Google y el control de IA en robots.txt

Desde hace un tiempo, muchos dueños de webs se preguntan lo mismo: ¿puedo impedir que las empresas de inteligencia artificial usen mis textos para entrenar sus modelos, sin desaparecer de Google? Hoy la respuesta pasa por un archivo pequeño de la web, el robots.txt, y por una regla distinta para cada empresa. Es fácil equivocarse y bloquear más de lo que querías.

El 30 de octubre de 2026, Google anunció que planea admitir una señal compartida: una sola línea en robots.txt para decir «no uses mi contenido para entrenar IA», pensada para que la respeten varias empresas a la vez. Todavía no funciona. Aquí te contamos qué se anunció, qué no, y qué conviene revisar en tu web mientras tanto.

Qué anunció Google

El anuncio lo publicó John Mueller en el blog de Google Search Central el 30 de octubre de 2026. Ese mismo día, Google actualizó su documentación sobre rastreadores, que lo concreta: Google planea admitir a principios de 2027 una señal de preferencias de entrenamiento compartida y legible por máquinas, que se escribe en robots.txt con la línea User-agent: __usage_ai-training.

La idea es que un sitio exprese una sola vez su preferencia sobre el entrenamiento de IA y que varias empresas la lean igual, en lugar de escribir una regla para cada rastreador. La propuesta está publicada como un borrador en el IETF, el organismo que define muchos estándares de internet. Es un borrador individual: no es un estándar aprobado ni tiene el aval formal del IETF.

1. 30 oct 2026Google anuncia que admitirá la señal y actualiza su documentación.
2. Principios de 2027Fecha prevista por Google para empezar a admitirla. No hay día concreto.
3. Hasta entoncesPara Google sigue valiendo Google-Extended, el control que ya existe.

Todo esto sale de las fuentes oficiales de Google, consultadas el 1 de noviembre de 2026.

Tres controles que se confunden

Para entender qué cambia, hay que separar tres cosas que en robots.txt se parecen mucho. Primero, una palabra: grounding es cuando un asistente de IA busca información en la web en el momento de responder, en lugar de usar solo lo que aprendió en su entrenamiento.

La documentación de Google es clara en dos puntos. Google-Extended no tiene un rastreador propio: Google rastrea con sus agentes de siempre y usa ese nombre solo como control. Y no influye en si tu web aparece en Google Search ni en su posición.

La letra pequeña: entrenamiento y respuestas van juntos

Este es el punto que más conviene entender antes de tocar nada. Según Google, si tu robots.txt usa la señal compartida para excluirte del entrenamiento y no dice nada sobre Google-Extended, lo interpretará como si hubieras bloqueado Google-Extended.

Y Google-Extended no cubre solo el entrenamiento. También decide si Gemini puede usar tu contenido para responder en el momento. En Google, entonces, decir «no al entrenamiento» con la señal compartida también significa, en la práctica, «no a que Gemini use mi web en sus respuestas».

Para algunos negocios eso está bien. Para otros, no: una tienda o un despacho quizá quiere que Gemini lo mencione cuando alguien pregunta por sus productos, aunque prefiera no aportar textos al entrenamiento. Con un solo control para las dos cosas, esa combinación no se puede elegir en Google. Por eso la decisión tiene que tomarla alguien que entienda el negocio, no solo quien edita el archivo.

Qué revisar en tu web ahora

No hace falta cambiar nada hoy. La señal no está activa y Google mantiene sus controles actuales. Pero es un buen momento para saber qué dice tu robots.txt y si responde a lo que quieres. Estos son los pasos que seguiríamos:

1. Abre tu robots.txt. Está en la raíz de tu dominio: tudominio.com/robots.txt. Muchas webs lo tienen generado por un plugin o por la plataforma, y nadie lo ha mirado en años.
2. Haz la lista de reglas. Anota qué rastreadores aparecen (Googlebot, Google-Extended, otros de empresas de IA) y qué bloquea cada uno. Marca las reglas que nadie sabe por qué están.
3. Comprueba que no bloqueas a Googlebot por error. Es el error más caro: una regla pensada para frenar a la IA que termina sacando páginas del buscador.
4. Decide qué usos aceptas. Entrenamiento, uso en respuestas de asistentes y presencia en el buscador son tres preguntas distintas. Escribe la respuesta a cada una.
5. Deja la decisión por escrito. Quién decidió, cuándo y por qué. Cuando la señal compartida esté activa, sabrás si te conviene usarla o si prefieres reglas por empresa.
6. Vuelve a revisar en 2027. Antes de sustituir un control por otro, confirma en la documentación de Google que el soporte ya está activo y cómo se aplica.

Si haces cambios, Search Console tiene un informe que muestra qué versión de tu robots.txt leyó Google y si encontró errores:

Si quieres entender mejor cómo la IA de Google ya muestra y enlaza contenido, lo contamos en más enlaces en la IA de Google: qué medir.

Los límites de robots.txt

Conviene tener presente lo que este archivo puede y no puede hacer. Robots.txt es una petición: funciona porque las empresas que lo leen deciden respetarlo. No es una cerradura. Si tu contenido es privado, lo que hace falta es una contraseña o un acceso con cuenta, no una regla para rastreadores.

Tampoco conviene suponer que todas las empresas de IA van a leer la señal compartida igual que Google. El anuncio de Google habla de lo que hará Google: cómo la interprete cada empresa dependerá de lo que publique cada una.

Lo que no conviene hacer

• Añadir ya la señal compartida pensando que funciona. Google la prevé para principios de 2027. Hasta entonces, su control sigue siendo Google-Extended.
• Bloquear a Googlebot para frenar la IA. Sacas tu web del buscador y no resuelves lo que querías.
• Copiar el robots.txt de otra web. Lo que le sirve a un medio de comunicación no tiene por qué servirle a una tienda o a un despacho.
• Presentarlo como un estándar aprobado. Es un borrador individual en el IETF, sin aval formal todavía.
• Cambiar el archivo sin anotar qué había antes. Guarda la versión anterior para poder volver atrás si algo sale mal.