Bốn hãng AI thống nhất token robots.txt __usage_ai-training để từ chối huấn luyện

Trong nhiều năm, các chủ website muốn ngăn nội dung của mình bị dùng để huấn luyện mô hình AI đã phải đối mặt với một thực tế rối rắm: mỗi hãng AI lại có một cách từ chối riêng, một tên token riêng và một tài liệu hướng dẫn riêng. Kết quả là một website có thể chặn hãng này nhưng vô tình để lọt hãng khác, chỉ vì quản trị viên không cập nhật đủ mọi danh sách. Ngày 30/10/2026, bốn hãng AI lớn là OpenAI, Google, Microsoft và Anthropic cùng cho biết sẽ tôn trọng một token robots.txt duy nhất, mang tên __usage_ai-training, để website từ chối việc dùng nội dung cho huấn luyện AI. Đây là lần đầu tiên các đối thủ trực tiếp trong cuộc đua AI cùng đứng sau một tín hiệu chung như vậy, và nó có thể làm cho việc quản lý quyền sử dụng nội dung trở nên đơn giản hơn rất nhiều đối với các nhà xuất bản, blog, diễn đàn và trang tài liệu trên khắp thế giới.

Token hoạt động thế nào: một dòng khai báo, một ý nghĩa duy nhất

Về mặt kỹ thuật, cách dùng token mới rất đơn giản và bám theo chuẩn robots.txt mà các quản trị website đã quen thuộc. Trong file robots.txt của website, quản trị viên khai báo User-Agent: __usage_ai-training, rồi thêm dòng Disallow: / để từ chối toàn bộ nội dung, hoặc dùng dòng Allow: để tạo ngoại lệ cho một số đường dẫn cụ thể. Điểm mấu chốt nằm ở ý nghĩa của token: khi một hệ thống AI tôn trọng token này, nó hiểu rằng nội dung tương ứng không được dùng cho mục đích huấn luyện mô hình. Việc dùng một token duy nhất thay vì bốn token riêng giúp quản trị viên chỉ cần cập nhật một file, một lần, thay vì phải theo dõi bốn tài liệu khác nhau và lo sợ bỏ sót. Với các blog nhỏ và trang cá nhân, token chung cũng hạ thấp rào cản kỹ thuật, vì chủ website không cần hiểu sâu về từng hãng AI mà vẫn có thể đưa ra lựa chọn rõ ràng về nội dung của mình.

Token không làm được gì: không chặn crawl, không xóa dữ liệu cũ

Dù được đón nhận như một bước tiến, token __usage_ai-training có những giới hạn rất quan trọng mà chủ website cần hiểu rõ trước khi đặt kỳ vọng. Thứ nhất, token chỉ kiểm soát việc dùng nội dung cho huấn luyện AI, chứ không chặn việc thu thập dữ liệu hay crawl nói chung, và cũng không chặn việc lập chỉ mục cho tìm kiếm. Một website khai báo token này vẫn có thể xuất hiện trên công cụ tìm kiếm như bình thường, vì token không thay thế các quy tắc robots.txt dành cho trình thu thập tìm kiếm. Thứ hai, token không có tác dụng hồi tố: nó không xóa nội dung đã thu thập trước đó, và cũng không rút lại nội dung đã dùng để huấn luyện các mô hình trước đây. Một bài viết đã nằm trong tập dữ liệu huấn luyện của một mô hình đã phát hành sẽ không tự động biến mất chỉ vì website bổ sung token sau đó. Thứ ba, token này không phải là một biện pháp pháp lý có lực cưỡng chế, mà là một cơ chế tự nguyện dựa trên cam kết của các hãng. Nếu một bên thu thập dữ liệu không tôn trọng token, chủ website sẽ khó dựa vào riêng token này để buộc bên đó dừng lại, mà cần tới các biện pháp khác như điều khoản sử dụng, thỏa thuận cấp phép hoặc quy định pháp luật tại từng quốc gia. Hiểu rõ ba giới hạn này giúp chủ website không lầm tưởng rằng chỉ cần thêm hai dòng vào robots.txt là toàn bộ nội dung của mình đã được bảo vệ tuyệt đối.

Từ bản nháp IETF tới lịch triển khai: chưa phải chuẩn, nhưng đã có lộ trình

Về mặt trạng thái, __usage_ai-training hiện vẫn là một bản nháp cá nhân IETF, tức Internet-Draft, do Kevin Kelley của Anthropic soạn thảo và công bố ngày 30/10/2026, với thời hạn hết hạn là 3/5/2027. Điều này có nghĩa là token chưa phải là một chuẩn chính thức được IETF thông qua, và nội dung của bản nháp vẫn có thể thay đổi trước khi trở thành chuẩn, nếu nó đi tới bước đó. Dù vậy, cam kết triển khai của bốn hãng đã cho token này một lộ trình thực tế. Anthropic cho biết hãng đã bắt đầu triển khai việc tôn trọng token, OpenAI dự kiến triển khai trong những tháng tới, Microsoft đặt mục tiêu 1/2/2027, còn Google dự kiến triển khai trong năm 2027. Sự chênh lệch về thời gian có nghĩa là trong vài tháng tới, hiệu lực của token sẽ không đồng đều giữa các hãng: một website có thể được Anthropic tôn trọng ngay, nhưng phải chờ thêm một thời gian mới thấy Google hay Microsoft áp dụng đầy đủ. Với các nhà xuất bản, cách làm thực tế nhất trong giai đoạn chuyển tiếp là vừa bổ sung token mới, vừa giữ lại các cơ chế từ chối riêng của từng hãng nếu họ vẫn đang dùng, cho tới khi token chung được triển khai đầy đủ. Về lâu dài, nếu token chung được chấp nhận rộng rãi và trở thành chuẩn, nó có thể trở thành ngôn ngữ chung cho mối quan hệ giữa chủ nội dung và các hãng AI, tương tự cách robots.txt từng trở thành ngôn ngữ chung cho tìm kiếm. Nhưng ở thời điểm hiện tại, điều chính xác nhất có thể nói là: đây là một tín hiệu chung đầy hứa hẹn, tự nguyện và chưa hoàn chỉnh, chứ chưa phải là một giải pháp cuối cùng.

Nhìn chung, token __usage_ai-training là một bước đi thực dụng: nó không giải quyết mọi tranh cãi về bản quyền và dữ liệu huấn luyện, nhưng nó giải quyết đúng điểm đau cụ thể nhất của chủ website, đó là sự phân mảnh trong cách từ chối. Chủ website muốn dùng token này nên bắt đầu từ việc kiểm tra file robots.txt hiện tại, thêm khai báo User-Agent: __usage_ai-training kèm Disallow: / hoặc các ngoại lệ Allow: phù hợp, rồi theo dõi thông báo triển khai của từng hãng để biết khi nào token thực sự có hiệu lực với mình. Đồng thời, đừng quên rằng token không thay thế việc lập chỉ mục tìm kiếm, không xóa dữ liệu cũ và không tự nó tạo ra nghĩa vụ pháp lý, vì vậy các quyết định quan trọng về nội dung vẫn cần được cân nhắc cùng với các biện pháp khác.

Nguồn tham khảo: OpenAI; Google; Microsoft; Anthropic.