Publicas un artículo. Se indexa. Posiciona en Google. Y un día te preguntas: ¿acaba de aprender de él un modelo de IA? ¿Está tu contenido dentro de los datos de entrenamiento de ChatGPT, ayudándole a responder preguntas, sin que tú lo sepas? Si quieres comprobar los datos de entrenamiento de la IA, Have I Been Trained es el primer sitio al que mirar.
Esa pregunta llevó a Spawning AI a crear Have I Been Trained, una herramienta que te permite comprobar si tu trabajo acabó en conjuntos de datos de entrenamiento de IA. Es una herramienta útil. Pero resuelve un problema muy concreto, y no es el problema que la mayoría de las marcas cree tener.
Qué hace realmente Have I Been Trained
Have I Been Trained busca en el conjunto de datos LAION-5B, la enorme colección de imágenes de código abierto que se usó para entrenar modelos como Stable Diffusion. Subes una imagen (o buscas por texto) y la herramienta te muestra las imágenes coincidentes o parecidas del conjunto.
Si tus fotos, ilustraciones u obras aparecen en los resultados, significa que tu contenido visual se incluyó en los datos de entrenamiento que impulsaron toda una generación de modelos de IA de imagen.
La herramienta la creó Spawning AI, una empresa centrada en los derechos de los creadores en la era de la IA generativa. Su tesis es sencilla: los creadores deberían saber cuándo se usa su trabajo y deberían poder decir que no.
El ecosistema de exclusión de Spawning
Además de la herramienta de búsqueda, Spawning ha creado un conjunto más amplio de mecanismos para controlar cómo usa la IA tu contenido:
ai.txt funciona como robots.txt, pero específicamente para los rastreadores de IA. Lo colocas en tu sitio web para indicar qué contenido pueden usar y cuál no las empresas de IA para entrenar sus modelos. Varias empresas de IA se han comprometido a respetarlo.
El registro Do Not Train permite a los creadores registrar su trabajo y declararlo vetado para el entrenamiento de IA. Piensa en él como una lista global de exclusión.
Las integraciones con plataformas llevan estos controles directamente a las plataformas creativas. DeviantArt, por ejemplo, integró la tecnología de Spawning para que los artistas puedan marcar su trabajo como no disponible para el entrenamiento de IA.
Estas herramientas responden a una preocupación real. Si eres fotógrafo, ilustrador o creador de contenido, importa saber si tu trabajo acabó en datos de entrenamiento y contar con mecanismos para evitarlo.
El punto ciego de la mayoría de las marcas
Aquí es donde se pone interesante. La mayoría de los negocios que buscan "have i been trained" o "está mi contenido en la IA" no están preocupados realmente por los derechos sobre los datos de entrenamiento. Les preocupa algo totalmente distinto: si las plataformas de IA los recomiendan.
Son preguntas muy diferentes.
Estar en los datos de entrenamiento significa que tu contenido se ingirió cuando se construyó el modelo. Es histórico. Ocurrió (o no) hace meses o años. Para los modelos de texto, como los que hay detrás de ChatGPT o Claude, no existe ninguna herramienta pública equivalente a Have I Been Trained. No puedes buscar en sus corpus de entrenamiento.
La visibilidad en IA es si ChatGPT, Claude, Perplexity, Gemini, Google AI Mode o Google AI Overview mencionan activamente tu marca cuando alguien hace una pregunta relevante ahora mismo. Esto es dinámico. Cambia cuando los modelos se actualizan, cuando evoluciona tu presencia online y cuando se mueven tus competidores.
Una marca puede estar en los datos de entrenamiento y no ser recomendada nunca. Y una marca puede ser recomendada únicamente por señales que el modelo toma de la web en directo al generar la respuesta (que es como funcionan Perplexity y Google AI Mode por diseño).
Por qué el seguimiento de la visibilidad importa más para la mayoría de las marcas
Si tienes un SaaS, una consultoría, una agencia o cualquier negocio en el que los clientes te descubren buscando, la pregunta que de verdad afecta a tus ingresos no es "¿estaba mi web en los datos de entrenamiento?". Es "cuando alguien le pide a ChatGPT una herramienta como la mía, ¿oye hablar de mí?".
Esa es la pregunta que responde el seguimiento de la visibilidad en IA. Herramientas como Mentionable monitorean lo que dicen las plataformas de IA sobre tu marca en prompts reales que usan tus clientes potenciales. No una vez, sino a diario, en los principales motores de IA. Ves las tendencias, detectas cuándo tus competidores ganan menciones y te enteras cuando desapareces de una conversación que antes dominabas.
Se parece a cómo ya piensas en tus posiciones de SEO. No solo te importa si Google rastreó tu sitio. Te importa si posicionas en las búsquedas que cuentan. La misma lógica se aplica a la IA.
Las dos capas importan, por motivos distintos
Para los creadores y titulares de derechos, Have I Been Trained y las herramientas de exclusión de Spawning responden a preocupaciones legítimas sobre la propiedad intelectual. Si tus imágenes se usaron sin consentimiento para entrenar Stable Diffusion, tienes derecho a saberlo y a poder reclamar.
Para las marcas centradas en el crecimiento, el seguimiento de la visibilidad en IA responde a la pregunta del impacto en el negocio. Cuando el 30 % de la investigación de productos empieza en un chatbot de IA (y esa cifra no deja de subir), saber si apareces en esas conversaciones ya no es opcional.
Las dos capas no se contradicen. Se complementan. Una gobierna lo que entra en los modelos. La otra monitorea lo que sale.
Qué hacer a continuación
Si eres un creador preocupado por los datos de entrenamiento: empieza con Have I Been Trained para las imágenes y revisa los mecanismos de exclusión de Spawning. Para el contenido de texto, configura tu robots.txt para bloquear los rastreadores de IA que quieras excluir (GPTBot, Google-Extended, CCBot, anthropic-ai).
Si eres una marca preocupada por las recomendaciones de la IA: empieza por comprobar qué dice realmente la IA de ti. Haz un análisis gratuito de visibilidad de tu dominio, o prueba manualmente entre 10 y 15 prompts que tus clientes podrían hacer en ChatGPT, Perplexity y Gemini.
En cualquier caso, la peor posición es no saberlo. El panorama de la IA avanza rápido, y las marcas que hacen seguimiento de su presencia, ya sea en los datos de entrenamiento o en las recomendaciones en directo, son las que de verdad pueden hacer algo al respecto.
