Bloquear treino de IA no site: OpenAI, Google e Microsoft apoiam sinal único

Quem tem blog, loja virtual ou site de notícias e não quer ver seus textos treinando IA precisava, até agora, barrar robô por robô. Em 30 de outubro, OpenAI, Google, Microsoft e Anthropic prometeram uma regra única no robots.txt, o arquivo de instruções para robôs que fica na raiz de todo site.

O que é o novo sinal para recusar o treino de IA

A proposta se baseia no trabalho do grupo AI Preferences (aipref) da IETF, entidade que padroniza protocolos da internet, e é assinada por Kevin Kelley, da Anthropic. Ainda é um rascunho individual, sem endosso nem status formal de padrão, que expira em 3 de maio de 2027.

Não há sintaxe nova. No lugar do nome do robô, o grupo do robots.txt usa o “token de política” __usage_ai-training. Treino é “usar um conteúdo para modificar os parâmetros aprendidos de um modelo de IA generativa”; modelos que só classificam ou ranqueiam ficam de fora.

A regra genérica User-Agent: * não conta, e quem não faz nada não disse nada. “Um robots.txt que não usa esse mecanismo, como todos os publicados até hoje, não expressa preferência alguma”, escreveu Kelley na lista da IETF.

Como bloquear o treino de IA no seu site, passo a passo

1. Abra o robots.txt, em seusite.com.br/robots.txt. Em WordPress e lojas virtuais, ele costuma ser editado pelo painel ou por plugin de SEO.
2. Para recusar o treino no site inteiro, acrescente o grupo no formato publicado pela Microsoft:

   User-Agent: __usage_ai-training
   Disallow: /

3. Para liberar uma parte, use Allow. No exemplo do rascunho, só a pasta do kit de imprensa fica liberada:

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

4. Mantenha as regras por robô. Elas valem já e, segundo as empresas, continuarão valendo:

   User-agent: GPTBot
   Disallow: /
   
   User-agent: Google-Extended
   Disallow: /
   
   User-agent: ClaudeBot
   Disallow: /

5. Na Microsoft, dá para ir página a página a partir de 1º/2/2027, com <meta name="Bingbot" content="ai-training:disallow"> ou o cabeçalho X-Robots-Tag: Bingbot: ai-training:disallow. A regra só é lida quando o robô volta à página.

Quem apoia e quem ficou de fora

A Anthropic já começou a implementar, mas diz que levará tempo para cobrir todos os serviços. A OpenAI chama a iniciativa de “esforço voluntário” e fala em treino de modelos “fundacionais”, palavra ausente da definição da IETF.

No Google há um efeito colateral: o sinal será lido como bloqueio do Google-Extended, que junta treino e respostas do app Gemini. Quem recusar o treino sai também dessas respostas, a menos que libere o Google-Extended, o que libera junto o treino do Gemini.

Meta, Amazon e Apple ficaram de fora, embora funcionários da Meta e da Amazon estejam entre os 46 colaboradores agradecidos no rascunho.

O que o sinal não resolve e por que não tira você do Google

Ninguém é obrigado a obedecer: não há fiscalização, acordos privados podem se sobrepor ao sinal e robôs de quem não aderiu podem ignorá-lo. Não há efeito retroativo: vale a regra em vigor quando o conteúdo foi coletado. E o sinal trata de uso, não de acesso. Treinar também é diferente de usar sua página para responder agora, o chamado grounding.

Recusar o treino não derruba ninguém no ranking: o Google-Extended não afeta a Busca, e as preferências da Microsoft não mudam a elegibilidade no Bing. A busca do ChatGPT, da OpenAI, usa outro robô, o OAI-SearchBot. Mas nenhuma escolha “garante inclusão, tráfego ou pagamento”, ressalva a Microsoft.

No mesmo dia, a OpenAI publicou uma defesa do uso justo (fair use) contra o New York Times, que, segundo ela, busca “um pagamento imerecido”. A Wikimedia, que mantém a Wikipédia, pediu à Justiça americana que aceite o treino como uso justo quando gera algo novo, mas não o grounding.

E no Brasil?

Não há restrição por país: o robots.txt de um site .com.br é lido do mesmo jeito, e a regra pode entrar hoje. O controle do Search Console para sair de AI Overviews e do Modo IA chegou a todos os sites do mundo em 31/08/2026.

Para jornais, o sinal vale daqui para a frente, não para a briga sobre o passado. Em agosto de 2025, a Folha de S.Paulo processou a OpenAI por concorrência desleal e violação de direitos autorais; segundo o Coletiva, o jornal registrou 45 mil acessos de robôs da empresa só em julho daquele ano. Criadores podem fechar o portfólio e liberar a página de divulgação. Lojas devem pesar a visibilidade: bloquear o uso em respostas reduz a presença da marca nas experiências de IA, alerta a Microsoft.

O PL 2338/2023, aprovado pelo Senado, dá ao autor o direito de proibir o uso de suas obras no desenvolvimento de IA (art. 64) e de ser remunerado (art. 65), mas não diz como esse “não” deve chegar às máquinas. Ainda não é lei: o projeto aguarda parecer do relator, deputado Aguinaldo Ribeiro (PP-PB), na comissão especial da Câmara. Em agosto, o secretário de Direitos Autorais e Intelectuais do Ministério da Cultura, Marcos de Souza, disse que uma eventual contribuição cobrada das empresas de IA não substituiria esse pagamento.

Perguntas rápidas

Como impedir que a IA use meu site para treinar?

Inclua no robots.txt o grupo User-Agent: __usage_ai-training com Disallow: / e mantenha as regras para GPTBot, Google-Extended e ClaudeBot, que já funcionam.

Bloquear o treino de IA tira meu site do Google?

Da Busca, não. Para sair de AI Overviews e do Modo IA, use o controle de IA do Search Console. No app Gemini, porém, o sinal tira o site das respostas.

O que a IA já coletou do meu site será apagado?

Não. A regra vale só para o que for coletado enquanto ela estiver no arquivo.

Veja também

• IPO da Anthropic: o que o prospecto revela sobre a dona do Claude
• OpenAI endurece regras para adolescentes e atualiza o Model Spec
• Anúncios com IA miram e-mail e telefone: como limitar o uso dos seus dados