Google, Microsoft y OpenAI aceptarán un opt-out IA común
El pasado viernes, Google, Microsoft y OpenAI anunciaron que empezarán a respetar una línea compartida en robots.txt para que los sitios web puedan excluir su contenido del entrenamiento de modelos de IA ante varios proveedores a la vez. La propuesta, redactada por Kevin Kelley (Anthropic) y presentada como Internet Draft al grupo de trabajo AI Preferences del IETF, introduce el token __usage_ai-training como User-Agent dentro de las reglas que ya conocemos.
La noticia importa porque, por primera vez, los grandes actores aceptan un mecanismo único en lugar de obligarnos a mantener reglas para GPTBot, Google-Extended, ClaudeBot, Bingbot y compañía. Pero el matiz es brutal: cada compañía lo implementará a su manera y en plazos distintos, con Microsoft fijando el 1 de marzo de 2027 como fecha clave y Google apuntando a principios de 2027. Nadie lo soporta todavía.
Cómo funciona la línea compartida en robots.txt
El draft no inventa directivas nuevas. Simplemente usa el token como agente, aplicando Allow y Disallow como siempre. Un ejemplo típico sería bloquear todo el sitio salvo la carpeta de prensa:
- User-Agent: __usage_ai-training
- Disallow: /
- Allow: /press-kit/
Hay tres puntos críticos que conviene entender antes de tocar nada. Primero, el wildcard User-Agent: * nunca coincide con el token, así que las reglas globales actuales no se aplican por defecto. Segundo, un robots.txt sin el bloque __usage_ai-training se interpreta como «sin preferencia», no como permiso ni bloqueo. Y tercero, el token no controla el crawling, solo el uso para entrenamiento generativo. Las tareas no generativas (clasificación, ranking) quedan fuera de la definición.
Google lo ata a Google-Extended y al grounding en Gemini
John Mueller explicó que, si un sitio activa el opt-out compartido y no especifica Google-Extended, Google lo tratará como si hubiera bloqueado Google-Extended. Esto afecta a dos cosas: el entrenamiento de futuros modelos Gemini y el grounding en Gemini Apps y Vertex AI, es decir, la aparición de tu contenido como fuente citada en respuestas generativas.
Aquí está el dilema para quien trabaja GEO (Generative Engine Optimization): bloquear el entrenamiento también te saca de las citaciones en Gemini. Google-Extended no afecta a Google Search, y AI Overviews / AI Mode tienen su propio control separado en Search Console (el que se desplegó globalmente en agosto). Son tres capas distintas y conviene no confundirlas al configurar un cliente.
Microsoft separa entrenamiento de grounding (y jubila NoArchive)
Bing introduce dos preferencias independientes: una para entrenamiento (vía la línea compartida) y otra para AI Grounding a nivel de página, configurable con meta tag o cabecera HTTP. El valor por defecto es Allow. Además, aparece DisallowExtended, que permite grounding en Copilot y Bing AI Mode pero bloquea los servicios de grounding de terceros (Web IQ).
Fechas que hay que apuntar en el calendario:
- 15 de diciembre de 2026: abre la preferencia temporal en Bing Webmaster Tools para quienes usan NoArchive/NoCache.
- 1 de febrero de 2027: Microsoft empieza a respetar las nuevas opciones durante el crawl.
- 1 de marzo de 2027: deja de reconocer NoArchive y NoCache como señales de entrenamiento o grounding.
Si no migras antes del 1 de marzo, tus páginas pasan por defecto a permitir grounding hasta el siguiente recrawl. Y en cuanto Microsoft detecte las nuevas preferencias en un dominio, ignorará cualquier NoArchive o NoCache residual.
OpenAI y Anthropic: compromiso sí, detalles no
OpenAI dice que honrará la señal en los próximos meses, pero su política actual de robots.txt sigue vigente. No han aclarado qué pasa si hay conflicto entre una regla GPTBot y la línea compartida, un vacío que puede generar problemas de interpretación en implementaciones mixtas. Anthropic, pese a ser quien impulsa el draft, no tiene aún publicación oficial y Kelley reconoce que llevará tiempo soportarlo en todos sus servicios (ClaudeBot, Claude-User, Claude-SearchBot).
Qué hacer ahora si gestionas SEO en España o LatAm
Mi recomendación práctica para los próximos meses:
- Auditoría de robots.txt: documenta qué agentes de IA tienes bloqueados y por qué. Si usas NoArchive o NoCache en Bing, prepárate para migrar antes de marzo de 2027.
- Decisión estratégica, no técnica: bloquear entrenamiento te saca de citaciones en Gemini y Copilot. Para medios, ecommerce de marca y SaaS con autoridad temática, aparecer como fuente en respuestas generativas vale más que proteger el contenido del entrenamiento.
- Granularidad por carpeta: usa
Allowen secciones de alto valor para GEO (guías, comparativas, press-kit) yDisallowen zonas sensibles o de bajo valor estratégico. - No elimines reglas específicas todavía: hasta que las tres compañías implementen de verdad el token, mantén tus bloques para GPTBot, Google-Extended y ClaudeBot. La línea compartida es complemento, no sustituto.
Estamos ante el primer paso real hacia un estándar web de preferencias de IA. No es perfecto, no es simétrico y cada proveedor lo retuerce a su conveniencia, pero marca un cambio de dirección respecto al caos actual. Quien no revise su robots.txt en Q1 de 2027 se va a encontrar con decisiones tomadas por defecto que no eligió.
Fuente original: Search Engine Journal
Autor
Vakho Mtchedlishvili
SEO Lead especializado en ecommerce y AI Search. Ayudo a negocios digitales a crecer en Google y en los nuevos entornos de búsqueda con IA.