Deberías Bloquear el acceso de CHATGPT a tu Web ?
OpenAI ha comenzado a rastrear todos los sitios web con un nuevo bot: GPTBot. Su propósito: visitar webs en busca de datos recientes para entrenar y perfeccionar sus modelos (como GPT-3.5 y GPT-4, usados por ChatGPT, y también modelos futuros).
En principio, GPTBot evitará activamente navegar por webs información bancaria y de pagos, también evitará páginas donde detecte información personal.
Pero el resto de páginas de internet podrán ser visitadas y escaneadas por GPTBot, salvo que bloqueemos expresamente su acceso a nuestra web, por medio de robots.txt (OpenAI ha comunicado que su bot será un buen ciudadano de la web e incluso ha compartido las instrucciones para bloquearlo).
¿Deberías bloquear a los bots de OpenAI?
La respuesta dependerá del tipo de web que tengas, y más concretamente de cómo monetices su contenido. Un ejemplo obvio de web que no querrá formar parte de los datos de entrenamiento sin recibir nada a cambio son los medios. ¿Por qué? Porque estas webs monetizan las visitas a sus páginas por medio de publicidad. A menos visitas, menos ingresos por publicidad. Por tanto, no van a permitir alegremente que una compañía use su contenido para entrenar chatbots, ya que esto podría restar tráfico al medio en el futuro.
Hay empresas bloqueando CHATGPT ?
La respuesta es si grandes medios como El periódico The Guardian ha bloqueado la recopilación de datos por parte de GPTBot El diario británico imita así el camino igual de otros medios comunicación anglosajones de referencia, como New York Times, la CNN, Reuters o Bloomberg, y los medios franceses que dependen de Radio France, France24 y TF1. Hasta un gran ecommerce como Amazon ha bloqueado ya a GPTBot, porque no quiere que otros usen el tesoro de información sobre productos que han amasado a lo largo de los años.
La elección es tuya
Si quieres que el contenido de tu web o fichas de productos de tu tienda online estén disponibles en el entrenamiento de CHATGPT no debes hacer nada. Pero si no quieres que OpenAI pueda entrenar a GPT-4 y demás modelos con contenido sacado de tu web, cuanto antes lo bloquees, mejor.
