El caso The New York Times Company contra Microsoft Corporation y OpenAI, Inc. es un juicio histórico por infracción de derechos de autor presentado en el Tribunal de Distrito de los Estados Unidos para el Distrito Sur de Nueva York el 27 de diciembre de 2023. La demanda alega que OpenAI y su principal inversor, Microsoft, utilizaron millones de artículos periodísticos protegidos por derechos de autor de The New York Times para entrenar sus modelos de lenguaje de gran tamaño sin permiso ni compensación, violando así la ley de derechos de autor y amenazando el modelo de negocio del periódico. El caso se considera ampliamente una prueba fundamental de cómo se aplica la ley de propiedad intelectual a los sistemas de IA generativa y sus datos de entrenamiento subyacentes.
La demanda busca responsabilizar a los demandados por lo que el Times describe como "copia y uso ilegal de las obras de valor único del Times". Exige daños legales de hasta 150,000 dólares por obra infringida, una orden judicial contra el uso adicional del contenido del Times y la destrucción de cualquier conjunto de datos o modelos que hayan incorporado ese contenido. La presentación se produjo después de que meses de negociaciones entre el periódico y OpenAI no lograran producir un acuerdo de licencia, según informes contemporáneos.
Antecedentes y contexto
La disputa surge del rápido avance de los sistemas de inteligencia artificial, particularmente los modelos de aprendizaje profundo basados en la arquitectura transformador. OpenAI, fundada en 2015 como un laboratorio de investigación sin fines de lucro y luego reestructurada con una rama con fines de lucro, lanzó GPT-3 en 2020 y ChatGPT en noviembre de 2022. Estos sistemas se entrenan con vastos corpus de texto extraídos de internet, incluidos artículos de noticias, libros y otro material protegido por derechos de autor.
The New York Times, fundado en 1851, ha mantenido durante mucho tiempo un muro de pago y un negocio de suscripción digital, reportando más de 10 millones de suscriptores para fines de 2023. El periódico argumentó que su periodismo es un activo valioso y propietario, y que permitir que las empresas de IA lo usen libremente socava su capacidad para recuperar los costos de producción. El Times también señaló que los chatbots de IA podrían "memorizar" y reproducir partes de los artículos, compitiendo potencialmente directamente con los propios canales de distribución del periódico.
Reclamaciones legales y argumentos
La queja afirma múltiples causas de acción, incluida la infracción directa de derechos de autor, la infracción contributiva y la infracción vicaria. El Times proporcionó docenas de ejemplos donde ChatGPT y otros productos de OpenAI supuestamente reprodujeron extractos casi verbatim de sus artículos, incluida una investigación de 2019 sobre préstamos de medallones de taxi y una pieza de 2020 sobre la pandemia de COVID-19. El periódico argumentó que tales salidas demuestran que los modelos fueron entrenados con su contenido y que la reproducción no es transformadora.
OpenAI y Microsoft respondieron en escritos judiciales que su uso de material protegido por derechos de autor cae bajo la doctrina del "uso justo", que permite el uso limitado para fines como crítica, comentario, reportaje de noticias, enseñanza o investigación. Argumentaron que entrenar con grandes conjuntos de datos es un proceso transformador que no reemplaza las obras originales, sino que crea nuevas representaciones estadísticas no expresivas. Microsoft, que había invertido más de 13 mil millones de dólares en OpenAI para principios de 2023, presentó una moción para desestimar en febrero de 2024, alegando que el Times no había mostrado un daño específico.
El Times contraatacó que el uso justo es una excepción estrecha y que la escala comercial de las operaciones de OpenAI, combinada con la competencia directa planteada por los resúmenes generados por IA, pesa en contra de un hallazgo de uso justo. Los académicos legales señalaron que el caso podría sentar precedente sobre cómo los tribunales interpretan el "propósito y carácter" del entrenamiento de IA, una cuestión que sigue sin resolverse en la jurisprudencia estadounidense.
Eventos clave y cronología
- 27 de diciembre de 2023: El Times presentó su queja en el Distrito Sur de Nueva York, nombrando a OpenAI y Microsoft como demandados.
- Enero de 2024: OpenAI declaró públicamente que estaba "sorprendida y decepcionada" por la demanda, señalando que había estado en discusiones productivas con el Times. La compañía también comenzó a ofrecer un mecanismo de exclusión voluntaria para los propietarios de sitios web que no querían que su contenido se usara en entrenamientos futuros.
- Febrero de 2024: Microsoft presentó una moción para desestimar, argumentando que las reclamaciones del Times eran especulativas y que la compañía no tenía un papel directo en el entrenamiento de los modelos.
- Abril de 2024: El tribunal denegó parcialmente la moción de desestimación de Microsoft, permitiendo que el caso continuara en varias reclamaciones. El juez Sidney H. Stein, asignado al caso, ordenó a ambas partes participar en el descubrimiento de pruebas.
- Junio de 2024: OpenAI presentó su propia moción para un juicio sumario, afirmando que el Times no podía probar que artículos específicos se reprodujeran de manera que causara daño al mercado. El Times se opuso, citando comunicaciones internas de OpenAI que reconocían la necesidad de licenciar contenido.
- Octubre de 2024: El tribunal celebró una audiencia preliminar sobre disputas de descubrimiento, particularmente en cuanto al acceso a los conjuntos de datos de entrenamiento de OpenAI. El Times buscó registros detallados de qué artículos se incluyeron en el entrenamiento, mientras que OpenAI argumentó que dicha información era un secreto comercial.
- A principios de 2025: El caso permanecía en la fase de descubrimiento, sin fecha de juicio establecida. Ambas partes continuaron presentando mociones e informes de expertos.
Implicaciones más amplias
La demanda es parte de una ola de acciones legales contra empresas de IA. En 2023, autores como Sarah Silverman y George R.R. Martin presentaron demandas colectivas contra OpenAI y Meta por reclamaciones similares. Getty Images demandó a Stability AI en el Reino Unido y los EE. UU. por usar sus fotografías en datos de entrenamiento. El caso del Times es notable porque involucra a una organización de noticias importante con recursos legales sustanciales y un interés financiero claro en el resultado.
El resultado podría afectar la economía del desarrollo de aprendizaje automático. Si el Times prevalece, las empresas de IA podrían verse obligadas a licenciar contenido de los editores, un costo que podría remodelar la industria. Por el contrario, un fallo a favor de OpenAI podría legitimar la práctica de entrenar con texto disponible públicamente, acelerando potencialmente el crecimiento de OpenAI y competidores como Anthropic y Google DeepMind.
Las organizaciones de noticias han respondido de manera diferente. Algunas, como Associated Press y Axel Springer, han firmado acuerdos de licencia con OpenAI. Otras, incluido el Times, han optado por el litigio. El caso también ha provocado discusiones sobre la necesidad de nueva legislación, con algunos legisladores proponiendo un régimen de "aviso y exclusión voluntaria" para el entrenamiento de IA.
Dimensiones técnicas y éticas
El caso plantea preguntas sobre cómo las redes neuronales almacenan y recuperan información. Los investigadores han demostrado que los modelos de lenguaje de gran tamaño pueden memorizar pasajes largos de texto, especialmente cuando esos pasajes aparecen múltiples veces en los datos de entrenamiento. El Times argumentó que sus artículos, que están ampliamente sindicados y citados, es probable que estén sobrerrepresentados en los conjuntos de datos de OpenAI, aumentando el riesgo de reproducción verbatim.
Los debates éticos se centran en si las empresas de IA tienen la obligación moral de compensar a los creadores de contenido. Los defensores del uso justo argumentan que el entrenamiento es análogo a un humano que lee y aprende de artículos, mientras que los críticos sostienen que la escala y la naturaleza comercial del entrenamiento de IA son fundamentalmente diferentes. El caso también ha destacado la falta de transparencia en el entrenamiento de IA, ya que la mayoría de las empresas no divulgan públicamente sus fuentes de datos completas.
Reacciones y comentarios
Los expertos legales han ofrecido predicciones divergentes. Algunos, como el profesor de derecho de Stanford Mark Lemley, han argumentado que es probable que el entrenamiento de IA se considere uso justo, citando precedentes como el caso de Google Books. Otros, incluida la académica de derechos de autor Pamela Samuelson, han señalado que la evidencia del Times de competencia directa podría inclinar la balanza. El Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT y el Laboratorio de IA de Stanford han organizado simposios sobre el caso, reflejando su importancia académica.
El CEO de OpenAI, Sam Altman, ha declarado públicamente que la compañía está dispuesta a pagar por contenido, pero cree que el marco legal actual no es claro. En una entrevista de marzo de 2024, dijo: "Queremos ser buenos socios con los editores. La pregunta es cuál es un precio justo". El Times, por su parte, ha mantenido que su objetivo principal es proteger su periodismo y sentar un precedente para la industria.
Estado actual y perspectivas futuras
A fines de 2024, el caso no se había resuelto. Ambas partes han participado en una práctica extensa de mociones, y el tribunal aún no ha fallado sobre la cuestión central del uso justo. Algunos observadores esperan que el caso llegue a la Corte Suprema, dada su importancia nacional. Mientras tanto, OpenAI ha continuado firmando acuerdos de contenido con otros editores, incluidos News Corp y el Financial Times, lo que sugiere que la industria se está moviendo hacia un modelo de licencias independientemente del resultado de la demanda.
El Times también ha emprendido acciones paralelas, incluida una queja ante la Oficina del Comisionado de Información del Reino Unido sobre problemas de protección de datos. La compañía ha declarado que continuará invirtiendo en sus propias capacidades de IA, incluida una asociación con Google Cloud para análisis de datos, pero sigue comprometida con el litigio.
Conclusión
El caso The New York Times contra OpenAI representa una coyuntura crítica en la relación entre los medios y la inteligencia artificial. Su resolución probablemente influirá no solo en las partes involucradas, sino también en el ecosistema más amplio del desarrollo de inteligencia artificial, el licenciamiento de contenido y la ley de derechos de autor. A medida que la tecnología evoluciona, los principios legales establecidos en este caso pueden servir como base para futuras disputas, convirtiéndolo en uno de los juicios más observados de la década.