¿Vale la pena bloquear a los bots de entrenamiento de IA en una clínica?

Muchas clínicas se preguntan si deben bloquear a los bots de IA en su web. La respuesta depende de qué bot sea y de qué quieres conseguir: no es lo mismo que un modelo aprenda de tu web que un asistente la consulte para responder a un paciente.

Tres tipos de bot, tres decisiones

La documentación de los principales proveedores separa los rastreadores según su función. Conviene mirar cada uno por separado.

• Bots de entrenamiento. Recogen contenido para entrenar modelos. Por ejemplo, GPTBot de OpenAI o ClaudeBot de Anthropic. Anthropic indica que bloquear ClaudeBot señala que el contenido futuro de ese sitio debe quedar fuera de sus conjuntos de entrenamiento. Ayuda de Anthropic sobre sus rastreadores
• Bots de búsqueda. Construyen un índice para que un buscador de IA pueda citar tu web. OpenAI documenta OAI-SearchBot para ese uso, distinto de GPTBot. Documentación de GPTBot de OpenAI
• Bots de usuario. Piden una página cuando una persona lo solicita dentro de un asistente. Como ya se ha visto, pueden no seguir robots.txt de la misma forma.

La regla práctica es que cada token se controla por separado. Bloquear uno no bloquea los demás.

Qué cambia si bloqueas el entrenamiento

Bloquear el bot de entrenamiento significa, en esencia, que tu web no se usará en futuras versiones del modelo. No quita tu web de las respuestas que el asistente da hoy con navegación en directo, ni de su índice de búsqueda, si este es un bot distinto. Anthropic lo aclara así: bloquear Claude-SearchBot o Claude-User puede reducir tu visibilidad en la búsqueda de usuarios. Ayuda de Anthropic

Es decir: bloquear el entrenamiento y permitir la búsqueda es una combinación posible. Lo contrario, bloquear la búsqueda, sí te quita de respuestas que hoy un paciente puede recibir.

Cómo se ve en una web real

En los últimos 30 días, webiñas.com registró unas 1.970 visitas de bots de IA. Alrededor de 1.690 correspondieron a bots de entrenamiento: ClaudeBot, Meta, Bytespider y GPTBot, entre otros. Son datos de una web de servicios, no de una clínica. Su peso relativo puede ser muy distinto en tu caso, y conviene revisarlo en tu propio registro antes de decidir.

Cómo decidirlo

Antes de tocar robots.txt, responde a estas preguntas:

1. ¿Quieres que un asistente te recomiende? Si sí, no bloquees los bots de búsqueda ni de usuario.
2. ¿Te preocupa que tu texto entre en entrenamiento? Es una decisión legítima. Puedes bloquear solo esos bots.
3. ¿Tu web tiene textos que no quieres que se reutilicen? Por ejemplo, contenido clínico propio o material que vendes. Un robots.txt no es un control de propiedad intelectual; es una señal que algunos bots respetan.
4. ¿Quién decide? La clínica, no la agencia. Son sus datos y su imagen. Si el encargo lo recibe una agencia, pide la decisión por escrito.

Cómo hacerlo sin errores

Si decides bloquear entrenamiento, el cambio es corto: una regla por cada bot que quieras excluir, con su nombre exacto. Pero antes:

• Revisa que no bloqueas sin querer a los bots de búsqueda con una regla general.
• Comprueba que el cortafuegos o el CDN no bloquea a los bots que quieres permitir. Un robots.txt correcto no sirve si el servidor los rechaza.
• Anota la fecha del cambio para poder comparar después.
• Verifica el resultado: que la web responde igual a una persona y que el archivo es el que pretendes.

No se conoce una cifra pública de cuánto afecta bloquear el entrenamiento a la visibilidad en asistentes de IA. Cualquiera que dé un porcentaje debe explicar cómo lo mide.

Lo que no resuelve robots.txt

Un robots.txt no garantiza nada frente a rastreadores que lo ignoren, y tampoco cambia lo que ya está entrenado. Si tu preocupación es la protección de contenido, ese es un asunto distinto que conviene tratar con tu asesor legal.

Siguiente paso

Si quieres ver qué bots leen tu web y si tu robots.txt hace lo que crees, el primer paso es mirar ese registro. Es gratis y te dice más que cualquier recomendación general.