Google, Microsoft și OpenAI schimbă regulile internetului. Site-urile vor putea interzice folosirea conținutului lor pentru antrenarea inteligenței artificiale

Potrivit TechRadar, noul sistem se bazează pe fișierul robots.txt, utilizat de mult timp pentru comunicarea preferințelor site-urilor către roboții care explorează internetul. Diferența este că administratorii ar putea transmite aceeași solicitare mai multor companii AI simultan, fără să configureze separat regulile pentru fiecare crawler.

O singură regulă ar putea împiedica folosirea conținutului pentru antrenarea AI

În prezent, site-urile care nu doresc ca informațiile lor să fie utilizate pentru dezvoltarea modelelor de inteligență artificială trebuie să identifice și să restricționeze individual roboții utilizați de diferite companii.

Această procedură poate deveni complicată, deoarece un singur furnizor poate utiliza mai multe sisteme automate pentru colectarea informațiilor, indexarea paginilor sau antrenarea modelelor.

Noua propunere introduce un identificator comun, denumit __usage_ai-training, care poate fi inclus în fișierul robots.txt.

De exemplu, un administrator care dorește să exprime refuzul utilizării întregului site pentru antrenarea modelelor AI ar putea introduce următoarele instrucțiuni:

User-Agent: __usage_ai-training
Disallow: /

Această configurație comunică preferința ca materialele publicate pe site să nu fie utilizate pentru modificarea parametrilor modelelor de inteligență artificială generativă.

Mecanismul a fost descris într-un proiect tehnic publicat la 30 octombrie 2026 de Kevin Kelley, inginer Anthropic, în cadrul activităților Internet Engineering Task Force (IETF).

Totuși, documentul este momentan doar o propunere, nu un standard internațional aprobat oficial.

Un aspect important este că, în lipsa unei restricții explicite, noul mecanism nu exprimă un refuz al utilizării conținutului pentru antrenare.

Inițiativa apare într-un moment în care publicațiile online și proprietarii de site-uri contestă tot mai frecvent folosirea conținutului lor de către companiile AI, inclusiv din cauza reducerii traficului și a veniturilor din publicitate.

Când vor implementa Google, Microsoft, OpenAI și Anthropic noua regulă

Deși cele patru companii și-au exprimat susținerea pentru mecanismul comun, implementarea nu se va realiza simultan.

Anthropic a început deja procesul de integrare, în timp ce OpenAI a anunțat că intenționează să respecte noul semnal în lunile următoare, fără să ofere o dată exactă.

Microsoft a stabilit data de 1 februarie 2027 pentru începerea aplicării regulii în propriile operațiuni de colectare a informațiilor.

Google urmărește implementarea în cursul anului 2027.

Există însă diferențe între modul în care companiile interpretează și aplică preferințele administratorilor.

Google a explicat că, dacă un site utilizează noua regulă comună fără să configureze separat Google-Extended, compania intenționează să trateze solicitarea ca pe o interdicție pentru acest mecanism.

Problema este că Google-Extended controlează atât anumite utilizări pentru antrenarea modelelor AI, cât și folosirea informațiilor în unele funcționalități Gemini.

Prin urmare, un site care dorește exclusiv să împiedice antrenarea AI ar putea pierde și anumite oportunități de vizibilitate în răspunsurile generate de Gemini.

Microsoft propune o abordare diferită, introducând mecanisme suplimentare prin care administratorii pot controla separat utilizarea informațiilor pentru antrenare și pentru fundamentarea răspunsurilor generate de AI.

Meta a salutat inițiativa, însă nu și-a asumat deocamdată un angajament ferm privind respectarea noii reguli.

Aceste diferențe demonstrează că obținerea unui acord comun nu înseamnă neapărat că toate companiile vor interpreta identic solicitările proprietarilor de site-uri.

Noua regulă nu blochează roboții AI și nu protejează informațiile deja colectate

Cea mai importantă limitare a mecanismului este că acesta nu împiedică automat accesarea site-urilor de către roboții AI.

Regula comunică modul în care proprietarul dorește să fie utilizat conținutul, dar nu reprezintă o interdicție tehnică de accesare a paginilor.

Astfel, un crawler poate continua să viziteze un site, chiar dacă administratorul a precizat că materialele nu trebuie utilizate pentru antrenarea modelelor.

De asemenea, noua regulă nu are efect retroactiv asupra informațiilor colectate anterior.

Respectarea solicitării depinde de angajamentele companiilor participante, iar mecanismul permite inclusiv existența unor acorduri private care să stabilească alte condiții.

Aceste limitări explică de ce numeroși proprietari de site-uri solicită măsuri mai ferme.

De exemplu, Cloudflare a introdus instrumente prin care administratorii pot bloca roboții AI sau pot solicita plata pentru accesarea conținutului.

Disputa are și o importantă componentă juridică. The New York Times a dat în judecată OpenAI și Microsoft în 2023, acuzând utilizarea neautorizată a materialelor sale jurnalistice pentru dezvoltarea inteligenței artificiale.

Anthropic a acceptat, la rândul său, un acord de 1,5 miliarde de dolari pentru soluționarea unor acuzații legate de folosirea unor cărți piratate în antrenarea modelelor.

În paralel, Google este criticat pentru impactul funcțiilor AI asupra traficului publicațiilor independente, întrucât răspunsurile generate automat pot reduce necesitatea accesării surselor originale.

Prin urmare, noul mecanism reprezintă un progres în direcția transparenței și a controlului asupra conținutului online, dar nu rezolvă toate problemele industriei.

Pentru editori, jurnaliști și creatorii de conținut, posibilitatea de a transmite o singură solicitare către mai multe companii AI este utilă. Totuși, eficiența acesteia va depinde de implementarea concretă și de respectarea voluntară a regulilor.

În lipsa unor mecanisme obligatorii de aplicare, noul sistem rămâne, cel puțin pentru moment, mai degrabă o declarație de intenție decât o garanție că informațiile publicate pe internet nu vor ajunge în modelele de inteligență artificială.