Gobernanza Legible por Máquina

Reglas de gobernanza que las máquinas pueden descubrir y ejecutar: llms.txt, manifiestos /ai/, archivos de política /.well-known/, JSON Schemas, tokens de licencia firmados y formatos de registro de auditoría. Este mismo sitio es un ejemplo en funcionamiento.

Preguntas en estudio

De robots.txt a llms.txt y a los manifiestos de derechos

Convenciones de descubrimiento de políticas en /.well-known/

JSON Schema como formato normativo de especificación

Auditabilidad: registros, versiones, procedencia

Documentos técnicos relacionados

AICR / AICL como capa de conexión de licenciamiento de contenido de IA y pago agéntico Una capa de especificación legible por máquina para declarar derechos de contenido de IA y flujos de licenciamiento —desde el rastreo por IA y los derechos de contenido hasta una web de conocimiento transaccionable por máquinas.
Espectro de Derechos de la IA: de robots.txt a un Protocolo de Permiso de Aprendizaje de la IA AIRS y AILP expresan permisos de aprendizaje de IA matizados, más allá del binario permitir/denegar: qué puede aprender la IA, con qué profundidad, para qué usos y bajo qué compensación.
Apertura Protocolizada: por qué «no prohibido» no significa «aprendible» en la era de la IA La apertura no definida se interpreta como incertidumbre legal en los pipelines de IA y se elimina; solo el permiso protocolizado y legible por máquina hace que el contenido sea genuinamente aprendible.
AICL-I v0.2: AI Ingestion & Capability Layer A five-component website architecture — manifest, corpus, capability, runtime control, governance — that lets AI, agents, and crawlers correctly ingest, invoke, and verify a site's knowledge and capabilities within explicit content, action, and authority boundaries.
El pago de contenido de IA y la economía de red democrática Un argumento de economía política: las valoraciones de IA de escala billonaria generan presión de legitimidad hacia el licenciamiento de contenido por niveles y el reparto de beneficios públicos —los datos se estratifican, no se encarecen.
From Crawler Rights to Agent Authority: Extending AGIRIGHT from Content Governance to Protocol-Native AI Agents The bridge paper for AGIRIGHT's Agent & Protocol Rights family: why content permission, action permission, delegated authority, and inspection rights must be four separately-evaluated axes, not one.
AARS v0.1 — Agent Action Rights Spectrum The full protocol draft behind the AARS page: an A0–A7 human-readable spectrum, a machine-readable action vector, and rules for composition risk and capability amplification.
AADP v0.1 — Agent Authority & Delegation Protocol The full protocol draft behind the AADP page: principal ≠ actor, delegation that can only narrow, and an inspection ceiling that bounds how much a verifier may demand.
AGIRight.org Technical White Paper v0.2 — From AI Content Governance to Protocol-Native Agent & Authority Rights The site's current architecture document: six protocol drafts across two families (content & learning, agent & protocol rights), an integration layer, and an ethical-protection layer, plus the acceptance criteria this site update was built against.
La Proposición de Protección Ética Mínima para la IA El discurso sobre los derechos de la IA no debería partir de la personalidad jurídica plena, sino de protecciones éticas mínimas, normas de interacción y principios contra el abuso, mientras la subjetividad de la IA siga siendo incierta.
ARHG — Agent-Readable Hyperlink Graph and Permissioned Web Control Plane A machine-readable navigation graph alongside the ordinary site, answering what AICR/AILP and AARS/AADP both assume: can this resource even be found, by whom, and where does it lead.