7 min read
Agora você pode dizer a quatro das maiores empresas de IA, em uma linha curta de texto, que não quer que o seu site seja usado para treinar os modelos delas. Leva cerca de 20 minutos, não custa nada e, se for feito corretamente, não prejudica sua posição no Google. O porém é que se trata de um pedido, não de uma tranca, e três dessas quatro empresas ainda não ativaram o recurso.
Em 30 de outubro, Kevin Kelley, líder de padrões da Anthropic, apresentou um rascunho chamado “Machine-Readable Training Preference Signal” à Internet Engineering Task Force, o grupo que escreve muitas das regras que fazem a web funcionar. OpenAI, Google, Microsoft e Anthropic disseram que vão respeitá-lo. Este guia mostra a configuração passo a passo, mesmo que você nunca tenha aberto um arquivo robots.txt. Um arquivo robots.txt é um pequeno arquivo de texto público no seu site que diz aos visitantes automatizados o que você gostaria que eles fizessem.
O que o novo token faz, em português claro
O rascunho cria um rótulo chamado __usage_ai-training. Você o coloca no robots.txt, e ele declara uma preferência sobre uma única coisa: se as suas páginas podem ser usadas para treinar IA generativa. Treinamento é a etapa em que uma empresa alimenta um modelo com conteúdo para que ele aprenda com esse material.
Ele não impede ninguém de visitar o seu site. O rascunho diz com todas as letras que o rótulo não é uma regra de rastreamento. Ele também não trata de respostas de IA em tempo real, como quando um assistente consulta a sua página para responder a um cliente. É uma boa notícia para um pequeno negócio, porque você pode recusar o treinamento e continuar sendo encontrado e citado pela busca com IA. Se essa segunda parte importa para você, leia nosso guia para iniciantes sobre como ser mencionado em respostas de IA.
O calendário varia de empresa para empresa, segundo o anúncio da OpenAI e a cobertura da imprensa sobre as outras três:
- Anthropic: a implementação começou em outubro de 2026.
- OpenAI: planejada para os próximos meses.
- Microsoft: data prevista de 1º de fevereiro de 2027.
- Google: previsão para o início de 2027, quando passará a tratar o rótulo como uma recusa via Google-Extended.
Adicionar a linha agora ainda faz sentido. É uma edição de dois minutos, e ela já estará no lugar quando cada empresa entrar em ação.
Passo 1: decida o que você realmente quer
Antes de mexer em qualquer coisa, separe o seu site em duas pilhas.
- Páginas que você quer divulgar ao máximo: seus serviços, preços, localização e páginas de imprensa. Se um modelo aprender esse conteúdo, isso pode ajudar as pessoas a encontrarem você.
- Páginas que são o seu produto: guias pagos, aulas de cursos, pesquisas originais, receitas ou modelos que você vende.
Se você vende o seu conhecimento, recuse o treinamento no site inteiro e permita algumas exceções. Se o seu site é basicamente um folheto, há pouco em jogo. Seria razoável não fazer nada, ou bloquear apenas a pasta que guarda o seu material pago. Não existe resposta errada aqui, e você pode mudar de ideia depois.
Passo 2: encontre o seu arquivo robots.txt
Digite o seu domínio no navegador e adicione /robots.txt ao final, como em yourbusiness.com/robots.txt. Você verá um arquivo de texto curto, ou uma página de erro se ele ainda não existir. Copie o que aparecer para uma nota, assim você tem um backup.
Passo 3: abra o editor da sua plataforma
O lugar onde você edita o arquivo depende de como o site foi construído:
- WordPress: o WordPress cria esse arquivo automaticamente, então muitas vezes não há nada para abrir no servidor. Plugins de SEO como Yoast e Rank Math incluem um editor de arquivos, ou você pode enviar seu próprio arquivo pela hospedagem.
- Shopify: edite o modelo do tema chamado robots.txt.liquid.
- Wix: procure o editor de robots.txt nas configurações de SEO.
- Squarespace e outros criadores de sites fechados: eles podem não permitir a edição direta. Consulte a página de ajuda atual antes de perder tempo procurando.
Se o Cloudflare estiver na frente do seu site, verifique se o recurso de robots.txt gerenciado está ativado, porque ele pode acrescentar ou alterar o que os visitantes veem.
Passo 4: adicione as linhas
Adicione uma linha em branco ao final do arquivo e cole isto como um grupo próprio:
User-Agent: __usage_ai-training
Disallow: /Para manter certas páginas abertas, adicione uma exceção. Esta versão recusa o treinamento em todo o site, menos em uma pasta de imprensa:
User-Agent: __usage_ai-training
Disallow: /
Allow: /press/Há dois erros a evitar. Primeiro, não adicione Disallow: / abaixo da linha User-Agent: *. Esse grupo fala com todos os rastreadores, incluindo o Google, e isso poderia tirar você da busca. Segundo, não presuma que esse grupo existente já cobre o treinamento. O rascunho diz que um grupo curinga não conta, então um arquivo que nunca menciona o rótulo não expressa preferência nenhuma.
Passo 5: teste
Salve e abra yourbusiness.com/robots.txt em uma janela anônima do navegador para confirmar que as novas linhas aparecem. Se você usa o Google Search Console, o relatório de robots.txt mostra a última versão que o Google buscou. Depois, faça uma checagem rápida para ver se as suas páginas principais continuam carregando e se nada mais mudou no arquivo.
Passo 6: cubra a lacuna com as regras que já funcionam
Como o novo rótulo ainda está sendo implantado, você pode adicionar hoje as regras mais antigas, específicas de cada empresa. A documentação de rastreadores da OpenAI separa o GPTBot, que coleta dados de treinamento, do OAI-SearchBot, que alimenta a busca. O rastreador de treinamento da Anthropic é o ClaudeBot, e o Google usa um rótulo chamado Google-Extended. Para recusar o treinamento sem sair da busca com IA, bloqueie apenas esses três:
User-Agent: GPTBot
User-Agent: ClaudeBot
User-Agent: Google-Extended
Disallow: /A OpenAI disse que as regras atuais para os seus rastreadores continuam valendo junto com o novo sinal, então essas linhas não são esforço perdido.
O que isto não pode fazer por você
Seja honesto consigo mesmo sobre os limites. Isto é uma preferência, e depende de as empresas decidirem respeitá-la. Não muda nada em relação ao conteúdo que já está dentro de modelos treinados. Raspadores menores, que nunca concordaram com nada, podem ignorá-la. Acordos privados de licenciamento podem se sobrepor a ela. O próprio rascunho é uma submissão individual, ainda sem status formal na IETF, e seus detalhes podem mudar, então volte a verificar na primavera do hemisfério norte.
Isto também não é uma estratégia de direitos autorais. Os seus direitos sobre o seu próprio trabalho não dependem deste arquivo, e são uma questão separada do que você pode reivindicar sobre conteúdo gerado por IA, tema que abordamos no nosso texto sobre mitos de direitos autorais. Se o seu conteúdo é o centro da sua renda, uma conversa curta com um advogado vale mais do que qualquer linha de robots.txt.
Sua lista de verificação de 20 minutos
- Separe suas páginas em “divulgar ao máximo” e “meu produto”.
- Faça um backup do seu robots.txt atual.
- Adicione o grupo __usage_ai-training, com as exceções que quiser.
- Adicione GPTBot, ClaudeBot e Google-Extended para ter cobertura hoje.
- Teste em uma janela anônima e crie um lembrete na agenda para revisar tudo em março de 2027.
Já que você está por ali, pergunte-se o que mais as máquinas leem no seu site. Nosso plano sobre os agentes de IA dos clientes que leem as suas políticas é uma boa próxima parada.
