Empresas de software publicam muito mais do que páginas de marketing. Manuais, documentação de API, artigos de suporte, exemplos de código e bases de conhecimento também ficam disponíveis na web. A pergunta é cada vez mais prática: como informar, de forma clara, se esse conteúdo pode ser usado para treinar modelos de inteligência artificial?
Em 30 de outubro de 2026, a OpenAI anunciou que pretende respeitar um sinal comum no arquivo robots.txt. O Google publicou apoio ao mesmo mecanismo. A proposta reduz a necessidade de manter uma regra diferente para cada empresa de IA.
O que foi anunciado
O robots.txt é um arquivo público usado para orientar robôs que acessam um site. Hoje, um responsável pode criar regras específicas para o GPTBot, da OpenAI, ou para o Google-Extended, do Google. O novo desenho adiciona um identificador compartilhado para expressar uma preferência sobre treinamento de IA generativa.
O rascunho técnico publicado no IETF usa um “token de política” no campo User-Agent. Assim, o site poderia bloquear o treinamento em todo o domínio e permitir apenas uma área específica, como um material destinado à imprensa.
É importante separar anúncio de disponibilidade. A OpenAI diz que pretende implementar o sinal nos próximos meses. O Google fala em suporte em 2027. O documento técnico é um Internet-Draft: pode mudar, ser substituído ou não se tornar um padrão definitivo.
Treinamento, busca e acesso não são a mesma coisa
A nova preferência trata do uso de conteúdo para ajustar os parâmetros de modelos generativos. Ela não equivale, por si só, a retirar uma página de mecanismos de busca.
MATERIAL PRÁTICO
Quer aplicar IA no seu trabalho?
Tenha acesso gratuito a 50 prompts prontos para usar e adaptar.
Quero acessar os promptsA documentação de robôs da OpenAI diferencia o GPTBot, ligado a treinamento, do OAI-SearchBot, usado para exibir sites em resultados do ChatGPT. Uma empresa pode permitir a busca e recusar o treinamento. O Google também informa que seus controles específicos continuarão funcionando ao lado do sinal comum.
O robots.txt também não protege conteúdo confidencial. Ele comunica preferências a robôs que decidem respeitá-las, mas o arquivo e as páginas continuam públicos. Documentos internos, contratos, dados pessoais, chaves, código privado e informações de clientes precisam de autenticação, autorização e controles de acesso reais.
O que muda para uma empresa de software
A novidade transforma uma decisão dispersa em uma política que pode ser administrada. Produto, marketing, suporte, jurídico e segurança precisam definir juntos o destino de cada tipo de conteúdo.
- Site institucional: pode interessar à descoberta em buscadores e assistentes, mesmo quando a empresa prefere não autorizar treinamento.
- Documentação pública: facilita adoção e suporte, mas pode conter exemplos, estruturas e conhecimento que exigem uma decisão explícita.
- Base de conhecimento: ajuda clientes e IA a encontrar respostas, porém deve passar por revisão para retirar dados pessoais, credenciais e detalhes internos.
- Portais privados: não devem depender de robots.txt. O acesso precisa ser bloqueado no servidor e concedido somente a usuários autorizados.
Um processo simples para começar
- Mapeie os domínios, subdomínios e caminhos públicos mantidos pela empresa.
- Classifique o conteúdo por finalidade: marketing, documentação, suporte, código de exemplo ou informação restrita.
- Decida separadamente sobre treinamento, busca e acesso por usuários.
- Revise as regras atuais para GPTBot, OAI-SearchBot, Google-Extended e outros robôs relevantes.
- Acompanhe a evolução do rascunho antes de adotar o token comum em produção.
- Monitore logs do servidor para identificar robôs, erros e caminhos acessados.
Vale medir três efeitos: tráfego vindo de assistentes, volume de acessos automatizados e incidentes de exposição indevida. A política deve ser revisada quando um novo portal, produto ou base de ajuda entrar no ar.
O limite mais importante
O sinal comum simplifica a comunicação, mas não substitui governança. Cada provedor precisa implementar e respeitar a preferência. A empresa ainda deve acompanhar termos, contratos, registros de acesso e mudanças no padrão.
A ação útil agora é inventariar o conteúdo público e separar três decisões que costumam ser misturadas: aparecer em respostas, permitir treinamento e proteger informação privada. Quando o mecanismo estiver disponível, a empresa já terá critérios claros para configurá-lo.
Referências
- OpenAI — Making it easier for websites to express AI training preferences, 30/10/2026.
- Google — Supporting a shared AI training control for websites, 30/10/2026.
- IETF Datatracker — Machine-Readable Training Preference Signal, versão de 30/10/2026.
- OpenAI — Overview of OpenAI Crawlers, consultado em 31/10/2026.
PRÓXIMO PASSO
Leve esta ideia para a prática
Tenha acesso gratuito a 50 prompts para gestão, suporte, vendas, desenvolvimento, produto e implantação.
Quero acessar os prompts








