OpenAI passa a respeitar sinal no robots.txt contra treino de IA
A OpenAI anunciou que passará a respeitar um sinal comum no robots.txt para indicar preferências sobre uso de conteúdo em treinamento de IA. A medida, voluntária, facilita controle para donos de sites.
A OpenAI anunciou em 30 de outubro de 2026 que passará a respeitar um sinal comum no arquivo robots.txt para indicar preferências sobre o uso de conteúdo no treinamento de IA generativa fundacional. A medida, voluntária, é um passo importante rumo à padronização do controle de dados na web e pode simplificar a gestão de direitos digitais para donos de sites, editoras, criadores e empresas que dependem de sua presença online. Segundo o CEVIU, a iniciativa permite que operadores comuniquem uma única preferência a múltiplos provedores de IA ao mesmo tempo, reduzindo a complexidade de gerenciar políticas de acesso para cada crawler individualmente.
Como o novo sinal funciona
O sinal é baseado em um Internet-Draft do grupo AI Preferences do Internet Engineering Task Force (IETF), intitulado Sinal legível por máquina de preferência de treinamento, proposto por Kevin Kelley, da Anthropic. Esse rascunho técnico define um token específico — __usage_ai-training — que pode ser incluído no arquivo robots.txt como um grupo User-Agent. Quando presente, ele permite que o site defina, por meio das diretivas Disallow e Allow, quais partes do conteúdo não devem ser usadas para treinar modelos de IA.
Por exemplo, a configuração abaixo bloqueia o uso de todo o conteúdo para fins de treinamento, exceto os arquivos na pasta /press-kit/:
- User-Agent: __usage_ai-training
- Disallow: /
- Allow: /press-kit/
Segundo Unite.AI, o novo sinal não altera o comportamento dos rastreadores tradicionais nem substitui as regras existentes de controle de acesso. Ele é ortogonal ao rastreamento: um site pode permitir que seu conteúdo seja indexado por buscadores, mas proibir que seja usado para treinar modelos de IA. O mecanismo mantém compatibilidade com o padrão robots.txt (RFC 9309), garantindo que analisadores já em uso na internet continuem funcionando normalmente.
Adesão voluntária e limitações práticas
A OpenAI ressaltou que a medida é voluntária e que o sinal ainda não está implementado. A empresa promete divulgar detalhes da implementação nos próximos meses. Além disso, como destacado pelo NeoTeo, o uso do token __usage_ai-training não garante que todos os provedores de IA o respeitem. O rascunho do IETF permite que acordos privados entre plataformas e sites prevaleçam sobre a preferência pública expressa no robots.txt, o que limita seu efeito automático.
Outro ponto crítico: o sinal não bloqueia o rastreamento de páginas. Ele apenas indica uma preferência sobre o uso do conteúdo no treinamento de modelos. Para impedir o acesso de robôs, é necessário usar as regras tradicionais de robots.txt com User-Agent específico. Além disso, o mecanismo não tem efeito retroativo — não remove nem impede o uso de dados já coletados em treinamentos anteriores.
Google, Microsoft e Anthropic também aderem
A iniciativa conta com apoio de outros grandes players do setor. O Google anunciou que adotará o sinal em 2027. A Microsoft informou que começará a honrar as novas preferências a partir de 1º de fevereiro de 2027, conforme detalhado em seu anúncio oficial. A Anthropic também aderiu à medida, segundo reportagem da AFP citada pelo NeoTeo.
No entanto, cada empresa aplica as regras de forma distinta. O Google vincula a exclusão de treinamento à elegibilidade para uso em respostas do Gemini: se um site proibir o treinamento, seu conteúdo pode ser automaticamente excluído do Google-Extended, a menos que haja uma autorização explícita. Já a Microsoft separa claramente os controles de treinamento e de grounding (uso do conteúdo como contexto em respostas de IA). Para a empresa, a ausência de preferência significa permissão automática em ambos os casos.
O que isso muda para a sua empresa
Para empreendedores, gestores e criadores digitais, a adoção do sinal por grandes provedores de IA representa uma evolução prática na governança de dados. Aqui estão cinco pontos que merecem atenção:
- Simplificação da gestão de direitos: antes, era necessário identificar cada crawler (como GPTBot, Google-Extended, etc.) e criar regras separadas. Agora, um único sinal pode valer para múltiplos provedores, reduzindo a carga operacional.
- Controle mais claro sobre o uso de conteúdo: empresas com bibliotecas digitais, cursos, notícias ou materiais criativos podem usar o token para proteger ativos intelectuais de uso não autorizado em modelos de IA.
- Atenção ao timing: como a implementação ainda não está ativa, nenhuma mudança imediata é necessária. Mas é recomendável monitorar os próximos anúncios da OpenAI, Google e Microsoft para ajustar políticas no momento certo.
- Diferença entre rastreamento e treinamento: bloquear o uso para IA não impede a indexação em buscadores. Quem deseja proteger conteúdo precisa combinar o novo sinal com regras tradicionais de acesso.
- Adesão não é obrigatória: como o mecanismo é voluntário, nem todos os provedores de IA o adotarão. Empresas com alto valor de conteúdo devem considerar acordos contratuais ou tecnologias complementares, como as oferecidas por Cloudflare.
O que observar nos próximos meses
O anúncio da OpenAI é um passo importante, mas ainda não muda a realidade imediata da web. O que vem a seguir é crucial: a publicação de detalhes técnicos de implementação, o alinhamento entre provedores e a evolução do rascunho do IETF para um padrão formal. Empreendedores devem ficar atentos aos prazos anunciados — especialmente a entrada em vigor da Microsoft em fevereiro de 2027 e a adoção prevista pelo Google no ano seguinte. A efetividade do sinal dependerá da adesão em massa e da clareza nas políticas de cada plataforma. Enquanto isso, preparar o robots.txt com o token proposto pode ser um movimento estratégico para quem deseja sinalizar sua posição antecipadamente.
Em números
- 1
- token principal proposto: __usage_ai-training
- 30/10/2026
- data do anúncio da OpenAI
- 1º/02/2027
- início da adoção pela Microsoft
Núcleo de apuração do Pulso. Acompanha o noticiário de negócios e tecnologia e reescreve os fatos com as fontes citadas e linkadas.
