Modelet e Inteligjencës Artificiale gjenerative mbështeten në grupe të mëdha të dhënash për trajnimin, të përbëra zakonisht nga të dhëna publike nga interneti. Megjithatë, organizatat po kufizojnë gjithnjë e më shumë aksesin në të dhënat e tyre përmes skedarëve robots. txt, duke frikësuar për ndikimin e mundshëm të IA gjenerative në bizneset e tyre. Ky kufizim paraqet sfida për kompanitë e IA-së që mbështeten shumë në të dhëna të tilla. Raporti i Nismës për Origjinën e të Dhënave, i titulluar "Pajtimi në Krizë: Rënia e Shpejtë e Burimeve të të Dhënave për IA, " zbulon se një pjesë e konsiderueshme e të dhënave të përdorura për të trajnuar modelet e IA-së është kufizuar vitet e fundit.

Ky kufizim jo vetëm që ndikon në cilësinë dhe freskinë e të dhënave por krijon gjithashtu një hendek midis modeleve që respektojnë robots. txt dhe atyre që e injorojnë atë. Disa zgjidhje të mundshme të propozuara përfshijnë licencimin e të dhënave drejtpërdrejt nga organizatat, përdorimin e të dhënave sintetike, ose gjetjen e mënyrave për të nxjerrë të dhëna të fshehura, si ato të mbyllura në PDF. Raporti thekson nevojën për standardizimin e industrisë dhe mekanizmat e përmirësuar për shprehjen e preferencave për përdorimin e të dhënave që balancon interesat e palëve të ndryshme.