Saltar al contenido
ES

Lección 6 de 6 · 6 min · +100 XP

¿La IA se entrena con mis datos y puedo negarme?

Los modelos de lenguaje se entrenan sobre todo con texto público, que puede incluir tus publicaciones, reseñas y artículos. Público no significa libre para usar: importan los derechos de autor, las licencias y el consentimiento. Una web puede bloquear a los rastreadores de IA en su archivo robots.txt, y algunas plataformas permiten excluirse. Eso frena la recogida futura, pero no borra lo ya aprendido.

▶ Pruébalo

Por qué importa

Detrás de cada frase de entrenamiento hay una persona que la escribió. Conocer las reglas te ayuda a juzgar a quienes crean IA y a proteger lo que escribes, si quieres.

En 6 minutos sabrás

  • Si tienes una web, puedes bloquear los rastreadores de IA en robots.txt y seguir apareciendo en los buscadores.
  • Revisa los ajustes de IA o de privacidad de las plataformas donde publicas; algunas te dejan excluirte del entrenamiento.
  • Recuerda que excluirte funciona hacia delante: no borra el texto de los modelos que ya se entrenaron.

Lo que vas a practicar

  1. Cuatro palabras que deciden

    Toca cada tarjeta para ver qué hay detrás.

    ©️ Derechos de autor
    Quien escribe un texto suele ser su dueño de forma automática. Copiarlo puede requerir permiso, y si el entrenamiento de IA cuenta como copia se discute en los tribunales.
    📜 Licencia
    Un permiso para usar una obra en unas condiciones concretas. Algunos textos tienen licencia abierta para reutilizarse; otros se licencian a empresas de IA a cambio de dinero.
    🤖 robots.txt
    Un pequeño archivo de una web que dice a los rastreadores qué páginas pueden visitar. Quien tiene la web puede usarlo para decir que no a los rastreadores de IA.
    🧠 ¿Se puede sacar un texto del modelo?
    No es fácil. Excluirse frena la recogida futura, pero lo que el modelo ya aprendió está repartido en miles de millones de números.

  2. Maneja el rastreador de Vireo

    El rastreador de Vireo pregunta antes de cada sitio. Déjalo rastrear, revisa antes los detalles o salta el sitio.

    Reunir texto para el próximo entrenamiento de Vireo, con juego limpio.

    1. Copiar una biblioteca de novelas antiguas cuyos derechos ya han caducado
      Herramienta Descargar · sitio entero · Encontrado en Lista de rastreo de Vireo · Aviso del sitio: todos los libros son de dominio público y se pueden reutilizar libremente.

      → Rastrear: Los textos de dominio público puede usarlos cualquiera. Una fuente estupenda, así que adelante.

    2. Descargar todas las recetas del blog de repostería de Rosa
      Herramienta Descargar · todas las páginas · Encontrado en Un enlace en otra web · robots.txt: VireoBot no tiene permiso en ninguna página.

      → Saltar: El robots.txt de Rosa dice que no al rastreador de Vireo. Un rastreador responsable lo respeta y sigue adelante.

    3. Descargar el archivo de un periódico saltándose su muro de pago
      Herramienta Descargar · evitar el inicio de sesión · Encontrado en Idea propia · Artículos de suscripción, a los que se llega saltándose la página de inicio de sesión.

      → Saltar: Saltarse un muro de pago es llevarse un trabajo que se vende. Eso necesita una licencia, no un truco.

    4. Recoger respuestas de un foro de ayuda público
      Herramienta Descargar · páginas públicas · Encontrado en Lista de rastreo de Vireo · Condiciones del foro: los mensajes se comparten con una licencia abierta que permite reutilizarlos citando la fuente.

      → Revisar antes: Público no significa automáticamente libre para usar, así que revisa antes las condiciones. Aquí permiten reutilizarlo.

    5. Copiar los capítulos de muestra de una novelista marcados «no para entrenar IA»
      Herramienta Descargar · todas las páginas · Encontrado en Idea propia · Pie de página: © la autora. Prohibido su uso para entrenar IA.

      → Saltar: La autora ha dicho que no con claridad. Respetar una exclusión declarada es parte del juego limpio.

    6. Añadir los libros de texto de una editorial con un nuevo acuerdo de licencia
      Herramienta Licencia · acuerdo de pago · Encontrado en Equipo legal de Vireo · Contrato: Vireo paga a la editorial, y a los autores se les informa y reciben parte del pago.

      → Revisar antes: Una licencia puede hacerlo justo, pero lee antes las condiciones: ¿quién aceptó y qué recibe a cambio?

  3. Protege el blog de Rosa

    Rosa quiere lectores y buscadores, pero no entrenamiento de IA. Configura su blog.

    • Bloquear en robots.txt los rastreadores de entrenamiento de IA
    • Bloquear también todos los buscadores
    • Añadir un aviso: «No para entrenar IA»
    • Mostrar la dirección de su casa en «Sobre mí»
    • Revisar los ajustes de IA de las plataformas donde publica

Recuerda

El texto público sigue siendo de alguien. Un entrenamiento justo respeta derechos de autor, licencias y exclusiones.

Público no es lo mismo que libre para usar. Los rastreadores responsables respetan derechos de autor, licencias y exclusiones.

Datos clave

  • Las reglas de robots.txt, que indican a los rastreadores adónde pueden ir, se formalizaron como estándar de internet en 2022. · Fuente: IETF, RFC 9309: Robots Exclusion Protocol, 2022
  • En la UE, los titulares de derechos pueden reservar sus obras frente a la minería de textos y datos de forma legible por máquinas, por ejemplo en robots.txt. · Fuente: EU Directive 2019/790 on Copyright in the Digital Single Market, Article 4
  • El Reglamento europeo de IA exige a los proveedores de modelos de IA de uso general tener una política para respetar los derechos de autor de la UE y publicar un resumen del contenido usado para entrenar. · Fuente: EU Artificial Intelligence Act, Regulation (EU) 2024/1689, Article 53
  • Unos investigadores vieron que en 2023 y 2024 los sitios web restringían a los rastreadores de IA en su robots.txt mucho más que antes. · Fuente: Longpre et al., Data Provenance Initiative, Consent in Crisis, 2024

Actualizado:

Preguntas frecuentes

¿Pueden las empresas de IA usar mis publicaciones públicas para entrenar?

A menudo lo hacen si las publicaciones son accesibles. Que esté permitido depende de la ley de propiedad intelectual de tu país, de las condiciones de la plataforma y de si tú o el sitio os habéis excluido.

¿Cómo evito que la IA se entrene con mi web?

Añade al robots.txt de tu web reglas que bloqueen los rastreadores que usan las empresas de IA para entrenar. La mayoría publica sus nombres. Puedes bloquearlos y seguir permitiendo los buscadores.

¿Puedo borrar mis datos de un modelo de IA ya entrenado?

Normalmente no de forma directa, porque lo aprendido está repartido en sus parámetros. Algunas empresas aceptan solicitudes para excluir tus datos de entrenamientos futuros o para que un modelo no repita datos personales. En la UE, el RGPD te da derecho a pedirlo.

¿Es legal entrenar una IA con textos protegidos por derechos de autor?

Depende del país y aún se está decidiendo. En la UE la minería de textos y datos está permitida salvo que el titular se haya excluido, y varias demandas están poniendo a prueba dónde están los límites.

Términos relacionados