En resumen
Nuevos documentos judiciales divulgados en el proceso de The New York Times contra OpenAI y Microsoft describen críticas internas al uso de contenido periodístico obtenido mediante scraping. El material podría debilitar la defensa basada en el uso legítimo, pero parte de las alegaciones proviene de una demanda de la propia publicación y los anexos siguen siendo confidenciales.
Nuevas informaciones presentadas en el proceso iniciado por The New York Times contra OpenAI y Microsoft describen una preocupación interna inusual: ejecutivos y miembros de las empresas habrían reconocido que el uso de contenido periodístico para entrenar modelos podría causar daños profundos al sector editorial. Según un artículo de TechCrunch, un alto ejecutivo de Microsoft calificó la práctica de «robo», mientras que líderes de OpenAI habrían descrito sus propios modelos como una amenaza existencial para publicaciones y periodistas.
El material fue divulgado en el contexto de una disputa judicial iniciada hace aproximadamente tres años. The New York Times acusa a ambas empresas de infringir derechos de autor al entrenar modelos generativos con sus artículos. La actualización no pone fin al proceso ni establece, por sí sola, que el entrenamiento haya sido ilegal. Añade elementos sobre el conocimiento interno de las compañías y sobre la forma en que supuestamente se obtuvo y preparó el contenido.
Qué aparece en los documentos
De acuerdo con los documentos descritos por TechCrunch, OpenAI y Microsoft habrían recopilado grandes volúmenes de material de The Times, incluido contenido protegido por un muro de pago, para crear conjuntos de datos de entrenamiento. El artículo también señala que los documentos mencionan la elusión no detectada de barreras de acceso y la eliminación deliberada de avisos de derechos de autor de los datos utilizados.
Estas afirmaciones deben leerse con cautela. La mayoría de las nuevas informaciones proviene de la propia demanda de The New York Times, y no directamente de los anexos originales, que siguen siendo confidenciales. Además, TechCrunch advierte que las declaraciones presentadas podrían carecer del contexto completo en el que fueron realizadas. El expediente proporcionado no incluye la totalidad de los documentos ni una respuesta detallada de las empresas a cada alegación.
Por tanto, el punto central no es solo si los artículos fueron incorporados a conjuntos de datos, sino cómo habría ocurrido y cuál era la percepción interna sobre las consecuencias. Si se confirman, las referencias a muros de pago, eliminación de identificadores y preocupación por el impacto económico podrían ser relevantes para evaluar si el uso compitió con el mercado de las publicaciones.
La disputa sobre el uso legítimo
La defensa de las empresas de IA suele recurrir al concepto de uso legítimo, una norma del derecho de autor estadounidense que permite ciertos usos de obras protegidas sin autorización, en situaciones como la crítica, la parodia o la información periodística. Sin embargo, la aplicación de la norma al entrenamiento de modelos de lenguaje sigue sin una respuesta jurídica uniforme, según el material proporcionado.
La cuestión económica es especialmente importante. Uno de los factores asociados al uso legítimo es determinar si el nuevo uso sustituye o perjudica el mercado de la obra original. Las alegaciones de que los sistemas de IA reproducen o vuelven prescindible parte del contenido periodístico podrían ser utilizadas por The Times para argumentar que el entrenamiento no fue neutral frente al mercado editorial.
El expediente también informa que el Gobierno de Trump presentó, a comienzos de septiembre, un escrito favorable al uso no autorizado de material protegido para entrenar modelos de OpenAI. Esta posición política aparece como parte del contexto del litigio, pero no resuelve la controversia judicial ni sustituye el análisis de los hechos y las pruebas del caso.
Qué cambia para las editoriales y las empresas de IA
En la práctica, la divulgación aumenta la presión para que las empresas de IA expliquen el origen de los datos utilizados en el entrenamiento y las medidas adoptadas para respetar las restricciones de acceso. Para las editoriales, el caso refuerza la importancia de documentar los muros de pago, los avisos de derechos de autor y las señales de uso indebido, aunque el expediente no permite concluir qué medidas técnicas o comerciales se adoptarán.
También podría haber consecuencias en las negociaciones entre plataformas de IA y productores de contenido. Si los tribunales consideran relevantes las alegaciones sobre el perjuicio al mercado, los acuerdos de licencia y los controles para impedir la recopilación no autorizada podrían adquirir mayor importancia. Aun así, el material proporcionado no presenta pruebas de una nueva política conjunta de Microsoft u OpenAI.
- La divulgación no equivale a una decisión judicial definitiva.
- Los anexos originales siguen parcialmente bajo confidencialidad, según el artículo citado.
- El expediente no informa el monto de posibles daños ni presenta una conclusión final sobre la responsabilidad.
- La legalidad del entrenamiento con contenido protegido sigue en disputa.
El próximo paso relevante será observar cómo tratará el tribunal estas alegaciones y si los documentos completos se harán públicos. También será importante conocer las respuestas formales de Microsoft y OpenAI, que podrían cuestionar la caracterización de las declaraciones, la descripción del scraping o la interpretación ofrecida por The New York Times.
La evidencia disponible respalda una conclusión limitada: existen nuevas alegaciones documentadas sobre críticas internas y sobre el uso de contenido periodístico en el entrenamiento de modelos. Todavía no permite afirmar que todas las prácticas descritas hayan sido demostradas de manera definitiva ni que el tribunal ya haya fallado contra las empresas.
Nuestro prisma
El caso importa porque desplaza la discusión de una abstracción técnica hacia preguntas concretas sobre acceso, trazabilidad y sustitución económica del periodismo. Si las declaraciones internas confirman que las empresas reconocían riesgos de daño al mercado, esto podría pesar en contra de una defensa basada únicamente en la transformación del contenido. Pero el origen parcial de la información y la confidencialidad de los anexos aconsejan cautela. Lo que cambia ahora es la presión por una mayor transparencia sobre los datos de entrenamiento y por respuestas verificables de las empresas.
Fuentes: TechCrunch (IA) · nytimes.com
Preguntas frecuentes
¿Qué revelan los documentos?
Según el artículo y la demanda citados, ejecutivos y líderes habrían descrito el scraping de contenido protegido como un robo y reconocido riesgos para editoriales y periodistas.
¿El caso ya determinó si el entrenamiento de IA es ilegal?
No. El expediente informa que la legalidad del uso de obras protegidas en el entrenamiento aún no tiene una respuesta definitiva.
¿Por qué importa el material para las empresas de medios?
Porque las alegaciones de uso masivo, elusión de muros de pago y eliminación de avisos de derechos de autor podrían utilizarse para cuestionar los argumentos de que el entrenamiento no perjudica el mercado original.
Recibe Radar de IA todos los días
Las noticias de inteligencia artificial que importan — con nuestro prisma y siempre con las fuentes. Gratis.
