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
01
De robots.txt a llms.txt y a los manifiestos de derechos
02
Convenciones de descubrimiento de políticas en /.well-known/
03
JSON Schema como formato normativo de especificación
04
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: AI Ingestion & Capability Layer Una arquitectura de sitio web de cuatro subcapas —manifiesto, corpus, capacidad, gobernanza— que permite a la IA, los agentes y los rastreadores ingerir, citar, invocar y verificar correctamente el conocimiento de un sitio.
- 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.