Automattic, compania din spatele WordPress și Tumblr, are în plan discuții pentru a monetiza conținutul utilizatorilor prin vânzarea datelor sale către companii de inteligență artificială, inclusiv MidJourney și OpenAI. Aceste date de pe platformele de blogging Tumblr si WordPress.com vor fi utilizate pentru antrenarea modelelor AI.

Deși detaliile tranzacției sunt încă neclare, această veste a stârnit îngrijorări printre utilizatori cu privire la utilizarea potențială în scopuri necorespunzătoare a conținutului lor privat de pe cele două platforme de blogging. De asemenea, 404 Media sugerează că au apărut conflicte interne în cadrul Automattic, deoarece conținutul colectat include date private care nu erau destinate retenției în cadrul companiei.

În răspuns la reacțiile negative, Automattic urmează să introducă o nouă caracteristică care va permite utilizatorilor să opteze să nu-și partajeze datele pentru antrenarea AI-ului. Compania, într-o postare pe blog, își afirmă angajamentul de a oferi utilizatorilor Tumblr și Wordpress un control mai mare asupra conținutului lor. Menționează lansarea unei setări pentru “a descuraja explorarea de către companiile de AI”, explicând că platformele de explorare AI de vârf sunt blocate în mod implicit.

O problema da utilização de conteúdos de blogs por empresas que desenvolvem modelos de IA não se limita apenas às plataformas geridas pela empresa Automattic. Tanto a OpenAI quanto o Google usam robôs rastreadores que coletam informações de todos os sites para treinar seus modelos de IA. O processo é semelhante à coleta de dados pelos motores de busca.

Como você pode impedir que OpenAI e Gemini (Bard) obtenham dados do seu blog?

Se você é dono de um blog ou site e não deseja que os dados dele sejam usados ​​para treinar os modelos de inteligência artificial OpenAI e Gemini, você pode bloquear o acesso de robôs (crawlers) ao conteúdo. Esta restrição pode ser definida através do arquivo robots.txt.

OpenAI Crawlers

User-agent: GPTBot
Disallow: /

Gemini Crawlers

User-agent: Google-Extended
Disallow: /

Depois de salvar o arquivo robots.txt com as novas linhas, acesse o Console do Google para: Settings > robots.txt > clique no menu com os três pontos, clique “Request a recrawl“.

Relacionado: GPT-5 e o novo rastreador da web GPTBot desenvolvido pela OpenAI

Para usuários de Tumblr e Wordpress, o acesso à recuperação de dados de blogs da OpenAI ou de outras empresas de desenvolvimento de inteligência artificial poderá ser bloqueado por meio das ferramentas disponibilizadas pela empresa Automattic.