Apple se enfrenta a desafíos de bloqueo de sitios web al lanzar su funcionalidad de IA, necesitando negociar acuerdos de licencia con grandes sitios web. Google, debido a su influencia en el mercado, puede presionar a los editores para permitir el acceso de IA a su contenido, mientras que Apple enfrenta más bloqueos de sitios web que impiden el acceso de su rastreador web de IA, Applebot-Extended. El 7% de los sitios web optan por bloquear este rastreador, y los datos muestran que 294 sitios web importantes bloquean el acceso. OpenAI también enfrenta desafíos similares, con una mayor proporción de bloqueos a su rastreador web. Google ha reforzado su posición en el mercado combinando resúmenes de IA con el rastreo web tradicional, y

Una investigación reciente ha descubierto que cientos de sitios web intentaron bloquear a la compañía de inteligencia artificial Anthropic de rastrear su contenido, pero terminaron bloqueando bots erróneos debido a instrucciones obsoletas. Este fenómeno destaca las dificultades que enfrentan actualmente los propietarios de sitios web al lidiar con el cambiante ecosistema de rastreadores de IA.

Un estudio ha descubierto que casi la mitad de los sitios web de noticias populares bloquean el rastreador web de OpenAI. Los sitios web de medios impresos tradicionales son más propensos a bloquear el rastreador web de OpenAI. Los nuevos modelos de inteligencia artificial pueden experimentar degradación cuando se entrenan con modelos anteriores. Los rastreadores web de inteligencia artificial se utilizan para recopilar datos para entrenar modelos de lenguaje. Las agencias de noticias en el hemisferio norte tienen más probabilidades de bloquear los rastreadores web de inteligencia artificial.

Un estudio del Instituto Reuters revela que el 48% de los principales sitios web de noticias bloquean el rastreador web de OpenAI. Esto destaca la problemática del uso de material protegido por derechos de autor por parte de la inteligencia artificial. Los medios de comunicación se dividen en publicaciones impresas tradicionales, televisión y radio, y medios digitales. Algunos sitios web bloquean los rastreadores web de Google y OpenAI. Los medios de comunicación del hemisferio norte son más propensos a bloquear los rastreadores web de inteligencia artificial.

Cada vez más editores de medios bloquean el acceso de los rastreadores de IA a su contenido. Direqt ve una oportunidad en el desarrollo de chatbots de IA para aplicaciones de mensajería. Estos chatbots ayudan a los editores a conectar directamente con sus lectores y mejorar el compromiso con el contenido. Direqt colabora con empresas como OpenAI para ofrecer experiencias de IA generativa a los editores. Estos chatbots pueden generar una tasa de clics promedio del 24.16%, lo que proporciona tráfico directo a los editores.

Reddit podría bloquear los rastreadores de búsqueda de Google y Bing. Reddit podría cortar los lazos con Google. Reddit exige a los usuarios iniciar sesión para leer el contenido. El Washington Post corrigió su informe sobre Reddit. Más de 535 organizaciones de noticias han optado por bloquear el rastreo de su contenido.

El New York Times, CNN, Reuters y otros medios de comunicación están comenzando a bloquear el rastreador web GPTBot de OpenAI, restringiendo su acceso a los contenidos de estos medios. GPTBot podría escanear el contenido web para ayudar a mejorar los modelos de inteligencia artificial de OpenAI, como ChatGPT. Los medios temen que sus contenidos sean utilizados para entrenar la IA, pero Google sugiere que la obtención de contenidos de los medios debería ser automática, a menos que estos opten por excluirse.

El New York Times ha bloqueado el rastreador web GPTBot de OpenAI. OpenAI no podrá usar el contenido del New York Times para entrenar sus modelos de inteligencia artificial. El New York Times está considerando emprender acciones legales contra OpenAI.

OpenAI ha publicado especificaciones para su rastreador web, lo que ha provocado que los sitios web refuercen sus medidas de defensa. El rastreador web GPTBot de OpenAI podría haber estado activo en línea durante algún tiempo, y algunos cuestionan sus prácticas de recopilación de datos. Los propietarios de sitios web pueden bloquear el acceso de GPTBot a través del archivo robots.txt, pero no todos los robots respetan las reglas.

OpenAI ha presentado GPTBot, su 'rastreador web' oficial utilizado para entrenar modelos de inteligencia artificial como GPT-4 y GPT-5. Permite a los propietarios de sitios web restringir el acceso a su contenido según sea necesario, mejorando así la precisión y seguridad de los modelos de IA.