Documentos judiciales de la demanda de The New York Times contra OpenAI y Microsoft muestran un debate interno en Microsoft sobre si usar artículos periodísticos para entrenar modelos de IA constituía una apropiación masiva del trabajo creativo, mientras ambas empresas continúan sosteniendo que el entrenamiento en cuestión está protegido por el uso legítimo.

El material recientemente revelado incluye un memorando de 2023 de Brent Hecht, director de Ciencia Aplicada de Microsoft, que describía a los grandes modelos de IA como «productos que destruyen sus propias cadenas de suministro» y advertía que muchas personas veían estos sistemas como una apropiación sin precedentes de su trabajo. Las presentaciones judiciales también citan su caracterización de copiar millones de artículos periodísticos sin permiso como «el mayor robo de trabajo en la historia de la humanidad».

Microsoft afirmó que esos memorandos reflejaban el esfuerzo de Hecht por aportar «perspectivas diferentes y asimétricas» y no representaban la posición oficial de la empresa. La distinción importa porque el caso no se centra en una campaña pública de un empleado, sino en comunicaciones internas que los demandantes usan para argumentar que las empresas comprendían la sensibilidad legal y comercial de entrenar con contenido de editoriales.

Según las presentaciones, el CEO de Microsoft, Satya Nadella, declaró que el contenido detrás de un muro de pago solo debería utilizarse con autorización de los titulares de derechos. También afirmó que, si hubiera sabido de antemano que OpenAI utilizaba contenido pago para entrenamiento, habría usado los derechos de Microsoft para exigir que el modelo fuera reentrenado. Materiales judiciales separados también citan a un empleado de OpenAI que se refirió a un «método hacker» para sortear el muro de pago de The New York Times en un mensaje al presidente Greg Brockman, quien respondió: «Bien».

Tanto OpenAI como Microsoft sostienen que el entrenamiento pertinente de los modelos califica como uso legítimo. La disputa comenzó cuando The New York Times presentó la demanda a fines de 2023, y el informe original indica que desde entonces se sumaron 11 editoriales al caso. Con información verificada limitada más allá de las revelaciones judiciales, varios detalles de fondo siguen sin resolverse, incluido el alcance completo de los conjuntos de datos en cuestión y cómo el tribunal ponderará la autorización, los límites de licenciamiento y el perjuicio de mercado.

Por qué importa

Este caso va más allá del riesgo reputacional para dos grandes empresas de IA. Afecta una de las cuestiones legales centrales que enfrenta la IA generativa: si el entrenamiento con texto de valor comercial puede tratarse como uso transformativo cuando el material de origen es expresivo, está licenciado y, en algunos casos, detrás de un muro de pago. La publicación de noticias es una prueba particularmente sensible porque existe un mercado real para licenciar este contenido y una preocupación clara de que las salidas de IA puedan competir con el producto original.

Las revelaciones también vuelven más urgente la cuestión de cumplimiento normativo para la infraestructura de IA en sentido amplio. Si los tribunales otorgan mayor peso al consentimiento, las restricciones de origen o la reutilización de datos adquiridos bajo términos diferentes, los desarrolladores y sus socios podrían enfrentar controles más estrictos sobre cómo se conforman, comparten y actualizan los corpus de entrenamiento.