The New York Times Company presentó una demanda contra OpenAI y 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 los demandados utilizaron millones de artículos periodísticos protegidos por derechos de autor sin permiso para entrenar sus modelos de lenguaje grandes y que los sistemas resultantes compiten con el contenido propio del periódico. El caso es una de las batallas legales más observadas sobre la intersección entre IA generativa y la ley de derechos de autor, con implicaciones para toda la industria de la inteligencia artificial.
La demanda se centra en reclamaciones de infracción de derechos de autor directa y vicaria, así como en violaciones de la Ley de Derechos de Autor del Milenio Digital. The Times busca daños estatutarios, medidas cautelares y la destrucción de cualquier modelo y conjunto de datos de entrenamiento que haya incorporado sus obras. OpenAI y Microsoft han respondido con mociones para desestimar, argumentando que su uso de los artículos constituye uso justo bajo la ley de derechos de autor de EE. UU., una defensa que aún no se ha resuelto completamente en los tribunales a principios de 2025.
Antecedentes y Partes
The New York Times, fundado en 1851, es uno de los periódicos más grandes e influyentes de los Estados Unidos, con una base de suscripciones digitales que supera los 10 millones para 2023. Su modelo de negocio depende en gran medida de reportajes exclusivos y contenido de pago. OpenAI, establecida en 2015, es una organización líder en investigación de IA que desarrolló la serie de modelos GPT, incluidos GPT-3 y GPT-4, que impulsan productos como ChatGPT. Microsoft, un inversor importante en OpenAI con un compromiso reportado de 13 mil millones de dólares, proporciona infraestructura en la nube a través de Azure e integra los modelos de OpenAI en su motor de búsqueda Bing y su suite de productividad Office.
La denuncia identifica más de 100 ejemplos específicos donde ChatGPT y Bing Chat supuestamente reprodujeron artículos de The Times casi palabra por palabra, a menudo detrás de muros de pago, sin atribución ni licencia. The Times argumenta que esto socava su capacidad para monetizar su periodismo, ya que los usuarios pueden obtener la misma información de los sistemas de IA sin suscribirse.
Reclamaciones Legales y Alegaciones
La reclamación principal es la infracción de derechos de autor, afirmando que los demandados copiaron, reprodujeron y distribuyeron los artículos de The Times durante el entrenamiento de sus modelos. La denuncia detalla cómo el proceso de entrenamiento implica ingerir corpus de texto masivos extraídos de internet, que incluían millones de artículos de The Times. The Times además alega que los modelos pueden generar resultados sustancialmente similares a sus artículos, a veces incluyendo oraciones o párrafos exactos.
La demanda también alega infracción vicaria, afirmando que OpenAI y Microsoft se beneficiaron directamente de los actos infractores de sus usuarios, quienes incitaron a los modelos a reproducir contenido protegido por derechos de autor. Adicionalmente, The Times afirma una reclamación bajo la Ley de Derechos de Autor del Milenio Digital, argumentando que los demandados eliminaron o alteraron información de gestión de derechos de autor, como firmas y avisos de copyright, durante el proceso de entrenamiento.
Argumentos de Defensa
OpenAI y Microsoft presentaron una moción para desestimar en febrero de 2024, argumentando que la demanda se basa en reclamaciones especulativas y que el uso de obras protegidas para entrenamiento es un uso justo transformador. Contienden que los modelos no reemplazan el mercado de los artículos originales, sino que sirven como una nueva herramienta para la síntesis de información. Los demandados también señalan que los artículos de The Times eran accesibles públicamente en línea, y que el proceso de entrenamiento implica patrones estadísticos en lugar de copia directa.
En sus escritos, OpenAI ha enfatizado sus esfuerzos por proporcionar atribución y permitir que los editores opten por no participar en el entrenamiento, aunque The Times argumenta que estas medidas son insuficientes y llegaron solo después de que ocurriera la infracción. Los demandados también han señalado que The Times utiliza herramientas de IA para diversos fines, sugiriendo un cierto grado de aceptación de la tecnología.
Contexto de la Industria y Casos Relacionados
La demanda es parte de una ola más amplia de disputas de derechos de autor que involucran a empresas de IA. En 2023, autores como Sarah Silverman y George R.R. Martin presentaron demandas colectivas contra OpenAI y otras empresas, mientras que artistas visuales demandaron a Stability AI y Midjourney. Getty Images presentó una demanda separada contra Stability AI en el Reino Unido y EE. UU. Estos casos comparten preguntas comunes sobre si entrenar con datos protegidos por derechos de autor constituye uso justo, y si los resultados generados por IA pueden infringir obras existentes.
El resultado del caso de The New York Times podría sentar precedente sobre cómo los tribunales interpretan el uso justo en el contexto del aprendizaje automático. Los académicos legales han señalado que la doctrina del uso transformador, establecida en casos como Authors Guild v. Google, puede ser central para la defensa. Sin embargo, la naturaleza comercial de los productos de OpenAI y el posible daño al mercado de The Times distinguen este caso de precedentes anteriores.
Aspectos Técnicos de los Datos de Entrenamiento
El entrenamiento de modelos de lenguaje grandes implica alimentar miles de millones de palabras de diversas fuentes, incluidos libros, sitios web y artículos de noticias. El GPT-3 de OpenAI, lanzado en 2020, fue entrenado con un conjunto de datos llamado Common Crawl, que contiene petabytes de páginas web. The Times alega que sus artículos fueron incluidos en este y conjuntos de datos posteriores sin autorización. El proceso técnico implica convertir texto en representaciones numéricas utilizando técnicas como transformadores y atención de múltiples cabezas, que permiten al modelo aprender patrones y generar respuestas coherentes.
OpenAI ha reconocido que sus datos de entrenamiento incluyen contenido web disponible públicamente, pero no ha revelado la composición completa de sus conjuntos de datos. La empresa ha implementado filtros para reducir la probabilidad de reproducir texto protegido por derechos de autor palabra por palabra, pero la denuncia de The Times proporciona ejemplos donde estos filtros fallaron. El caso ha provocado discusiones sobre la necesidad de un abastecimiento de datos más transparente y el potencial de acuerdos de licencia entre empresas de IA y creadores de contenido.
Historia Procesal y Estado
Después de la presentación inicial, el tribunal consolidó el caso con otras demandas de derechos de autor relacionadas contra OpenAI para fines de instrucción previa al juicio, aunque el caso de The Times sigue siendo distinto. En marzo de 2024, el juez denegó parcialmente la moción de desestimación de los demandados, permitiendo que las reclamaciones centrales de derechos de autor procedieran mientras desestimaba algunas reclamaciones secundarias. A principios de 2025, las partes están involucradas en el descubrimiento de pruebas, con The Times buscando acceso a los datos de entrenamiento de OpenAI y comunicaciones internas.
Un desarrollo clave ocurrió en noviembre de 2024 cuando OpenAI presentó una contrademanda contra The Times, alegando que el periódico había contratado a un contratista para manipular ChatGPT y hacer que reprodujera material protegido por derechos de autor, violando los términos de servicio de la plataforma. The Times ha negado estas alegaciones, calificándolas de distracción de los problemas centrales. El caso está programado para juicio a finales de 2025, aunque un acuerdo sigue siendo posible dado lo mucho que está en juego para ambas partes.
Implicaciones para el Periodismo y la IA
La demanda tiene implicaciones significativas para la industria de noticias, que ha luchado por adaptarse a la economía digital. Muchos editores han celebrado acuerdos de licencia con empresas de IA, como los acuerdos entre OpenAI y Axel Springer, Associated Press y News Corp. Sin embargo, The Times ha elegido el litigio, argumentando que la licencia por sí sola no aborda el daño fundamental del uso no autorizado. El caso podría determinar si las empresas de IA deben pagar por los datos que sustentan sus productos, remodelando potencialmente la economía tanto del periodismo como del desarrollo de IA.
Para la industria de la IA, un fallo adverso podría obligar a las empresas a revisar sus prácticas de entrenamiento, limitando potencialmente la escala de los conjuntos de datos y aumentando los costos. Por el contrario, un fallo a favor de OpenAI podría establecer protecciones amplias de uso justo, fomentando una mayor innovación pero generando preocupaciones entre los creadores de contenido. El caso es observado de cerca por investigadores en instituciones como MIT CSAIL y Stanford AI Lab, que estudian las dimensiones legales y éticas de la IA.
Reacciones Públicas y Académicas
La opinión pública sobre la demanda está dividida. Los periodistas y defensores de los medios generalmente apoyan a The Times, viéndolo como una defensa de la propiedad intelectual y la sostenibilidad del periodismo de calidad. Los entusiastas de la tecnología y algunos investigadores de IA argumentan que fallos restrictivos sobre derechos de autor podrían obstaculizar el progreso, señalando la larga historia de usar obras existentes para crear nuevo conocimiento. Los expertos legales han señalado que el caso podría finalmente llegar a la Corte Suprema, dada la novedad e importancia de las preguntas involucradas.
Los académicos también han debatido el concepto de uso justo en el contexto de la IA, con algunos proponiendo nuevos marcos que equilibren la innovación con los derechos de los creadores. El caso ha impulsado conferencias académicas y artículos, incluidos análisis de cómo las redes neuronales memorizan datos de entrenamiento y las condiciones bajo las cuales ocurre la reproducción. Esta investigación podría informar decisiones judiciales y legislación futura.
Resultados Potenciales y Direcciones Futuras
Varios resultados potenciales son posibles. El tribunal podría dictaminar que entrenar con obras protegidas por derechos de autor es uso justo, lo que probablemente llevaría a más negociaciones de licencia pero no a pagos obligatorios. Alternativamente, el tribunal podría encontrar infracción, requiriendo que OpenAI pague daños y posiblemente destruya sus modelos, lo que sería sin precedentes y disruptivo. Un punto intermedio podría implicar un fallo que permita el entrenamiento pero requiera salvaguardas más fuertes contra la reproducción palabra por palabra, o que mande un régimen de licencia.
Más allá de la sala del tribunal, el caso ha provocado propuestas legislativas, como la Ley de Transparencia de Modelos de Fundación de IA, que requeriría que las empresas revelen las fuentes de datos de entrenamiento. La Ley de IA de la Unión Europea, aprobada en 2024, incluye disposiciones sobre cumplimiento de derechos de autor para datos de entrenamiento. Estos esfuerzos regulatorios podrían proporcionar un marco que reduzca la necesidad de litigios caso por caso. La demanda NYT v. OpenAI se erige así como un caso histórico que influirá en cómo la sociedad equilibra los beneficios de la IA con los derechos de los creadores durante años venideros.