Ejecutivos de Microsoft y OpenAI calificaban de ‘robo’ el entrenamiento con artículos
Archivos desclasificados del juicio del NYT muestran que mientras defendían el 'fair use', sus propios ejecutivos hablaban de 'robo masivo'.
Los archivos sin censurar del juicio que el New York Times (NYT) le interpuso a OpenAI y Microsoft hace tres años acaban de hacerse públicos. Y lo que contienen va mucho más allá de lo que ya se sabía. Los documentos, revelados por TechCrunch y Bloomberg Law, muestran que mientras las empresas defendían públicamente el uso de contenido periodístico para entrenar sus modelos como un “uso justo” (fair use, una figura legal que permite usar obra protegida sin permiso bajo ciertas condiciones), internamente sus ejecutivos lo calificaban de manera muy distinta.
“El mayor robo de trabajo en la historia de la humanidad”
El doctor Brent Hecht, director de Ciencia Aplicada de Microsoft, escribió en documentos internos que copiar millones de artículos de periódicos sin permiso era “probablemente el mayor robo de trabajo en la historia de la humanidad”. En otro texto, agregó que el uso no autorizado de contenido era “un robo asombroso de proporciones sin precedente”. Además, advirtió que si OpenAI y Microsoft ganaban el caso con la defensa del fair use, eso “convertiría en completa parodia la idea del ‘uso justo’”.
Las revelaciones no se limitan a Microsoft. Jack Clark, director de política de OpenAI, escribió en su momento que el trabajo de la empresa “va a llevar cada vez más a crear sistemas que sustituyen el trabajo de las personas que definen la ‘cultura’ de la sociedad”. Nick Turley, ejecutivo senior de OpenAI, fue aún más directo: “Nuestros productos son en gran medida sustitutivos, y punto”. Por su parte, el CEO de Microsoft, Satya Nadella, testificó que las conversaciones con chatbots han “sustituido” a los sitios web de los editores, y que el contenido detrás de paywalls (muros de pago que restringen el acceso a artículos) debería licenciarse para el entrenamiento de IA. Nadella añadió que si hubiera sabido que OpenAI había scrapeado contenido de pago, habría “invocado el derecho de Microsoft a exigir que OpenAI reentrenara sus modelos”.
Cómo se obtuvo el contenido: esquivar paywalls y eliminar avisos de copyright
Los documentos describen en detalle el modus operandi: las empresas esquivaron paywalls de forma inadvertida, construyeron bases de datos de entrenamiento mediante scraping masivo (extracción automatizada de datos) y, crucialmente, eliminaron deliberadamente los avisos de copyright del material de entrenamiento. Esa eliminación de metadatos de gestión de derechos (información que identifica al autor o titular de derechos) podría tener implicaciones legales directas, independientemente de la discusión sobre fair use. Según la ley estadounidense de copyright, eso aumenta los daños reclamables.
OpenAI, mientras tanto, busca regularizar la situación con acuerdos de licencia con editores que oscilan entre 1 y 10 millones de dólares anuales. Muchos analistas califican esa suma de ridícula comparada con lo que podría costar un fallo judicial adverso. Los documentos de hoy explican por qué OpenAI tiene un interés urgente en cerrar esos acuerdos antes de que el juicio llegue a su conclusión.
El impacto en el juicio y la relevancia para Chile
La defensa del fair use en el derecho estadounidense tiene cuatro factores. El cuarto —el más relevante para este caso— es si el uso “sustituye” el original o afecta su mercado. Si los ejecutivos de OpenAI y Microsoft escribieron internamente que sus productos “son en gran medida sustitutivos, y punto”, ese texto puede usarse directamente contra ellos. La administración Trump presentó un amicus brief (escrito de tercero) en defensa del fair use de OpenAI este mismo mes. Ese mismo día, 400 periódicos locales y regionales estadounidenses presentaron una demanda colectiva acusando a OpenAI y Microsoft de “robo sistemático y deliberado de cientos de miles de artículos”.
Los documentos llegan en el peor momento posible para las empresas, ya que serán usados en los escritos para el juicio sumario que determinará qué reclamaciones llegan a juicio completo. El debate sobre si entrenar modelos de IA equivale jurídicamente a memorizar o a plagiar tiene un nuevo documento que añadir: las propias palabras de los ejecutivos describiendo lo que hacían como “el mayor robo de trabajo en la historia de la humanidad”. Un tribunal no va a olvidar ese párrafo.
La ironía de fondo es la hipocresía corporativa capturada en texto. Microsoft y OpenAI argumentaron públicamente que sus prácticas de entrenamiento son fair use. En privado, sus propios empleados usaron la palabra “robo” sin ambigüedad. La diferencia entre lo que se dice en un comunicado de prensa y lo que se escribe en un correo interno es exactamente el material del que están hechos los peores momentos de un juicio. El caso llega a esta fase con el breve de la administración Trump en defensa de OpenAI, lo que añade una dimensión política que los editores tendrán que navegar. Pero el juicio sumario no lo decide el ejecutivo; lo decide el juez. Y el juez tiene ahora acceso a esos documentos.
La cifra que resonó en la cobertura es la de los daños potenciales: mínimo 7.500 millones de dólares bajo la ley americana de copyright. Con la eliminación deliberada de metadatos añadida, la cantidád reclamable puede ser mayor. Para Chile, este caso es relevante porque el país discute su propia regulación de inteligencia artificial y derecos de autor. Lo que ocurra en los tribunales de EE.UU. sentará precedentes que influirán en cómo se negocian las licencias de contenido a nivel global. Dependiendo de la decisión del juicio sumario, OpenAI y Microsoft podrían optar por negociar un acuerdo en lugar de arriesgarse a un veredicto con esos documentos internos sobre la mesa.
Con información de WWWhat's new
