NYT v. OpenAI (2023) es una demanda histórica por infracción de derechos de autor presentada por The New York Times Company contra OpenAI y su principal inversor, Microsoft, el 27 de diciembre de 2023, en el Tribunal de Distrito de los Estados Unidos para el Distrito Sur de Nueva York. La denuncia alega que OpenAI y Microsoft utilizaron millones de artículos periodísticos protegidos por derechos de autor sin permiso para entrenar sus modelos de lenguaje grandes, incluidos GPT-4 y ChatGPT, y que estos modelos ahora reproducen y "memorizan" contenido del Times de maneras que compiten directamente con los productos del propio periódico. La demanda solicita daños legales de hasta $150,000 por obra infringida, una orden judicial contra el uso adicional del contenido del Times y la destrucción de todos los conjuntos de datos de entrenamiento que contengan dicho material.
El caso es ampliamente visto como un indicador del conflicto más amplio entre la industria de la IA generativa y los creadores de contenido, ya que pone a prueba si la doctrina del "uso justo" se extiende al raspado masivo de texto protegido por derechos de autor para el entrenamiento de modelos. El resultado podría remodelar la economía del desarrollo de la IA, obligando a las empresas a negociar acuerdos de licencia o rediseñar sus procesos de entrenamiento. A principios de 2025, el caso permanece en litigio previo al juicio, con ambas partes presentando mociones para desestimar y contrademandas.
Antecedentes: El auge de la IA generativa y el raspado de datos
La demanda surgió en el contexto de rápidos avances en el aprendizaje profundo y el despliegue comercial de modelos basados en transformadores. OpenAI, fundada en 2015, lanzó GPT-3 en 2020 y ChatGPT en noviembre de 2022, que rápidamente se convirtió en una de las aplicaciones de consumo de más rápido crecimiento en la historia. Estos modelos se entrenan con vastos corpus de texto extraídos de Internet público, incluidos artículos de noticias, libros y trabajos académicos. El Times alega que su contenido, que en gran parte está detrás de un muro de pago, apareció en estos conjuntos de datos sin autorización, a menudo en cantidades que lo convertían en una parte significativa del material de entrenamiento.
Microsoft, que invirtió más de $13 mil millones en OpenAI e integró sus modelos en productos como Bing Chat y Office 365, figura como co-demandado por su papel en el despliegue y la obtención de beneficios de los sistemas supuestamente infractores. La denuncia cita ejemplos específicos donde ChatGPT produjo extractos casi verbatim de artículos del Times, incluida una investigación de 2019 sobre la industria del taxi y un artículo de 2020 sobre tasas de interés hipotecarias, demostrando que los modelos pueden reproducir texto protegido por derechos de autor bajo demanda.
Reclamaciones legales y demandas
El Times afirma varias causas de acción, incluyendo infracción directa de derechos de autor, infracción contributiva e infracción vicaria. Argumenta que OpenAI y Microsoft copiaron, almacenaron y distribuyeron sus obras durante el entrenamiento y la inferencia, y que las salidas de los modelos constituyen obras derivadas no autorizadas. La denuncia enfatiza que los demandados "construyeron su negocio sobre el trabajo de otros" y que el Times gastó miles de millones de dólares en periodismo que las empresas de IA se apropiaron gratuitamente.
Más allá de los daños monetarios, el Times solicita una orden judicial permanente que requeriría a OpenAI y Microsoft eliminar todas las copias del contenido del Times de sus conjuntos de datos de entrenamiento y prevenir su uso futuro. Esta demanda no tiene precedentes en escala, ya que efectivamente obligaría a las empresas a reentrenar sus modelos desde cero, un proceso que costaría cientos de millones de dólares y podría degradar la calidad del modelo. El Times también pide una orden que requiera a los demandados revelar sus fuentes de datos de entrenamiento e implementar medidas técnicas para prevenir futuras infracciones.
Defensa de OpenAI: Uso justo e interés público
OpenAI presentó su respuesta en febrero de 2024, argumentando que su uso de material protegido por derechos de autor cae dentro de la excepción de uso justo, que permite la reproducción limitada para fines como crítica, comentario, reportaje de noticias, enseñanza e investigación. La empresa sostiene que entrenar modelos de IA es un uso transformador que no sustituye a las obras originales, y que los modelos aprenden patrones y hechos en lugar de memorizar textos específicos. OpenAI también señala su mecanismo de "exclusión voluntaria", que permite a los propietarios de sitios web bloquear su rastreador web, y sus asociaciones en curso con otros editores, como Associated Press y Axel Springer, como evidencia de esfuerzos de buena fe para respetar la propiedad intelectual.
Microsoft hizo eco de estos argumentos, enfatizando que los modelos son herramientas para generar contenido nuevo, no para reproducir artículos existentes. Los demandados también señalan que el propio Times utilizó herramientas de IA para diversos fines y que la denuncia del periódico es un intento de sofocar la competencia. Los académicos legales están divididos sobre la solidez de estas defensas, con algunos argumentando que la escala de la copia y la naturaleza comercial del uso pesan en contra del uso justo, mientras que otros señalan la naturaleza transformadora del aprendizaje automático como una justificación convincente.
Reacciones de la industria y demandas paralelas
La demanda del Times es parte de una ola de litigios contra empresas de IA. En 2023, autores como Sarah Silverman, Christopher Golden y Richard Kadrey presentaron demandas colectivas contra OpenAI y Meta, mientras que el caso de la comediante Sarah Silverman se consolidó posteriormente con otros. Getty Images demandó a Stability AI en el Reino Unido y los EE. UU. por el uso de sus fotografías en el entrenamiento de generadores de imágenes. En 2024, la Authors Guild presentó una demanda colectiva contra OpenAI, y varios periódicos, incluidos el Chicago Tribune y el New York Daily News, se unieron a una demanda separada contra OpenAI y Microsoft.
Estos casos han provocado una variedad de respuestas en la industria. Algunas empresas, como Anthropic y Google DeepMind, han comenzado a licenciar contenido de editores, mientras que otras han abogado por un esquema de licencias legales similar al utilizado para la transmisión de música. La Oficina de Derechos de Autor de los EE. UU. lanzó una investigación pública sobre IA y derechos de autor en 2023, y la Unión Europea aprobó la Ley de IA en 2024, que incluye requisitos de transparencia para los datos de entrenamiento. El resultado del caso del Times podría sentar un precedente que influya en todos estos esfuerzos.
Cuestiones legales clave y precedentes
La cuestión legal central es si entrenar modelos de IA con texto protegido por derechos de autor constituye uso justo. Los tribunales han aplicado históricamente una prueba de cuatro factores: el propósito y el carácter del uso, la naturaleza de la obra protegida, la cantidad y sustancialidad de la porción utilizada, y el efecto en el mercado potencial. En el caso de 2015 Authors Guild v. Google, el Segundo Circuito encontró que la digitalización de libros de Google para búsqueda era uso justo, pero ese caso involucraba fragmentos limitados y un propósito no comercial. El Times argumenta que sus artículos son altamente creativos y expresivos, que los demandados copiaron obras completas, y que la capacidad de ChatGPT para producir resúmenes y extractos daña directamente los ingresos por licencias y el negocio de suscripciones del Times.
Otra cuestión clave es el problema de la "memorización". OpenAI ha reconocido que los modelos de lenguaje grandes a veces pueden reproducir datos de entrenamiento verbatim, especialmente cuando se les solicita de ciertas maneras. La denuncia del Times incluye ejemplos de tales salidas, que la empresa argumenta no son transformadoras sino una forma de copia completa. Los demandados contraargumentan que estos casos son raros y que los modelos están diseñados para generalizar, no para memorizar. Se espera que testigos expertos declaren en ambos lados sobre los detalles técnicos del entrenamiento de modelos y la probabilidad de reproducción.
Historia procesal y estado actual
Después de que se presentara la denuncia, el tribunal asignó el caso al juez Sidney H. Stein. A principios de 2024, OpenAI y Microsoft presentaron mociones para desestimar, argumentando que el Times no había alegado adecuadamente la infracción directa porque no identificaba salidas infractoras específicas. El Times enmendó su denuncia en marzo de 2024, añadiendo más ejemplos y aclarando sus reclamaciones. En julio de 2024, el juez Stein denegó las mociones para desestimar, permitiendo que el caso procediera al descubrimiento de pruebas. Esta decisión fue vista como una victoria significativa para el Times, ya que rechazó el argumento de los demandados de que el caso era demasiado especulativo.
Se espera que el descubrimiento sea contencioso, con el Times buscando acceso a los datos de entrenamiento de OpenAI y comunicaciones internas sobre el aprovisionamiento de datos. OpenAI ha resistido algunas solicitudes, citando secretos comerciales y la carga de producir conjuntos de datos masivos. El tribunal también ha ordenado a las partes discutir un posible acuerdo, pero no se ha alcanzado ningún acuerdo a principios de 2025. No se ha fijado una fecha de juicio, pero los observadores legales estiman que podría comenzar a finales de 2025 o 2026.
Implicaciones más amplias para el desarrollo de la IA
El caso tiene implicaciones más allá de las dos partes. Si el Times gana, las empresas de IA podrían verse obligadas a obtener licencias para todos los datos de entrenamiento protegidos por derechos de autor, lo que podría aumentar los costos y ralentizar la innovación. Algunas startups podrían cambiar a usar solo datos de dominio público o sintéticos, mientras que las empresas más grandes podrían invertir en conjuntos de datos propietarios o asociaciones con editores. El caso también podría afectar el desarrollo de modelos de código abierto, que dependen en gran medida de datos raspados y pueden no tener los recursos para cumplir con los requisitos de licencia.
Por el contrario, si OpenAI prevalece, podría legitimar la práctica de entrenar con material protegido por derechos de autor sin permiso, potencialmente llevando a un raspado más agresivo y menos compensación para los creadores. Este resultado podría acelerar la tendencia hacia el contenido generado por IA, ejerciendo más presión sobre las empresas de medios tradicionales. El caso es, por lo tanto, observado de cerca por tecnólogos, abogados y periodistas por igual, ya que ayudará a definir los límites de la propiedad intelectual en la era del aprendizaje automático.
Conclusión
NYT v. OpenAI (2023) es una batalla legal definitoria para la era de la IA generativa. Plantea preguntas fundamentales sobre la autoría, la propiedad y el valor de la creatividad humana en un mundo donde las máquinas pueden producir texto a gran escala. La resolución del caso, ya sea mediante decisión judicial o acuerdo, probablemente moldeará el futuro de la investigación en IA, la economía de los medios y la ley de derechos de autor durante décadas. Mientras el litigio se desarrolla, sirve como un recordatorio de que el rápido avance de las redes neuronales y el aprendizaje automático no es solo una historia técnica, sino una profundamente humana sobre quién se beneficia y quién soporta los costos del progreso tecnológico.