El 30 de octubre de 2026, OpenAI, Google, Microsoft y Anthropic anunciaron que respetarán una misma señal en el robots.txt para decir «no uséis mi web para entrenar modelos de IA»: un grupo con `User-Agent: __usage_ai-training` y `Disallow: /`. Afecta a cualquier negocio con web. Todavía no funciona en ningún sitio de forma completa, cada empresa la aplicará en su fecha y con Google esa línea también te saca de las respuestas de Gemini que citan fuentes.
Lo que sigue sale de los anuncios de las cuatro empresas y del borrador técnico que los sostiene. OpenAI publicó su nota en español y la citamos tal cual; las de Google, Microsoft, Anthropic y el borrador están en inglés y las traducciones son nuestras. Al final queda escrito cómo se ha leído cada una.
Qué se ha anunciado
Una línea común para todos los proveedores que se sumen, en lugar de una regla por cada rastreador de IA. Hasta ahora, quien no quería que su contenido sirviera para entrenar modelos tenía que bloquear GPTBot para OpenAI, ClaudeBot para Anthropic, Google-Extended para Google y recurrir a etiquetas propias de Bing para Microsoft. La señal nueva es una sola:
User-Agent: __usage_ai-trainingDisallow: /
Lo que hace cada empresa con ella, según su propia fuente:
- OpenAI dice en su anuncio del 30 de octubre que «respetará una señal común en robots.txt» y que su objetivo es implementarla «en los próximos meses». Añade que la señal «no sustituirá los controles que ya ofrecemos», así que GPTBot y OAI-SearchBot siguen funcionando igual.
- Google lo anunció en el blog de Search Central con el objetivo de darle soporte «en 2027». Su lista de rastreadores, actualizada el mismo 30 de octubre, lo concreta: «a principios de 2027».
- Microsoft lo explica en el blog de Bing: empezará a respetarla «a partir del 1 de febrero de 2027», a medida que rastree cada página.
- Anthropic no tiene nota de prensa. El autor del borrador, Kevin Kelley, firma como Anthropic y escribió en la lista de correo del grupo de trabajo que Anthropic «ya ha empezado a implementar» la señal, aunque «llevará algo de tiempo» extenderla a todos sus servicios.
La base técnica es un borrador del IETF, el organismo que define los estándares de internet, publicado también el 30 de octubre. Es un borrador individual en su primera versión: la propia ficha avisa de que «no está respaldado por el IETF» y caduca el 3 de mayo de 2027 si nadie lo renueva.
Qué significa exactamente «entrenar»
Entrenar es usar tu contenido para cambiar los parámetros de un modelo de IA generativa, y nada más. El borrador toma la definición del grupo de trabajo de preferencias de IA del IETF: no incluye los modelos que solo clasifican, ordenan o puntúan. Tampoco habla de búsqueda ni de que un asistente lea tu página para contestar a alguien. Para eso siguen valiendo las reglas de cada rastreador.
El borrador lo dice de forma expresa: la señal «no es una directiva de rastreo». Un rastreador puede usarla para no descargar lo que no va a poder usar, pero bloquear el rastreo sigue siendo cosa de las reglas de cada bot.
Qué cambia y qué no cambia
Cambia el trabajo de mantener el robots.txt: con una línea se puede expresar la misma preferencia ante varias empresas. Y se puede hacer por carpetas. El ejemplo del borrador prohíbe el entrenamiento en toda la web salvo en la carpeta de prensa, que queda permitida con Allow: /press-kit/.
No cambia nada de lo que ya tienes. Las cuatro empresas dicen que sus controles propios siguen vigentes. Si hoy bloqueas GPTBot o Google-Extended, ese bloqueo sigue siendo válido.
**El User-agent: * no cuenta como preferencia.** Es la regla del borrador que más importa a una pyme: los grupos comodín «no deben interpretarse» como si hablaran de esta señal. Si tu robots.txt no tiene una línea con __usage_ai-training, no has expresado ninguna preferencia, aunque tengas un Disallow general. Microsoft, por su parte, dice que si no publicas ninguna preferencia el valor por defecto es permitir.
No cambia tu posición en Google ni en Bing. Google recuerda que Google-Extended no afecta a la inclusión en la Búsqueda ni es un factor de posicionamiento, y Microsoft dice que sus preferencias nuevas no cambian la elegibilidad para los resultados de Bing. Que nadie te venda esta línea como algo que mejora o empeora tu SEO.
No es un contrato. Microsoft avisa de que ninguna de las opciones «garantiza inclusión, tráfico ni pago», y el borrador admite que los acuerdos privados entre una web y un proveedor pueden pasar por encima de la señal.
Lo que la línea común no dice: Google y Microsoft la leen distinto
La misma línea saca a tu web de más sitios en Google que en Microsoft. Esto no está en ningún titular, pero sale de leer las dos fuentes juntas.
Google dice que, cuando una web use la señal para negarse al entrenamiento y no mencione Google-Extended, lo interpretará «como si el editor hubiera bloqueado Google-Extended». Y Google-Extended, según su propia documentación, controla dos cosas: el entrenamiento de los modelos Gemini y la fundamentación, es decir, que Gemini consulte el índice de la Búsqueda para responder en las aplicaciones de Gemini y en Vertex AI. El mismo anuncio lo deja claro por el otro lado: las webs que permiten Google-Extended de forma expresa «pueden aparecer en las respuestas y recibir clics» a través de la fundamentación en las aplicaciones de Gemini.
Microsoft hace lo contrario: separa las dos cosas. La señal común solo decide sobre el entrenamiento, y para la fundamentación crea una preferencia propia, página a página, con tres valores: permitir, limitarla a sus productos (Copilot, Microsoft 365 y sus resultados con IA) o prohibirla. Microsoft avisa de que limitarla o prohibirla «reducirá la visibilidad de tu marca en las experiencias de IA».
En la práctica: una pyme que escriba solo la línea común para no entrenar puede quedarse, cuando Google la aplique, fuera de las respuestas de Gemini que enlazan fuentes. Si quiere negarse al entrenamiento y seguir ahí, Google indica el camino: nombrar Google-Extended de forma expresa. Que esa combinación funcione como esperamos lo comprobaremos cuando Google publique cómo la aplica; hoy solo hay un plan escrito.
El aviso de Microsoft si tu web usa NoArchive o NoCache
Si tu web lleva las etiquetas NoArchive o NoCache para que Bing no use tu contenido en sus respuestas con IA, tienes fecha límite: el 1 de marzo de 2027. A partir de ese día, según el anuncio, Bing dejará de leerlas como preferencia de entrenamiento o de fundamentación. Los pasos que pide:
- Entrenamiento: publicar la línea común en el robots.txt o la etiqueta de página
<meta name="Bingbot" content="ai-training:disallow">. - Fundamentación: poner en cada página la etiqueta
<meta name="Bingbot" content="ai-grounding:disallow">(odisallowextended) y, además, registrar una preferencia temporal en Bing Webmaster Tools. Esa opción se abre el 15 de diciembre de 2026, solo para webs que ya usen NoArchive o NoCache en esa fecha, y caduca el 30 de septiembre de 2027 o cuando Bing vuelva a rastrear la página.
Si no haces nada, Microsoft explica que esas páginas pasan a permitir la fundamentación hasta que las vuelva a rastrear. La mayoría de webs de pymes no llevan esas etiquetas; si no sabes si la tuya las lleva, es una de las cosas que conviene mirar.
Qué debería hacer una pyme ahora
- Decide primero qué quieres, no qué línea copiar. Negarte al entrenamiento es una decisión de negocio sobre tu contenido. Salir de las respuestas de los asistentes es otra distinta, y en Google la línea común mezcla las dos.
- Si quieres que tu negocio se pueda citar en Gemini, no escribas solo la línea común. Añade también un grupo para Google-Extended con lo que de verdad quieras permitir, porque la regla específica es la que Google respetará.
- **No toques el
User-agent: *pensando que ya cubre esto.** No lo cubre, y cambiarlo sí puede afectar al rastreo de los buscadores. - Si usas NoArchive o NoCache, apúntate el 1 de marzo de 2027. Revisa con quien lleve tu web si esas etiquetas están puestas y por qué.
- No esperes efecto inmediato. Hoy ninguna de las cuatro empresas ha dicho que la aplique de forma completa. Anthropic ha empezado, OpenAI habla de «los próximos meses», Microsoft del 1 de febrero y Google de principios de 2027.
- Revisa el robots.txt entero antes de añadir nada. Lo que ya tienes para los rastreadores de búsqueda de cada asistente es lo que decide si pueden leerte; lo contamos rastreador a rastreador en robots.txt para IA.
Un ejemplo para verlo
Una clínica de fisioterapia publica en su blog guías propias de ejercicios y no quiere que sirvan para entrenar modelos. Pero vive de que la encuentren: quiere seguir saliendo en Google, en Bing y, si es posible, en las respuestas de Gemini y de ChatGPT que enlazan a sus fuentes.
Con lo publicado el 30 de octubre, su robots.txt podría añadir dos grupos: uno con User-Agent: __usage_ai-training y Disallow: / para el entrenamiento en general, y otro con User-Agent: Google-Extended y la regla que elija para Google, sabiendo que Google-Extended decide a la vez entrenamiento y fundamentación y que no puede separarlos como hace Microsoft. Si prioriza aparecer en Gemini, lo deja permitido aunque eso incluya el entrenamiento de Google. Las reglas para Googlebot, Bingbot y OAI-SearchBot no se tocan. El ejemplo es ilustrativo, no describe a ningún negocio concreto y no garantiza ninguna aparición: las empresas no prometen tráfico a nadie.
Nuestra lectura
Lo más útil para una pyme no es la línea nueva, sino el aviso que trae escondido. Durante dos años, «bloquear a la IA» ha sido una frase sin matices. Con esta señal, cada empresa explica por fin qué entiende por entrenar y qué hace con la línea, y al leerlas juntas se ve que la misma regla tiene alcance distinto según quién la lea. Es una lectura nuestra a partir de las dos fuentes, no una advertencia de Google ni de Microsoft.
Lo segundo: el comodín no expresa preferencia, pero muchas herramientas dirán lo contrario. Lo hemos probado el 31 de octubre con el analizador de robots.txt que trae Python 3.9.6 (urllib.robotparser), que sigue la norma clásica. Ante un robots.txt con solo User-agent: * y Disallow: /, el analizador responde que __usage_ai-training no puede acceder, porque cae en el grupo comodín como haría con cualquier rastreador. Según el borrador, ese fichero no expresa ninguna preferencia de entrenamiento. Un comprobador genérico de robots.txt no sirve para saber si tu preferencia está bien escrita: lo que hay que mirar es si existe un grupo con ese nombre exacto. En la misma prueba, con un grupo para la señal y un Allow general, Googlebot y GPTBot seguían pudiendo rastrear: la línea nueva no corta el rastreo.
Y una cautela con las fechas. Es un borrador en su primera versión, sin respaldo formal del IETF, y las cuatro empresas lo dicen con verbos de futuro. Antes de cambiar el robots.txt de un cliente, esperaremos a que cada una publique cómo lo aplica. Mientras tanto, lo que sí conviene es saber qué dice hoy tu robots.txt y por qué.
Para seguir: cómo leer el informe de IA generativa de Search Console, qué pesa para salir en las respuestas de Gemini y en ChatGPT, y qué mide Bing de tu marca en sus respuestas con IA en AI Performance de Bing. Si prefieres que lo revisemos nosotros, está en la auditoría SEO.
Cómo se ha verificado esto
La noticia se localizó el 31 de octubre de 2026 hacia las 12:30, hora peninsular. El anuncio de Microsoft (30 de octubre, 15:52 UTC), el borrador del IETF (15:12 UTC) y el mensaje de Kevin Kelley a la lista del grupo de trabajo (15:39 UTC) caen dentro de la ventana de 24 horas de este carril; la nota de OpenAI (09:30 UTC) y el anuncio de Google, fechado el 30 de octubre, quedan justo fuera, por lo que la ventana se amplió a 72 horas.
La nota de OpenAI se leyó entera en su versión oficial en español con Chrome sin interfaz y agente de usuario de navegador, porque openai.com no responde a una descarga directa; se comprobó que no era la pantalla de verificación de Cloudflare. El anuncio de Google, la lista de rastreadores de Google (con «Last updated 2026-10-30 UTC»), el anuncio de Bing, el borrador en texto plano y el mensaje de la lista de correo se leyeron con curl. La página de ayuda de Anthropic sobre sus rastreadores, revisada el mismo día, sigue con fecha del 7 de abril de 2026 y no menciona la señal: lo que se atribuye a Anthropic sale solo del mensaje de Kelley.
Las citas de Google, Microsoft, Anthropic y el borrador son traducción propia; las de OpenAI, literales de su versión en español. La prueba con urllib.robotparser es nuestra y está descrita arriba. No hemos cambiado el robots.txt de ninguna web para este artículo ni podemos comprobar todavía cómo responde cada empresa a la señal.
En este carril se revisaron además, y se descartaron: el informe de seguridad comunitaria y las protecciones para adolescentes de OpenAI y su texto sobre el uso legítimo (30 de octubre), sin cambio práctico para un negocio; GPT-6 Rosalind, solo para organizaciones de investigación aprobadas; la retirada del modo rápido de Claude Opus 4.8 en la API, que afecta a desarrolladores; las nuevas analíticas de uso y coste de la API de Claude; los acuerdos de Meta con universidades y entidades de Canadá; el arnés de Copilot de Microsoft, para grandes clientes; y las novedades de Google del 30 de octubre (Fitbit, satélites y revisión de seguridad de Gmail), con Google ya en dos piezas de esta semana. La AEPD y la Comisión Europea no publicaron nada nuevo sobre IA en la ventana. No se ha usado Search Console ni se ha solicitado la indexación de nada.