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

El material recién revelado incluye un memorando de 2023 de Brent Hecht, director de Ciencia Aplicada de Microsoft, que describía los grandes modelos de IA como “productos que destruyen sus propias cadenas de suministro” y advertía que muchas personas consideraban esos sistemas una apropiación sin precedentes de su trabajo. Los documentos judiciales también citan su descripción de copiar millones de artículos de noticias 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 utilizan para argumentar que las empresas comprendían la sensibilidad jurídica y comercial de entrenar con contenido de editores.

Según los documentos, el CEO de Microsoft, Satya Nadella, declaró que el contenido detrás de un muro de pago solo debe utilizarse con autorización de los titulares de derechos. También dijo que, si hubiera sabido de antemano que OpenAI usaba contenido de pago para entrenamiento, habría ejercido 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 de hacker” para eludir el muro de pago de The New York Times en un mensaje al presidente Greg Brockman, quien respondió: “Bien”.

OpenAI y Microsoft sostienen que el entrenamiento relevante de los modelos califica como uso legítimo. La disputa comenzó cuando The New York Times presentó la demanda a finales de 2023, y el informe original señala que desde entonces se han unido al caso 11 editores. Con antecedentes verificados limitados más allá de las revelaciones judiciales, varios detalles subyacentes siguen sin resolverse, incluido el alcance completo de los conjuntos de datos en cuestión y cómo el tribunal sopesará la autorización, los límites de licenciamiento y el daño al mercado.

Por qué importa

Este caso va más allá del riesgo reputacional para dos grandes empresas de IA. Incide en una de las cuestiones jurídicas centrales que enfrenta la IA generativa: si el entrenamiento con texto de valor comercial puede tratarse como uso transformativo cuando el material fuente es expresivo, tiene licencia y, en algunos casos, está 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 precisan el problema de cumplimiento para la infraestructura de IA en un sentido más amplio. Si los tribunales dan 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.