OpenAI, Google, Microsoft y Anthropic acuerdan mecanismo para bloquear el uso de contenidos en el entrenamiento de IA

Las principales empresas de inteligencia artificial, entre ellas OpenAI, Google, Microsoft y Anthropic, se comprometieron a adoptar un protocolo que permitirá a medios de comunicación y otros sitios web impedir que sus contenidos sean utilizados para entrenar modelos de IA sin tener que configurar instrucciones de bloqueo individuales para cada empresa.

La iniciativa busca simplificar el control sobre los datos que recopilan los bots que rastrean internet. Actualmente, los editores deben implementar distintos comandos para restringir el acceso de cada rastreador; con el nuevo mecanismo podrán establecer una sola instrucción estandarizada que será reconocida por las compañías que adopten el protocolo.

Sin embargo, su implementación no será inmediata. Microsoft comenzará a utilizarlo a partir del 1 de febrero de 2027, mientras que Google prevé incorporarlo en algún momento de ese mismo año. OpenAI señaló que lo adoptará durante los próximos meses y Anthropic aseguró que ya comenzó a implementarlo.

El anuncio ocurre en medio de las tensiones entre las empresas tecnológicas y los medios de comunicación por el uso de artículos periodísticos para alimentar sistemas de inteligencia artificial. Uno de los casos más relevantes es la demanda que The New York Times presentó en diciembre de 2023 contra OpenAI y Microsoft, a quienes acusó de utilizar millones de sus publicaciones sin autorización ni compensación para entrenar ChatGPT.

La nueva configuración estará enfocada exclusivamente en el entrenamiento futuro de modelos y no impedirá que los bots rastreen los sitios para otros fines. Además, Microsoft aclaró que la extracción de contenidos seguirá permitida de manera predeterminada hasta que los editores modifiquen sus preferencias.

Tanto Microsoft como Google aseguraron que activar esta restricción no afectará la aparición de las páginas en sus respectivos motores de búsqueda. Con ello, la iniciativa busca ofrecer a los propietarios de contenidos una herramienta común para decidir si sus publicaciones pueden utilizarse en el desarrollo de inteligencia artificial. ■ El Economista