La controversia en torno al entrenamiento de modelos de inteligencia artificial ha alcanzado un nuevo nivel. Ejecutivos de Microsoft han señalado que el scraping de millones de artículos de noticias por parte de OpenAI para entrenar a ChatGPT alcanza niveles sin precedentes. Estas declaraciones, que surgen de documentos judiciales recientemente desclasificados como parte de una demanda interpuesta por The New York Times contra OpenAI y Microsoft en 2023, ponen sobre la mesa un debate ético y legal sobre el uso de datos online sin autorización explícita.
Según informó The New York Times, ejecutivos de OpenAI y Microsoft se mostraron alarmados por el scrapping de millones de artículos de noticias para fines de entrenamiento de ChatGPT. El Dr. Brent Hecht, director de Ciencia Aplicada de Microsoft, afirmó que el trabajo de OpenAI bien podría ser "el mayor robo de mano de obra en la historia de la humanidad" y que podría crear un círculo vicioso. Engadget cita a Nick Turley, empleado de OpenAI, quien declaró que esa práctica representa una "amenaza existencial para los editores".
El scraping de datos de internet para entrenar modelos de IA no es una práctica nueva, pero la escala a la que OpenAI lo ha hecho con ChatGPT ha despertado preocupación. La cantidad de contenido extraído plantea preguntas sobre los derechos de autor y el respeto al trabajo intelectual de los periodistas y creadores de contenido. En un contexto donde la propiedad intelectual es cada vez más difícil de proteger, este tipo de acciones podría desincentivar la creación de contenido original.
La cuestión de si las empresas de IA pueden usar legalmente material protegido por derechos de autor para entrenar IA no tiene una respuesta clara, recuerda TechCrunch, pero los jueces han sido en gran medida favorables a los argumentos de las empresas de IA de que la formación constituye "uso legítimo". "Esta norma legal permite a las personas usar obras protegidas por derechos de autor sin permiso en ciertos casos, como parodias, periodísticas o críticas. A principios de este mes, la administración Trump contribuyó con un escrito en defensa del uso no licenciado de material protegido por derechos de autor por parte de OpenAI para entrenar sus LLMs", indica la publicación.
Sin embargo, varias de las nuevas admisiones van en contra de la defensa de uso legítimo de OpenAI, especialmente el requisito de la norma de que el uso no sustituya ni perjudique al mercado por la obra original. En eso se basa gran parte de la causa del Times.
En América Latina, donde los medios enfrentan constantes desafíos económicos y tecnológicos, el uso no autorizado de contenido para entrenar IA podría tener un impacto significativo. Las empresas tecnológicas deben considerar las implicaciones de sus prácticas en regiones donde el periodismo independiente lucha por mantenerse.
La semana pasada, la casa argentina Editorial Perfil demandó a OpenAI y Microsoft por daños y perjuicios por el uso indebido y la explotación comercial sus contenidos para entrenar a ChatGPT y Copilot. Es el primer medio hispanoparlante en demandar a esas firmas, después de que The New York Times lo hizo en 2023, y Folha de Sao Paulo en 2025.
Según indicó Red de Periodistas, "El grupo de medios argentino destaca en sus comunicados que lleva más de un año preparando este litigio después de intentar «infructuosamente» contactar a los equipos de OpenAI para buscar un acuerdo como el que firmaron, por ejemplo, con el grupo Prisa (España) en 2024 o inclusive el que acordaron con Folha y el grupo UOL (Brasil) hace un par de meses".
