Un documento judicial hecho público el 17 de septiembre en el marco de la demanda del New York Times contra OpenAI y Microsoft detalla lo que el diario describe como un robo masivo de contenido para entrenar sistemas de inteligencia artificial. Según el escrito, OpenAI, con sede en San Francisco, habría extraído material de más de 10 millones de artículos, de los cuales alrededor de un tercio procedía del propio Times.
Los abogados del diario sostienen que los demandados copiaron millones de artículos protegidos por derechos de autor sin permiso con el objetivo de generar productos comerciales de IA sustitutos. En el documento se cita a Brent Hecht, responsable de ciencia aplicada de Microsoft, quien habría señalado que entrenar modelos de lenguaje con contenido sujeto a derechos de autor representa un robo sin precedentes y que, si se llegara a ganar la causa, se cuestionaría el concepto mismo de uso legítimo. También advirtió sobre un posible encubrimiento involuntario al intentar identificar material de The New York Times y de otros demandantes en los sistemas de las compañías.
Microsoft argumentó que esas declaraciones reflejan la visión de un empleado y no la postura oficial de la empresa. Por otra parte, el escrito señala que Greg Brockman, cofundador y presidente de OpenAI, habría escrito alrededor de 2017 que estaba fuertemente impulsado por la posibilidad de obtener ingresos significativos al comercializar la tecnología, un incentivo que, sostienen los abogados del Times, habría motivado a la empresa a recolectar material protegido.
El documento acusa a OpenAI de haber empleado técnicas cuestionables para acceder a contenidos con muro de pago; cuando un empleado informó a Brockman sobre un procedimiento para eludir el paywall del Times, el directivo habría respondido de forma casual “ah, qué bien”, según la demanda. El texto también afirma que el responsable de ChatGPT en OpenAI afirmó que los editores enfrentaban una “amenaza existencial” por parte de productos de IA que son, en gran medida, sustitutos y que lo serán cada vez más a medida que avancen.
Un dato aportado por Microsoft señala que las tasas de clics hacia el contenido original fueron entre 83% y 93% más bajas entre usuarios de herramientas de respuesta basadas en IA, en comparación con los usuarios del motor de búsqueda tradicional, lo que reforzaría la idea de que esos productos sustituyen el consumo directo de artículos.
El expediente continúa en el marco de la disputa legal entre The New York Times, OpenAI y Microsoft, con las partes presentando pruebas y argumentos sobre el alcance del uso de datos con derechos de autor y los límites del uso legítimo en el entrenamiento de IA.