OpenAI e Google adotam sinal comum para sites recusarem treinamento de IA

OpenAI e Google anunciaram em 30 de outubro de 2026 que passarão a apoiar um sinal comum em robots.txt para que sites expressem uma preferência sobre o uso de seu conteúdo no treinamento de modelos generativos. A mudança não cria uma proibição automática nem substitui as regras específicas de cada robô, mas reduz um problema prático: hoje, um editor precisa manter instruções separadas para cada empresa e rastreador.

O anúncio é relevante para veículos de comunicação, empresas, criadores e organizações brasileiras porque transforma uma decisão até então fragmentada em um controle potencialmente interoperável. A proposta está ligada ao grupo de trabalho AI Preferences (AIPREF) da Internet Engineering Task Force (IETF), entidade que desenvolve padrões abertos da internet. OpenAI afirma que pretende implementar o sinal nos próximos meses; o Google diz que planeja interpretá-lo, em determinadas condições, como uma recusa ao uso pelo Google-Extended.

O que mudou: de listas de bots para uma preferência compartilhada

O arquivo robots.txt é publicado na raiz de um domínio e tradicionalmente comunica regras de rastreamento a robôs. Para limitar usos ligados a IA, muitos sites passaram a listar rastreadores individualmente. Isso exige conhecer cada agente, acompanhar nomes novos e manter políticas consistentes à medida que provedores entram ou saem do mercado.

A iniciativa anunciada em 30 de outubro tenta concentrar a decisão de treinamento em uma preferência comum. Segundo a OpenAI, a proposta permite que o operador do site transmita a mesma escolha a vários provedores participantes de uma vez. O Google descreve o mecanismo como um policy token em robots.txt, baseado no trabalho do AIPREF.

Na prática, o ganho esperado é operacional: uma equipe editorial ou jurídica deixa de depender exclusivamente de uma lista extensa de identificadores de crawler para declarar a intenção geral do domínio. Isso não significa que todos os sistemas da web passarão a obedecer imediatamente à mesma regra; a adesão é voluntária e depende de implementação por cada empresa.

O que a adesão de OpenAI e Google efetivamente promete

• OpenAI: declarou que respeitará o sinal comum para preferências de uso em treinamento de IA generativa fundamental, mas informou que a implementação ocorrerá nos próximos meses.
• Google: informou que pretende tratar o opt-out do token compartilhado como uma desautorização de Google-Extended quando este não tiver sido especificado explicitamente pelo site.
• Controles existentes: a OpenAI diz que suas regras atuais por crawler em robots.txt continuam válidas; o novo recurso não as substitui.
• Padronização: os anúncios se apoiam no processo em andamento do AIPREF na IETF, portanto a semântica e a implementação ainda podem evoluir.

Por que isso importa para sites brasileiros

Para um portal, loja, universidade ou empresa no Brasil, a decisão de permitir ou vedar treinamento pode envolver propriedade intelectual, estratégia comercial, custo de manutenção e relações com autores. Até agora, a aplicação dessa escolha em escala exigia monitorar documentação de cada fornecedor. Um padrão comum pode simplificar a governança, sobretudo para equipes pequenas sem operações permanentes de infraestrutura.

Há também uma distinção que precisa permanecer clara. Um sinal relacionado a treinamento não é necessariamente uma ordem sobre todos os usos de uma página por produtos de IA. Rastreamento para busca, indexação convencional, respostas fundamentadas em conteúdo recuperado, cache, navegação de usuários e outros serviços podem ter regras técnicas e contratuais próprias. Antes de mudar o arquivo, o responsável pelo domínio deve confirmar exatamente qual finalidade é coberta por cada controle e quais bots ainda precisam de diretivas específicas.

O que não está resolvido

O anúncio não elimina os principais limites de robots.txt. O padrão comunica uma preferência legível por máquina; ele não é, por si só, um mecanismo técnico que impede a cópia de conteúdo nem substitui licenças, contratos, autenticação, paywalls ou medidas judiciais. Sua eficácia depende de os operadores de crawlers o reconhecerem e cumprirem.

Também não há, nos comunicados consultados, uma data única para todos os participantes nem uma garantia de comportamento idêntico entre provedores. A OpenAI fala em implementação nos próximos meses. O Google descreve como pretende interpretar o sinal em relação ao Google-Extended, com a ressalva de que uma regra explícita para esse agente prevalece. Portanto, publicar uma diretiva sem uma auditoria da configuração atual pode gerar uma falsa sensação de cobertura.

Outro ponto é a retroatividade. Os anúncios tratam de preferências para uso futuro; eles não afirmam que dados já coletados ou já incorporados a conjuntos de treinamento serão removidos. Para organizações com requisitos legais ou comerciais específicos, a recomendação prudente é registrar a política, revisar termos dos provedores e buscar orientação jurídica quando necessário.

Como o sinal aparece no robots.txt

O rascunho técnico publicado em 30 de outubro define o token __usage_ai-training. Ele não cria uma nova diretiva: reaproveita os grupos já existentes de robots.txt, com o token na linha User-Agent. O exemplo do próprio rascunho é:

User-Agent: __usage_ai-training
Disallow: /
Allow: /press-kit/

Essa configuração comunica preferência contrária ao treinamento de IA para todo o domínio, exceto o caminho /press-kit/. O documento ainda é um Internet-Draft — isto é, um trabalho em progresso, sem status de RFC e sujeito a mudanças. Por isso, a sintaxe deve ser validada contra a documentação oficial do provedor antes de entrar em produção.

Checklist antes de alterar a política

1. inventariar o robots.txt atual e as regras específicas já usadas para crawlers de IA;
2. definir internamente a política: permitir, negar ou condicionar o uso para treinamento;
3. testar a atualização em ambiente controlado e registrar data, responsável e versão do arquivo;
4. manter regras explícitas para bots quando houver exceções, porque o controle compartilhado não substitui automaticamente todas as configurações existentes;
5. acompanhar as atualizações do rascunho AIPREF e os comunicados de implementação dos provedores participantes.

Análise do NoticIA: interoperabilidade é avanço, não solução de consentimento

Análise do NoticIA: o valor mais concreto deste movimento está menos no arquivo robots.txt em si e mais no alinhamento entre grandes compradores de dados da web. Uma preferência comum reduz atrito administrativo e torna mais visível a decisão de um site. Isso pode elevar o padrão mínimo de transparência para publishers que hoje precisam decifrar políticas incompatíveis.

Mas interoperabilidade não equivale a consentimento verificável. O ecossistema ainda precisa de divulgação clara sobre quais agentes aderem, quando a leitura começa a valer, como as exceções funcionam e de que maneira um operador pode auditar o cumprimento. Para o Brasil, onde redações e empresas frequentemente dependem de equipes técnicas enxutas, a clareza de documentação será tão importante quanto o padrão. A melhor adoção será aquela que combinar uma diretiva comum com controles específicos, registro de decisões e comunicação transparente aos titulares dos conteúdos.

Resumo prático

• OpenAI e Google anunciaram apoio a uma preferência compartilhada de treinamento em robots.txt em 30 de outubro de 2026.
• O objetivo é evitar que sites tenham de administrar somente listas separadas de crawlers para cada provedor.
• OpenAI ainda fala em implementação futura; o Google detalhou uma interpretação planejada em relação ao Google-Extended.
• O sinal não substitui automaticamente regras existentes, contratos, licenças ou proteção técnica de conteúdo.
• Sites devem aguardar a sintaxe e a documentação oficiais antes de aplicar mudanças em produção.