Readable Training Preference Signal.
Google, por su parte, documentó en su página de rastreadores que dará soporte a esta señal compartida a partir de 2027, según su documentación para desarrolladores. Esa misma página aclara que sus rastreadores respetarán la misma regla, sin importar si están indexando para búsqueda o alimentando el entrenamiento de sus modelos.
Cómo funciona la nueva señal en robots.txt
Hasta hoy, un archivo robots.txt solo permite dos posiciones: bloquear o dejar pasar a un rastreador, sin distinguir para qué va a usar el contenido. La señal que respaldan OpenAI, Google y el IETF separa el permiso en tres usos distintos del mismo contenido.
Buscar
El rastreador indexa el contenido para que aparezca en resultados de búsqueda.
Responder
Un sistema de IA usa el contenido para generar una respuesta directa, sin que la persona visite el sitio.
Entrenar
El contenido se usa para entrenar o mejorar un modelo de inteligencia artificial.
Con la señal, un sitio puede, por ejemplo, permitir que lo busquen y que lo usen para responder, pero negar el entrenamiento, algo que hoy no se puede expresar con un robots.txt tradicional.
En qué punto está esta señal: anuncio, borrador y despliegue por partes
Esto es un anuncio y un borrador técnico, no un estándar obligatorio ni algo que ya todos los buscadores y modelos de IA apliquen de la misma forma. Cada actor avanza a su propio ritmo, según lo que ha publicado hasta ahora.
| Actor | Qué confirmó | Desde cuándo |
|---|---|---|
| OpenAI | Honrará la señal compartida sobre preferencias de entrenamiento de IA en robots.txt | 30 de octubre de 2026 |
| IETF | Publicó el borrador técnico de la señal (Machine-Readable Training Preference Signal); sigue siendo un borrador, no un estándar final | 30 de octubre de 2026 |
| Documentó que dará soporte a la señal compartida con sus rastreadores | A partir de 2027 |
Lo que todavía no está confirmado
Las fuentes no especifican qué otros buscadores o empresas de IA se sumarán a la señal, ni qué pasa con el contenido que ya fue usado para entrenar modelos antes de este anuncio. Tampoco es una ley: es un estándar técnico voluntario que cada rastreador decide respetar.
Qué cambia para el robots.txt de tu sitio
Para un negocio con tienda en línea o sitio propio, esto significa pasar de una decisión binaria (bloquear o permitir todo) a una decisión más fina: qué parte de tu contenido entra a un buscador, cuál se puede usar para generar respuestas, y cuál queda fuera del entrenamiento de modelos de IA.
Localiza tu archivo robots.txt
Revisa qué reglas tiene hoy tu sitio para rastreadores de búsqueda y de IA.
Define qué quieres permitir
Decide, por sección o tipo de contenido, si autorizas que te busquen, que te usen para responder o que te usen para entrenar modelos.
Da seguimiento a la implementación
La señal sigue en fase de borrador y despliegue por partes; confirma con tu equipo técnico o tu agencia cuándo cada rastreador la aplica.
Revisa de nuevo cuando Google active su soporte
Google documentó que dará soporte a la señal a partir de 2027, así que vale la pena revisar tu configuración otra vez cuando eso ocurra.
- Distingue entre tráfico de búsqueda y tráfico de entrenamiento de IA antes de bloquear nada.
- No elimines tu robots.txt actual: la señal se suma a las reglas que ya existen.
- Documenta qué decidiste permitir y por qué, para tu equipo y para auditorías futuras.
- Da seguimiento a los anuncios de OpenAI, Google y el IETF: el despliegue es por partes.
Qué significa esto para negocios en México y Latinoamérica
Para un negocio en México o Latinoamérica, esta señal cambia la pregunta de fondo: ya no es si bloqueas o permites bots, sino qué parte de tu contenido entra a un buscador y qué parte entra a un modelo de IA. Eso importa sobre todo si vendes en línea o compites por aparecer en resultados generados por IA.
Tiendas en línea
Pueden permitir que sus fichas de producto se indexen para búsqueda, pero decidir si autorizan que un modelo las use para entrenar generación de descripciones o recomendaciones.
SaaS y software propio
La documentación técnica y de ayuda puede quedar abierta para que los asistentes de IA respondan con ella, sin ceder automáticamente el entrenamiento del modelo.
Soporte y atención al cliente
Las bases de conocimiento usadas por chatbots pueden separar: contenido que alimenta respuestas en vivo y contenido que no se destina a entrenar modelos externos.
Agencias y sitios de contenido
Los medios y blogs corporativos pueden seguir apareciendo en búsqueda sin ceder su contenido para entrenar modelos de terceros.
Ejemplo de decisión con la nueva señal
Así podría configurar su robots.txt una tienda en línea mexicana que quiere seguir apareciendo en buscadores y en respuestas de IA, pero sin que sus fichas de producto se usen para entrenar un modelo. Es un ejemplo ilustrativo de cómo se vería la decisión, no una cifra ni una regla confirmada por las fuentes.
Riesgos y preguntas que siguen abiertas
El mayor riesgo de corto plazo es tratar esta señal como una solución ya lista: es un borrador técnico y un anuncio de dos empresas, no un estándar que todo internet aplique hoy. Las fuentes no dicen qué pasa con otros buscadores y empresas de IA que no se han pronunciado, ni qué sucede con contenido ya usado para entrenar modelos antes de este anuncio.
Idea clave
Respetar la señal depende de que cada rastreador decida honrarla; no es una ley ni una obligación. OpenAI y Google ya se comprometieron a respetarla, pero el resto del ecosistema todavía no está confirmado.
Preguntas frecuentes
¿Ya puedo usar la nueva señal de robots.txt para bloquear el entrenamiento de IA?
Depende del rastreador: OpenAI confirmó que la honrará desde el 30 de octubre de 2026, pero Google documentó que le dará soporte hasta 2027, y el IETF todavía la tiene como borrador técnico, no como estándar final.
¿Qué es el IETF y por qué importa que haya publicado este borrador?
El IETF (Internet Engineering Task Force) es el organismo que define los estándares técnicos de internet. Que haya publicado un borrador de esta señal le da una base técnica común que distintas empresas pueden adoptar, aunque un borrador todavía puede cambiar antes de volverse estándar final.
¿Qué diferencia hay entre bloquear búsqueda, respuesta y entrenamiento?
Buscar es que el contenido aparezca en resultados de búsqueda; responder es que un sistema de IA lo use para generar una respuesta directa; entrenar es que el contenido se use para mejorar un modelo de inteligencia artificial. Hoy el robots.txt tradicional no distingue entre estos tres usos.
¿Esto obliga legalmente a los buscadores y empresas de IA a respetar mi robots.txt?
No, las fuentes no describen esta señal como una obligación legal; es un estándar técnico voluntario, y depende de que cada rastreador decida honrarlo, como ya anunciaron OpenAI y Google.
¿Debo cambiar mi robots.txt hoy mismo?
Vale la pena revisarlo ahora si vendes en línea o te importa aparecer en respuestas generadas por IA, aunque el despliegue completo de la señal todavía depende de que más rastreadores, además de OpenAI y Google, confirmen su soporte.
Fuentes
Agenda una demostración con Zadrig Technology
Platiquemos sobre cómo preparar el robots.txt y la estrategia de contenido de tu negocio para esta nueva etapa de búsqueda y entrenamiento de IA. Agenda una demostración con Zadrig Technology y revisamos tu caso.
Escríbenos por WhatsApp
