Una nueva señal compartida para el entrenamiento de IA: el borrador IETF “Machine‑Readable Training Preference Signal”
El 30 de octubre de 2026 se publicó en el IETF el Internet‑Draft individual “Machine‑Readable Training Preference Signal” (draft‑kelley‑aipref‑training‑preference‑signal‑00), firmado por Kevin Kelley, de Anthropic. El documento, de 10 páginas, introduce el token de política __usage_ai‑training, que se coloca en la línea User‑Agent de un grupo normal de robots.txt para expresar una preferencia sobre el entrenamiento de IA ruta por ruta. El ejemplo que ofrece es “User‑Agent: __usage_ai‑training / Disallow: / / Allow: /press‑kit/”: prohibido entrenar con todo el sitio salvo el directorio /press‑kit/.
El borrador conserva intactos la sintaxis de rutas, la regla de la coincidencia más larga y la estructura por grupos propias de robots.txt, sin nuevas directivas ni gramática adicional. Además, especifica que los grupos comodín (User‑Agent: *) NO deben interpretarse como referidos al token; si ningún grupo menciona __usage_ai‑training, el sitio no ha expresado ninguna preferencia. La señal se refiere únicamente al uso de los contenidos para modificar los parámetros de un modelo generativo, no al comportamiento de rastreo (sección 4.4); para limitar el rastreo siguen valiendo los tokens de cada crawler. El documento declara que no está aprobado por el IETF y que no tiene ningún estatus formal en el proceso de estandarización; caduca el 3 de mayo de 2027 si no se revisa.
La misma documentación recuerda que Google‑Extended es un token de producto independiente y que no afecta a la inclusión de un sitio en Google Search. Google afirma que quiere dar soporte a la señal AIPREF a partir de principios de 2027, manteniendo separado el token Google‑Extended, que no influye en la inclusión en los resultados de búsqueda.
OpenAI anunció el 30 de octubre de 2026 que respetará la señal y que prevé implementarla en los próximos meses, sin sustituir los controles existentes de sus crawlers; el trabajo se apoya en el del grupo AI Preferences del IETF, y OpenAI invita a los demás proveedores a adoptarla.
Incógnitas operativas y lagunas documentadas - El borrador sigue siendo un documento individual y puede cambiar antes de una eventual adopción formal. - La señal es una preferencia voluntaria: no es un mecanismo de control de acceso y los crawlers que no cooperen podrían ignorarla. - No hay fuentes primarias que confirmen que la señal se extienda a contenidos ya recopilados o a modelos ya entrenados. - Las fechas concretas de adopción por parte de otros proveedores no están respaldadas por fuentes primarias.
Si se adopta, el token permitiría expresar una única preferencia válida para todos los proveedores adheridos, separando el entrenamiento del rastreo, en lugar de un token distinto para cada proveedor (GPTBot, Google‑Extended, ClaudeBot, etc.).
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Consulté directamente la página del borrador en el IETF Datatracker (autor, afiliación, fecha, ejemplo, regla del comodín, alcance, estatus y caducidad) y la documentación oficial de Google sobre sus crawlers, con el compromiso para principios de 2027. La publicación de OpenAI no se pudo abrir directamente (error 403): su contenido procede de fragmentos de búsqueda de la página openai.com y de dos resúmenes independientes que coinciden (TokenPost del 30/10/2026 y daily.dev). La página de soporte de Anthropic sobre crawlers no menciona el token. No encontré publicaciones oficiales de Microsoft.
- Incertezze
- El borrador es un documento individual: no es un estándar, no está aprobado por el IETF y puede cambiar. La señal es una preferencia voluntaria, no un control de acceso: un crawler que no coopere puede ignorarla. Ninguna fuente primaria aclara si vale para datos ya recopilados o modelos ya entrenados. Las fechas solo están anunciadas: Google “a principios de 2027”, OpenAI “en los próximos meses”. Sin fuente primaria, y por eso fuera del artículo: la fecha del 1 de febrero de 2027 que la prensa secundaria atribuye a Microsoft y una supuesta implementación ya iniciada por Anthropic.
- Perché pubblicarla
- Afecta a cualquiera que publique en internet, medios italianos incluidos: por primera vez los grandes proveedores convergen en una única señal técnica común para negarse al entrenamiento sin perder visibilidad en los buscadores. Las fuentes permiten decir con precisión qué hace y qué no hace (datos previos, estatus no estándar, preferencia no vinculante). El tema enlaza con la AI Act y con la demanda de USA TODAY que ya cubrimos.