Microsoft llegó a describir como el mayor robo laboral de la historia el uso de prensa para entrenar IA
Documentos internos incorporados a la demanda presentada contra OpenAI y Microsoft revelan que varios responsables de ambas compañías conocían los riesgos legales y económicos de utilizar artículos periodísticos para entrenar modelos de inteligencia artificial. En uno de los textos, un directivo de Microsoft calificó esta práctica como el mayor robo laboral de la historia.
El conflicto comenzó a finales de 2023, cuando The New York Times demandó a OpenAI y Microsoft por emplear sus contenidos sin autorización ni compensación económica. A la acción judicial se sumaron posteriormente otros once medios de comunicación, que denunciaron un perjuicio similar sobre sus negocios y sus derechos de autor.
La documentación desclasificada en el marco del proceso muestra que la preocupación no era desconocida dentro de las dos empresas. Al contrario, algunos ejecutivos anticiparon que los modelos generativos podían afectar de forma directa a la prensa, tanto por el uso de sus contenidos como por la capacidad de los chatbots para sustituir la consulta de las noticias originales.
Microsoft alertó del impacto sobre el periodismo
En 2023, Brent Hecht, director de ciencia aplicada de Microsoft, escribió que el entrenamiento de modelos con artículos periodísticos podía convertirse en un robo de proporciones inéditas. En su análisis advertía de que millones de personas acabarían percibiendo que los grandes modelos habían absorbido su trabajo sin permiso.
El directivo también alertaba de un problema estructural: los sistemas de inteligencia artificial podían convertirse en productos capaces de destruir la cadena de suministro de la prensa. La expresión resume una preocupación que sigue vigente: si los usuarios obtienen en un chatbot el contenido esencial de una noticia, pueden dejar de visitar la página que la publicó.
En este contexto, entrenar un modelo de IA significa proporcionarle grandes cantidades de datos para que aprenda patrones de lenguaje, hechos y relaciones entre conceptos. El modelo no funciona como una base de datos convencional, pero puede generar respuestas basadas en lo aprendido durante ese proceso. La cuestión legal es si la copia y el uso de esos materiales requieren autorización y licencia.
OpenAI conocía el riesgo de sustitución
Los documentos también muestran que OpenAI había analizado el posible impacto laboral de sus sistemas antes incluso del lanzamiento de ChatGPT. En 2020, Jack Clark, entonces responsable de políticas de la compañía, advirtió a sus principales ejecutivos de que el desarrollo de estos modelos podía llevar a sustituir a profesionales encargados de definir y transmitir la cultura de la sociedad.
La prensa aparecía entre los sectores más expuestos. En junio de 2023, Nick Turley, responsable del desarrollo de ChatGPT, describió la inteligencia artificial como una amenaza existencial para el periodismo. Un año después, dejó por escrito una conclusión más contundente: los productos de IA eran, en gran medida, sustitutivos.
La diferencia es relevante. Los buscadores tradicionales dirigen tráfico hacia las páginas originales, mientras que un chatbot ofrece una respuesta ya elaborada dentro de su propia interfaz. Aunque incluya enlaces, el usuario puede considerar que ya ha recibido la información que necesitaba.
El muro de pago, en el centro de la disputa
Uno de los aspectos más delicados del caso es el uso de contenidos protegidos por muros de pago. Se trata de sistemas que restringen el acceso a determinados artículos a los usuarios que tienen una suscripción. Los abogados de los medios sostienen que OpenAI desarrolló herramientas capaces de sortear esas barreras para acceder a textos que no estaban disponibles libremente.
Entre los materiales incluidos en el proceso figura un mensaje de Greg Brockman, presidente de OpenAI, en el que celebraba que un empleado hubiese creado un método para superar el muro de pago de The New York Times. La acusación considera que este tipo de prácticas refuerza la idea de que no se trataba únicamente de recopilar información pública de internet.
Satya Nadella, consejero delegado de Microsoft, afirmó que cualquier contenido protegido por un muro de pago debería utilizarse mediante una licencia. También declaró que, de haber sabido que OpenAI había extraído y empleado información restringida para entrenar sus modelos, habría exigido que fueran reentrenados.
Menos clics y más presión sobre los medios
La caída del tráfico procedente de internet es otra de las claves del conflicto. Un ingeniero de OpenAI ya advertía en 2023 de que los usuarios probablemente no harían clic en los enlaces de las respuestas de ChatGPT, aunque el sistema citara sus fuentes.
La expansión de los chatbots y la llegada de los resúmenes generados por IA a los buscadores han intensificado esa tendencia. Algunos medios han registrado descensos superiores al 50% en sus visitas desde buscadores, una situación que amenaza sus ingresos publicitarios, sus suscripciones y su capacidad para financiar nuevas informaciones.
El litigio deberá determinar si el entrenamiento de modelos con artículos protegidos está amparado por las excepciones legales existentes o si exige acuerdos específicos con cada editor. Mientras tanto, las revelaciones internas muestran que el debate no gira solo en torno a la innovación tecnológica: también afecta al futuro económico del periodismo y a quién debe recibir los beneficios generados por los contenidos utilizados para construir la IA.
