Documentos judiciales desclasificados en el caso del New York Times contra OpenAI y Microsoft revelan que ambas compañías sabían que su estrategia de datos podría destruir el ecosistema web del que dependen sus propios modelos, y siguieron adelante.
El «doom loop» que OpenAI y Microsoft reconocieron internamente
Un documento interno de Microsoft advertía con claridad: «Nuestra estrategia de contenido para IA ha iniciado un ‘doom loop’ que dañará el rendimiento de nuestros modelos y de toda la web al mismo tiempo.» La frase aparece en los 92 folios del escrito judicial presentado por el Times.
El mismo documento reconocía que «es muy inusual que un producto final amenace las bases económicas de sus proveedores esenciales», y lo comparaba con destruir la propia cadena de suministro. En el caso de los grandes modelos de lenguaje, ese suministro es el contenido periodístico y creativo que alimenta el entrenamiento.
Antes de seguir: llévate las herramientas y prompts listos para usar, GRATIS. Probados uno a uno y ordenadas por la tarea que quieres resolver: vídeo, imagen, voz, escribir, automatizar tu negocio, clientes, web. Es gratis y la lista crece cada semana.
Entras también en el boletín semanal de La Prensa IA. Te das de baja cuando quieras, con una palabra.
Satya Nadella, consejero delegado de Microsoft, admitió en su testimonio que los chatbots han reemplazado en la práctica la búsqueda tradicional, eliminando la necesidad de acceder directamente a las fuentes originales.
El mayor robo de trabajo en la historia humana, según el propio Microsoft
Brent Hecht, director de Ciencia Aplicada de Microsoft, calificó la recopilación masiva de datos por parte de ChatGPT y Copilot como «el mayor robo de trabajo en la historia humana». También afirmó que la defensa legal de Microsoft hace «una burla completa de la idea del uso justo».
Microsoft ha intentado desvincularse de esas palabras. Su portavoz Alex Haurek declaró al medio The Verge que «estos comentarios reflejan la perspectiva individual de un empleado, no son un análisis legal y no representan la posición de la compañía.»
Jordan Usdan, director general de Estrategia de Datos en Microsoft AI, describió a Hecht en otro escrito judicial como alguien con «puntos de vista divergentes, académicos y prospectivos», contratado precisamente para aportar perspectivas asimétricas, no para hablar en nombre de la empresa.
GPT-4, «increíblemente bueno en la regurgitación» de artículos protegidos
Los documentos muestran que OpenAI era consciente del problema de memorización de sus modelos. Internamente reconocieron que GPT-4 «memorizó una enorme cantidad de datos y, por tanto, será increíblemente bueno en la regurgitación», pese a que la propia compañía había identificado la «prevención de la memorización» como una prioridad para minimizar las infracciones de derechos de autor.
El escrito judicial del Times incluye ejemplos concretos: ChatGPT reprodujo fragmentos extensos y literales de artículos del New York Times, Mercury News, The Denver Post, LifeHacker y Eurogamer cuando se le formularon consultas relacionadas con esos contenidos.
Nick Turley, responsable de ChatGPT en OpenAI, fue citado diciendo que, una vez que el usuario obtiene una respuesta del chatbot, «no hay ninguna buena razón para hacer clic» en el enlace a la fuente original.
El tráfico de referencia caído hasta un 60% según los propios expertos de OpenAI
Los economistas y expertos en medios contratados por OpenAI atribuyeron directamente la caída del tráfico de referencia hacia publicaciones como el Times a los resúmenes generados por IA, en particular a las AI Overviews de Google. Sus estimaciones internas apuntaban a que el tráfico procedente de búsquedas podría haber caído hasta un 60%.
Jack Clark, director de Política de OpenAI, reconoció en documentos internos que la compañía estaba «creando sistemas que sustituyen el trabajo de las personas que definen la ‘cultura’ de la sociedad». Los propios documentos internos describían a ChatGPT como «el quiosco de prensa moderno».
Microsoft, por su parte, admitió que «casi nadie tenía intención de que el contenido que creó fuera usado de esta manera, ni recibe compensación por ese uso.»
Contenido de pago ignorado en el entrenamiento de los modelos
Nadella declaró en otro contexto que «cualquier contenido que esté detrás de un muro de pago debería estar licenciado». Sin embargo, un representante de OpenAI admitió ante el tribunal que desconocía cualquier esfuerzo de la compañía por detectar o eliminar contenido de pago de los datos de entrenamiento.
Esa contradicción es relevante porque el Times, como otras cabeceras demandantes, opera en parte bajo suscripción. Si los modelos se entrenaron con contenido de pago sin licencia ni compensación, la brecha entre el discurso público de ambas empresas y su práctica operativa queda documentada en sus propios archivos internos.
Greg Brockman y los «gazillones» de dólares como motor real
Frente a los argumentos de misión altruista que OpenAI ha sostenido públicamente, el cofundador Greg Brockman aparece citado en los documentos mostrando interés en los «gazillones» de dólares que la IA comercial podría generar. El término, informal y sin valor numérico preciso, refleja la orientación que los propios registros internos atribuyen a parte del liderazgo de la compañía.
El portavoz de Microsoft matizó que «el testimonio de Satya y la posición de Microsoft en este caso son perfectamente coherentes», y pidió no confundir sus observaciones sobre cómo las personas buscan información con conclusiones sobre las cuestiones de derechos de autor que el tribunal debe resolver.
Lo que el caso NYT contra OpenAI y Microsoft cambia para editores y lectores
Los documentos desclasificados tienen consecuencias prácticas que van más allá del litigio:
Los editores digitales que dependen del tráfico de búsqueda tienen ahora documentación interna de las propias empresas que reconoce una caída estimada del 60% en referidos. Eso es un argumento sólido para negociar licencias o sumarse a demandas similares.
Los medios con contenido de pago deben verificar si sus artículos aparecen en las respuestas de ChatGPT o Copilot de forma literal. Los ejemplos citados en el escrito judicial —Times, Mercury News, Denver Post, LifeHacker, Eurogamer— muestran que el problema no se limita a un solo tipo de publicación.
Los anunciantes y patrocinadores de medios digitales deberían considerar que si el tráfico orgánico sigue cayendo por la expansión de los resúmenes de IA, el valor del inventario publicitario de esas cabeceras se contrae directamente.
Para los usuarios, el caso documenta que cuando ChatGPT responde con información periodística detallada, en muchos casos reproduce texto que fue producido y pagado por redacciones que no reciben compensación alguna por ese uso.
El estado del litigio entre el Times, OpenAI y Microsoft
El caso sigue abierto. Los documentos ahora desclasificados forman parte del escrito de 92 páginas presentado por el New York Times. Microsoft y OpenAI han respondido con sus propios escritos procesales, y la empresa de Redmond mantiene que las observaciones de Hecht no representan su posición corporativa ni su análisis legal.
Lo que los documentos establecen con claridad es que, al menos en sus comunicaciones internas, ambas compañías identificaron el riesgo para el ecosistema de contenidos antes de que ese riesgo se materializara, y no modificaron su estrategia de entrenamiento de datos en respuesta a esa advertencia.
Imagen ilustrativa generada con inteligencia artificial.
Más sobre esto en LaPrensaIA
Fuente original: The New York Times
Esta pieza la ha redactado Iberia, el sistema de inteligencia artificial de LaPrensaIA, a partir de las fuentes citadas. Fermín Sánchez ha decidido publicarla y responde de ella. Cómo trabajamos.
Para usarlo tú: si tienes una web y quieres que siga teniendo sentido en este escenario, aquí está lo que funciona hoy: Cómo crear una página web con inteligencia artificial.
Contenido elaborado con la asistencia tecnológica de IBERIA y supervisión editorial. Fermín Sánchez es el responsable editorial de LaPrensaIA, diario de divulgación sobre inteligencia artificial. Cubrimos la actualidad de la IA con criterio propio —tecnología, empresas y sociedad— de forma clara para el público no técnico.
