Reuters informó el 12 de octubre de que The New York Times, Agence France-Presse y The Economist se habían unido a SPUR, una coalición de editores que trabaja en reglas comunes para el uso de periodismo por parte de empresas de IA. La ampliación llega tras el anuncio de SPUR del 2 de octubre sobre el anuncio de Content Telemetry 1.0, una propuesta para que los agentes de IA informen de lo que ocurre con el material de un editor después de que lo recuperen.

Según la información de Reuters, la coalición cuenta con más de 80 miembros en más de 20 países, entre ellos más de 40 editores.

El gran cambio

  • Qué ha cambiado: Más editores participan en un esfuerzo por dar al uso de contenidos por la IA un formato común de información. La especificación de SPUR separa una página recuperada por un agente del material que entra en el contexto de generación de una respuesta, aparece en una cita o llega a un usuario.
  • Por qué importa: Un editor puede ver una solicitud a su sitio, pero esa solicitud por sí sola no muestra si su periodismo influyó en una respuesta de IA. Los eventos posteriores de un agente participante podrían ofrecer al editor un registro más útil para conversar sobre licencias, según lo que el operador registre y acepte compartir.
  • Qué conviene observar: SPUR afirma que está desarrollando implementaciones y pruebas de concepto con socios del sector. Su alcance mostrará si los operadores pueden producir informes útiles más allá de la especificación publicada. El formato deja las condiciones de licencia y los pagos para acuerdos separados.

Qué mide el formato

La especificación de la versión 1.0 describe cinco etapas de la interacción de un agente de IA con el contenido: recuperación, fundamentación, cita, presentación e interacción. La recuperación es una descarga completada. La fundamentación significa que un elemento identificado entró en el contexto de un modelo generativo, donde pudo afectar a la respuesta. La cita registra una asociación explícita con una fuente en una salida. La presentación significa que el contenido o una referencia a la fuente llegó a una interfaz perceptible para el destinatario. La interacción registra una acción observada, como interactuar con ese contenido presentado.

Son recuentos distintos. Un agente puede recuperar una página y no usarla nunca en una respuesta. El material puede entrar en el contexto del modelo sin ser citado. No es necesario que una cita integrada en una salida se muestre al usuario. La especificación también señala que la presentación no demuestra que alguien la haya advertido. Sus definiciones de eventos hacen explícitas estas diferencias para que un editor y un operador de IA puedan hablar de la misma actividad registrada.

El problema de visibilidad persiste. Un editor o su red de distribución puede observar una descarga. La especificación afirma que solo el agente puede informar de la fundamentación, la cita y la presentación dentro de su propio flujo de trabajo. Por tanto, esas etapas posteriores dependen de la participación del agente y de la calidad de sus registros. El formato permite indicar si la cobertura del informe es completa, basada en muestras, agregada o seleccionada; las condiciones aplicables determinan qué exige una relación concreta.

Dónde termina la información

El anuncio de la coalición de SPUR presenta el estándar como base para debatir licencias y contabilizar el uso de contenidos. La propia especificación afirma que no define protocolos de acceso o licencias de contenido, algoritmos de atribución ni cómo se calcula la compensación. Las preguntas frecuentes de SPUR indican que no es una organización de licencias colectivas y que sus miembros conservan el control de sus propias relaciones comerciales.

El formato actual se centra en el contenido utilizado mientras un sistema de IA produce una respuesta. El texto excluye expresamente informar de si una obra se utilizó para reunir un corpus de entrenamiento, entrenar o ajustar un modelo, crear embeddings o construir un índice de búsqueda. Un editor que busque información sobre el entrenamiento de modelos necesitaría pruebas más allá de un informe de telemetría conforme. La especificación tampoco impide acceder al contenido ni exige que una empresa de IA pague por él.

SPUR afirma que trabaja con socios en implementaciones, pruebas de concepto y herramientas para operadores de agentes. El material examinado aquí acredita una especificación de código abierto publicada y un plan de coalición, no un sistema de información en producción verificado. Los nuevos miembros citados por Reuters aumentan el número de editores interesados en ese plan. Que cambie las prácticas de licencias dependerá de su adopción, la calidad de los informes y los acuerdos ajenos a la especificación.

Fuentes y lecturas adicionales

  • Anuncio de Content Telemetry 1.0 de SPUR, 2 de octubre de 2026: explica el objetivo de la coalición, las cinco etapas de información y su trabajo en implementaciones y pruebas de concepto. Es la versión de la coalición sobre su propia iniciativa.
  • Especificación de Content Telemetry, versión 1.0: principal registro técnico de las definiciones de eventos, los límites de la información y las exclusiones relativas al entrenamiento y las licencias. El texto indica que se publicó el 2 de septiembre de 2026; SPUR anunció públicamente el estándar el 2 de octubre.
  • Preguntas frecuentes de la coalición SPUR: explica el papel de la coalición y aclara que los miembros conservan sus propias relaciones comerciales; no es una organización de licencias colectivas.
  • Información de Reuters sobre los miembros del 12 de octubre: reportaje original de Reuters republicado por AOL sobre los nuevos miembros nombrados y el tamaño de la coalición. Esas cifras se atribuyen a Reuters; esta revisión no las comprobó de forma independiente en la página de miembros de la coalición.