Editoras procesan Microsoft y OpenAI por raspar contenido: 'Bullones robados de los creadores'

Microsoft y OpenAI están siendo procesados por un grupo de editores por haber usado millones de artículos protegidos por derechos de autor para entrenar sus modelos de inteligencia artificial sin autorización. La acción, abierta esta semana, afirma que las empresas han ganado miles de millones de dólares a expensas del trabajo de periodistas y escritores, sin pagar un centavo de compensación. El caso puede establecer un precedente crucial para la relación entre IA generativa y propiedad intelectual.

¿Qué dice la acción contra Microsoft y OpenAI sobre raspado?

Según información de Bloomberg Law, la queja colectiva fue protocolada en un tribunal federal de Estados Unidos y involucra editoras que afirman haber tenido su contenido raspado a gran escala para alimentar los modelos de lenguaje de OpenAI, como el GPT-4, y los servicios integrados de Microsoft, como el Copilot. La acusación central es que las empresas violaron derechos de autor al reproducir, distribuir y exhibir públicamente los artículos sin licencia. Las editoriales piden indemnización por daños que pueden llegar a US$ 150 mil por obra infringida, además de una orden judicial que obligue a eliminar los contenidos de los bancos de datos de entrenamiento.

¿Por qué el raspado de contenido afecta a creadores y editores?

El raspaje no autorizado de textos, imágenes y audios para entrenar modelos de IA se ha convertido en una práctica común entre las big techs, pero raramente se cuestiona judicialmente de forma tan amplia. Este proceso, por involucrar a empresas de Microsoft y OpenAI, puede definir reglas más claras sobre el uso de datos públicos para fines comerciales de inteligencia artificial. Para periodistas, autores y editores, la decisión puede significar el reconocimiento de que el trabajo creativo no puede ser explorado gratuitamente -y que los mil millones de dólares desplazados por la IA deben, en parte, regresar a quien produjo el contenido original. El caso ecoa discusiones recientes sobre regulación de IA, como la alerta hecha por la alianza Five Eyes sobre los riesgos de ciberataques impulsados por esas tecnologías — tema que abordamos en otra análisis.

¿Cómo Microsoft y OpenAI justifican el raspado de contenido?

Hasta el cierre de esta edición, ni Microsoft ni OpenAI se pronunciaron oficialmente sobre el proceso. En casos anteriores similares, OpenAI argumentó que el uso de datos públicos se encuadra en el concepto de "fair use" (uso justo) previsto en la legislación estadounidense, especialmente cuando el material se transforma en nuevo conocimiento por el modelo de IA. Sin embargo, la defensa enfrenta el desafío de demostrar que la replicación de extractos enteros de artículos en los resultados del ChatGPT o del Copilot no configura violación directa. Microsoft, a su vez, ha invertido pesadamente en la asociación con OpenAI y puede intentar aislar su responsabilidad, alegando que el raspaje fue llevado a cabo por el desarrollador del modelo. El resultado dependerá de pruebas técnicas sobre cómo los datos fueron recolectados y almacenados.

Preguntas frecuentes sobre el raspado de contenido

¿Qué están pidiendo las editoriales en la acción?

Las editoriales requieren indemnización por daños materiales y morales, además de una liminar que obligue a Microsoft y OpenAI a excluir todo el contenido protegido por derechos de autor de los conjuntos de datos de entrenamiento y a pagar regalías futuros por el uso.

¿Qué editoras están involucradas en el proceso?

La acción fue movida por un grupo de editores de medios, incluyendo nombres como The Intercept, Raw Story y AlterNet, según lo reportado por Bloomberg Law. Otras editoriales pueden adherirse posteriormente.

¿Qué significa eso para el futuro de la IA generativa?

Si el tribunal decide en contra de las empresas, la decisión podría obligar a la industria a repensar la forma en que obtiene datos para el entrenamiento, alentando la creación de licencias pagadas y acuerdos con titulares de derechos de autor, lo que puede encarecer el desarrollo de nuevos modelos.