OpenAI, Google, Microsoft y Anthropic hacia una señal común contra el entrenamiento no autorizado

Anthropic, OpenAI, Google y Microsoft han declarado su apoyo a una propuesta de estándar común basada en el archivo robots.txt, la herramienta que los sitios web usan desde hace décadas para indicar a los motores de búsqueda qué páginas pueden ser rastreadas. La novedad se refiere a la extensión de este mecanismo al bloqueo del entrenamiento de los modelos de inteligencia artificial sobre los contenidos publicados en línea.

Los plazos de adopción declarados por las cuatro empresas no son uniformes. Anthropic ya ha anunciado el soporte a la nueva señal, haciéndola de hecho operativa por su parte. OpenAI prevé en cambio adoptarla en los próximos meses, mientras que Google y Microsoft indican un horizonte más largo, fijado en 2027.

El mecanismo, si se convirtiera en un estándar compartido por todo el sector, permitiría a un editor expresar con una sola señal técnica —en lugar de negociar por separado con cada empresa— su voluntad de excluir los contenidos del sitio del entrenamiento de los modelos lingüísticos. Es una diferencia relevante respecto a la situación actual, en la que los editores deben a menudo dirigirse individualmente a cada laboratorio de inteligencia artificial para obtener la exclusión de sus textos.

La convergencia de cuatro de las principales empresas del sector en una única propuesta técnica marca un punto de contacto poco frecuente en un ámbito, el del entrenamiento de los modelos con material protegido por derechos de autor, que en los últimos años ha visto a estos mismos actores más a menudo en frentes opuestos respecto a los editores que en posiciones comunes entre sí.

Queda por ver, en los plazos declarados por cada empresa —inmediato para Anthropic, en pocos meses para OpenAI, para 2027 para Google y Microsoft— si el estándar se implementará efectivamente de manera uniforme o si las diferencias de calendario producirán, en la práctica, una aplicación fragmentada mientras tanto.