Robôs de treino: deve bloquear o GPTBot, o ClaudeBot e o Google-Extended?

Porque é importante

As empresas de IA enviam dois tipos de visitantes automáticos, chamados crawlers, ao seu site. Os crawlers de pesquisa leem as suas páginas para que um assistente as possa usar em respostas em direto, hoje. Os crawlers de treino recolhem texto que pode ser usado para construir futuros modelos de IA.

Os dois são controlados em separado. Pode dizer não ao treino e, mesmo assim, deixar o ChatGPT, o Claude e a Siri lerem as suas páginas para as respostas. Muitos sites bloqueiam os crawlers de treino por terem copiado uma regra de algum lado, sem que ninguém o tenha decidido. Este guia ajuda-o a fazer a escolha de forma consciente, a registá-la e a pôr as linhas certas no seu ficheiro robots.txt.

Ainda não conhece o robots.txt? O Guia 02 explica o que é o ficheiro e como o encontrar no seu site.

Referência

Os quatro controlos de treino

Estes são os nomes a usar no robots.txt se quiser recusar o treino de IA. Tudo o que está na tabela vem da página de cada empresa, verificada a 24 de outubro de 2026.

Decidir

Uma regra simples

A maioria das empresas de serviços (cafés, profissionais de ofícios, contabilistas, escritórios de advogados, consultoras) quer que os assistentes de IA conheçam os seus serviços, preços, horários e contactos. Para elas, permitir tudo é a escolha mais simples. Bloquear o treino faz sentido quando o seu próprio texto é aquilo que vende, ou quando um cliente ou uma política da empresa o exige.

Exemplos: o Café Ribeiro e a Contabilidade Veldrin escolheriam A. A Kastell Consultores, que vende estudos de mercado pagos no seu site, poderia escolher B.

Passos

Faça a escolha e aplique-a

1. Registe a decisão

   Uma linha chega. Guarde-a onde a sua equipa guarda as notas do site, para que ninguém altere o ficheiro mais tarde sem saber porque diz o que diz.

   Registo da decisãoCopiar

   AI training crawlers: we allow / we block (GPTBot, ClaudeBot, Applebot-Extended, Google-Extended), decided on [date] by [role].

2. Abra o seu robots.txt

   Escreva o seu endereço seguido de /robots.txt, por exemplo asuaempresa.pt/robots.txt. Procure qualquer grupo que nomeie o GPTBot, o ClaudeBot, o Google-Extended ou o Applebot-Extended. Se encontrar um que ninguém decidiu, é a sua oportunidade de o corrigir. O Guia 02 mostra onde o WordPress, o Webflow e o Wix permitem editar o ficheiro.

3. Acrescente as linhas da sua escolha

   As linhas que começam por # são comentários, que os crawlers ignoram. Substitua o endereço do sitemap pelo seu. Várias linhas User-agent podem partilhar a mesma regra, como abaixo.

   Opção A · permitir tudoCopiar

   # Search engines and AI assistants may read every page
   User-agent: *
   Allow: /
   
   # Optional: opt out of AI model training only
   # User-agent: GPTBot
   # User-agent: ClaudeBot
   # User-agent: Applebot-Extended
   # Disallow: /
   
   Sitemap: https://www.asuaempresa.pt/sitemap.xml

   Opção B · bloquear o treino na OpenAI, na Anthropic e na AppleCopiar

   # Search engines and AI assistants may read every page
   User-agent: *
   Allow: /
   
   # Opt out of AI model training (search is not affected)
   User-agent: GPTBot
   User-agent: ClaudeBot
   User-agent: Applebot-Extended
   Disallow: /
   
   Sitemap: https://www.asuaempresa.pt/sitemap.xml

   Opção C · bloquear também o Google-ExtendedCopiar

   # Search engines and AI assistants may read every page
   User-agent: *
   Allow: /
   
   # Opt out of AI model training
   User-agent: GPTBot
   User-agent: ClaudeBot
   User-agent: Applebot-Extended
   # Also limits use in Gemini answers; Google Search is not affected
   User-agent: Google-Extended
   Disallow: /
   
   Sitemap: https://www.asuaempresa.pt/sitemap.xml

   Não acrescente o OAI-SearchBot, o Claude-SearchBot, o Claude-User, o Applebot nem o Googlebot ao grupo bloqueado. Esses são o lado da pesquisa. A OpenAI diz que os sites que bloqueiam o OAI-SearchBot não aparecem nas respostas de pesquisa do ChatGPT.

4. Repita para cada subdomínio

   O ficheiro só abrange o endereço onde está. O loja.asuaempresa.pt precisa do seu próprio robots.txt na raiz. A Anthropic pede o mesmo: acrescente a regra para cada subdomínio que queira excluir.

Verificar que funcionou

Confirme que o ficheiro diz o que decidiu

Abra asuaempresa.pt/robots.txt numa janela privada do browser, para ver a versão em direto e não uma cópia guardada. Leia os grupos mais uma vez, comparando-os com o seu registo da decisão.

Erros comuns

O que costuma correr mal

• Bloquear o crawler de pesquisa em vez do de treino. O OAI-SearchBot e o Claude-SearchBot decidem se pode aparecer nas respostas. Bloqueá-los não impede o treino; retira-o da pesquisa.
• Bloquear o Google-Extended para proteger a sua classificação na Google. A Google diz que não tem efeito na inclusão nem na classificação na Pesquisa Google. Tem efeito no Gemini.
• Pensar que o Google-Extended é só sobre treino. Também cobre o grounding nas aplicações Gemini, por isso bloqueá-lo pode significar menos respostas do Gemini que usem as suas páginas.
• Bloquear por endereço IP em vez de pelo robots.txt. A Anthropic avisa que bloquear os seus endereços IP pode não funcionar de forma fiável, porque impede o seu crawler de ler o seu robots.txt.
• Copiar uma regra que ninguém decidiu. Um modelo ou um plugin acrescenta um bloqueio e, um ano depois, ninguém sabe porquê. O registo da decisão evita isto.