OpenAI, Google, Microsoft i Anthropic ogłosiły 30 października 2026 roku, że będą respektować wspólny sygnał __usage_ai-training w pliku robots.txt, którym właściciel strony jednym wpisem zastrzega, że jego treści nie mogą posłużyć do trenowania modeli generatywnej AI. Terminy są różne: Anthropic już zaczął wdrażanie, OpenAI zapowiada obsługę w najbliższych miesiącach, Microsoft startuje 1 lutego 2027 roku, Google celuje w początek 2027 roku.
- OpenAI, Google, Microsoft i Anthropic ogłosiły 30 października 2026 roku, że będą respektować wspólny sygnał __usage_ai-training w pliku robots.txt, który pozwala właścicielowi strony jednym wpisem zastrzec, że jego treści nie mogą posłużyć do trenowania modeli generatywnej AI.
- Według danych Cloudflare 17 proc. stron w jego sieci stosuje jakiś mechanizm ograniczający trenowanie AI, podczas gdy mniej niż 1 proc. blokuje crawlery wyszukiwarek – a w okresie 12 miesięcy trenowanie odpowiadało za 80 proc. sklasyfikowanego ruchu crawlerów AI.
- Microsoft jako jedyna firma z czwórki rozdziela trenowanie od groundingu (wykorzystania treści jako źródła w odpowiedziach Binga, Copilota i Microsoft 365) i zapowiada, że od 1 marca 2027 roku dyrektywy NoArchive oraz NoCache przestaną być odczytywane jako preferencje dotyczące trenowania i groundingu.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Jedna grupa w robots.txt zastąpi osobne reguły dla GPTBot, ClaudeBot i Google-Extended
Do tej pory wydawca, który nie chciał, żeby jego teksty trafiały do zbiorów treningowych, musiał blokować każdego crawlera z osobna: GPTBot (OpenAI), ClaudeBot (Anthropic), Google-Extended (Google) i kolejne, które pojawiały się w ciągu ostatnich trzech lat. Nowy mechanizm zamienia tę listę w jedną regułę.
Pomysł zgłosił Kevin Kelley, odpowiedzialny w Anthropic za prace standaryzacyjne. Opisał go w dokumencie „Machine-Readable Training Preference Signal” (draft-kelley-aipref-training-preference-signal-00), który trafił do IETF (Internet Engineering Task Force, organizacji opracowującej techniczne standardy internetu) 30 października 2026 roku. Wersja robocza wygasa 3 maja 2027 roku. Projekt opiera się na definicji wypracowanej w grupie roboczej AIPREF (AI Preferences): trenowanie AI to wykorzystanie treści do zmiany wyuczonych parametrów modelu generatywnego.
Składnia nie wprowadza żadnych nowych dyrektyw. W miejscu nazwy crawlera w linii User-Agent pojawia się nazwa celu użycia. Przykład z projektu wyłącza z trenowania całą stronę poza katalogiem z materiałami prasowymi:
User-Agent: __usage_ai-training
Disallow: /
Allow: /press-kit/
Kilka zasad, które łatwo przeoczyć przy wdrażaniu:
- Reguła
User-agent: *celowo nie obejmuje nowego tokenu. Strona blokująca dziś wszystkie boty gwiazdką nie wyraża żadnej preferencji co do trenowania. - Plik robots.txt bez grupy
__usage_ai-trainingoznacza brak preferencji. Microsoft wprost zapowiada, że w takiej sytuacji domyślnie przyjmuje zgodę. - Sygnał dotyczy wyłącznie trenowania. Indeksowanie w wyszukiwarce i pobieranie treści do bieżących odpowiedzi czatbotów regulują osobne mechanizmy.
- Dotychczasowe reguły dla poszczególnych crawlerów działają dalej. OpenAI zaznacza, że nowy sygnał nie zastępuje jego obecnych ustawień.
- Zmiana działa wyłącznie na przyszłość. Treści, które już trafiły do zbiorów danych lub wytrenowanych modeli, w nich zostają.
- Projekt ma status indywidualnego zgłoszenia. IETF go nie zatwierdził i nie jest on formalnym standardem.
Google potraktuje nowy token jak blokadę Google-Extended
Google opisało swoje stanowisko na blogu Google Search Central we wpisie Johna Muellera. Jeśli strona wyłączy trenowanie nowym tokenem i nie określi osobno reguły dla Google-Extended, firma zamierza traktować to tak, jakby wydawca zablokował Google-Extended. Google, jak pisze Mueller, „planuje interpretować to tak, jakby wydawca zablokował Google-Extended” / „Google plans to interpret that as if the publisher had disallowed Google-Extended”.
Ma to praktyczne skutki. Google-Extended obejmuje trenowanie modeli Gemini i wykorzystanie treści do odpowiedzi w aplikacjach Gemini oraz Vertex AI. Pozycja strony w wyszukiwarce Google pozostaje bez zmian. Firma podkreśla też, że rozwiązanie jest zgodne z unijnym Kodeksem postępowania dla dostawców modeli AI ogólnego przeznaczenia (GPAI) przygotowanym na podstawie AI Act, który uznaje robots.txt za podstawowy sposób wyrażania preferencji przez wydawców. Na blogu Google mówi o 2027 roku. Notatka w dokumentacji crawlerów precyzuje, że chodzi o początek 2027 roku.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Microsoft oddziela trenowanie od „groundingu” i wygasza NoArchive oraz NoCache
Microsoft poszedł najdalej. Krishna Madhavan, Principal Product Manager w Microsoft Bing, ogłosił, że firma przyjmuje wspólny token i rozszerza go o ustawienie na poziomie pojedynczej strony (meta tag lub nagłówek HTTP). Dodaje też osobną preferencję dla groundingu, czyli wykorzystania treści jako źródła przy generowaniu odpowiedzi w Bing, Copilot i Microsoft 365.
Grounding ma trzy warianty: Allow (domyślny), Disallow oraz nowy DisallowExtended. Ten ostatni dopuszcza użycie treści tylko w produktach Microsoftu i wyklucza usługi, które firma sprzedaje innym podmiotom, np. Web IQ i grounding przez API w Foundry. Ustawienie groundingu działa wyłącznie na poziomie stron. W robots.txt go nie ustawimy.
Harmonogram zmian w Microsofcie:
| Data | Co się dzieje |
|---|---|
| 15 grudnia 2026 | W Bing Webmaster Tools rusza tymczasowe ustawienie groundingu dla stron używających NoArchive lub NoCache |
| 1 lutego 2027 | Microsoft zaczyna respektować nowe preferencje przy kolejnych odwiedzinach crawlera |
| 1 marca 2027 | NoArchive i NoCache przestają być odczytywane jako preferencje dotyczące trenowania i groundingu |
| 30 września 2027 | Wygasają ustawienia tymczasowe z Bing Webmaster Tools |
Microsoft nie składa obietnic finansowych. Nowe preferencje nie tworzą żadnych umów licencyjnych ani płatności, a według firmy blokada groundingu wyraźnie ograniczy widoczność treści w odpowiedziach AI. Firma pisze wprost: „Żaden z tych wyborów nie gwarantuje uwzględnienia, ruchu ani zapłaty” / „Neither choice guarantees inclusion, traffic, or payment.”
Uważam, że to najrozsądniejszy krok, jaki giganci AI zrobili wobec wydawców od czasu uruchomienia GPTBot w 2023 roku. Jedna reguła zamiast stale aktualizowanej listy kilkunastu botów to realna ulga dla każdego, kto prowadzi serwis na WordPressie i nie ma czasu śledzić, jaki crawler pojawił się w tym miesiącu.
Widzę jednak w tym ogłoszeniu kilka rzeczy, które studzą entuzjazm. Domyślnie wszystko jest dozwolone, więc sygnał chroni tylko tych, którzy o nim wiedzą. To wciąż dobrowolna deklaracja czterech firm, bez mechanizmu egzekwowania. Nie cofa niczego, co już zostało zebrane. Nie daje też wydawcom ani złotówki.
Najciekawszy jest dla mnie ruch Microsoftu z rozdzieleniem trenowania i groundingu. To właśnie grounding decyduje dziś o tym, czy serwis pojawi się z linkiem w odpowiedzi czatbota. Pytanie, które sobie zadaję jako wydawca: czy zgoda na grounding przy jednoczesnym zakazie trenowania nie okaże się w praktyce jedyną opcją, która nie odcina od ruchu z AI?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Meta popiera wspólny sygnał i nie deklaruje, czy go uszanuje
Na liście firm zobowiązanych do respektowania tokenu nie ma Mety. Szef komunikacji firmy Andy Stone powiedział The Verge, że wspólny sygnał przekazujący preferencje wielu dostawcom naraz to „ważny krok” / „an important step”. Dodał, że Meta chce współpracować z innymi firmami AI nad standardem i jego wdrażaniem w branży. Stone nie zadeklarował jednak, że crawlery Mety zaczną token odczytywać.
Poza czwórką z ogłoszenia i deklaracją Mety w komunikatach nie pojawiają się inne firmy prowadzące crawlery. Wydawcy, którzy chcą zablokować pozostałe boty, nadal muszą robić to regułami dla konkretnych nazw albo blokadą po stronie serwera.
Nie wszyscy uczestnicy prac nad standardem są zadowoleni. Nate Hake, który przez ostatni rok brał udział w pracach grupy AIPREF, zwrócił uwagę, że obecny projekt w praktyce zwalnia z respektowania preferencji wszystko, co dzieje się na polecenie użytkownika. Jego zdaniem uderza to w twórców, których treści kopiują generatory spamu.
this was our latest (short) interim. https://t.co/QBRDFCVPOd
here's one (of many) videos from our 3 day meeting in london: https://t.co/e04bxMarwk
here is the mailing list archive: https://t.co/AG9ObDYYGc
ive been one of the more vocal participants. you'll notice at the end of…
— Nate Hake (@natejhake) October 30, 2026
Wydawcy częściej blokują trenowanie AI niż wyszukiwarki
Wspólny token pojawia się w momencie, gdy blokowanie botów AI stało się powszechne. Według danych Cloudflare mniej niż 1 proc. stron w jego sieci blokuje crawlery wyszukiwarek. Jednocześnie 17 proc. stosuje jakiś mechanizm ograniczający trenowanie AI. Cloudflare podawało też, że w okresie 12 miesięcy trenowanie odpowiadało za 80 proc. sklasyfikowanego ruchu crawlerów AI.
Firmy infrastrukturalne próbowały rozwiązać ten problem po swojemu. Cloudflare domyślnie blokuje crawlery AI i promuje własne Content Signals, czyli wpisy w robots.txt rozróżniające wyszukiwanie, użycie treści w odpowiedziach i trenowanie. Standard RSL (Really Simple Licensing) pozwala wydawcom pobierać opłaty od crawlerów odwiedzających ich strony.
Stawka dla wydawców jest wysoka, bo ruch z odpowiedzi AI jest niewielki. Cyrus Shepard opisał na LinkedInie niewielkie studium przypadku: po wyłączeniu strony z AI Overviews i AI Mode oszacował współczynnik klikalności tych funkcji Google na około 0,9 proc.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polskie prawo autorskie wymaga zastrzeżenia, które maszyna potrafi odczytać
Dla polskich wydawców nowy token ma wymiar prawny. Art. 26³ ustawy o prawie autorskim i prawach pokrewnych pozwala zwielokrotniać rozpowszechnione utwory w celu eksploracji tekstów i danych, chyba że uprawniony zastrzegł inaczej. Zastrzeżenie musi być wyraźne i dopasowane do sposobu, w jaki utwór udostępniono. Przepis wdraża art. 4 dyrektywy 2019/790, który dla treści publikowanych w internecie wymaga zastrzeżenia czytelnego maszynowo.
AI Act zobowiązuje z kolei dostawców modeli ogólnego przeznaczenia do stosowania polityki, która respektuje takie zastrzeżenia. Skoro unijny kodeks postępowania wskazuje robots.txt jako podstawowy kanał wyrażania preferencji, jeden wspólny wpis upraszcza polskim wydawcom udokumentowanie sprzeciwu wobec trenowania.
W mojej ocenie warto od razu przejrzeć własny robots.txt. Serwisy, które dziś polegają wyłącznie na regule z gwiazdką, według projektu nie wyrażają żadnej preferencji wobec trenowania. Czy sam token wystarczy jako zastrzeżenie w rozumieniu polskiej ustawy, to pytanie, na które odpowiedzą dopiero praktyka i ewentualne spory sądowe. Bezpieczniej traktować go jako uzupełnienie dotychczasowych blokad dla GPTBot, ClaudeBot i Google-Extended. Nie jako ich zamiennik.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym projektu IETF „Machine-Readable Training Preference Signal” autorstwa Kevina Kelleya z dnia 30.10.2026 oraz oficjalnych komunikatów Google Search Central i Microsoft Bing z tego samego dnia. Wykorzystano także komunikat OpenAI, relacje The Verge i Search Engine Roundtable oraz dane Cloudflare. Brzmienie przepisu prawa autorskiego: art. 26³ ustawy o prawie autorskim i prawach pokrewnych.
Cytaty Johna Muellera (Search Advocate, Google), Krishny Madhavana (Principal Product Manager, Microsoft Bing) i Andy’ego Stone’a (szef komunikacji, Meta) zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o wdrażaniu wspólnego sygnału __usage_ai-training przez firmy AI.
