Los números clave
La cronología de este conflicto legal se extiende por varios años. La demanda inicial de The New York Times fue presentada el 27 de diciembre de 2023, alegando infracción de derechos de autor y dilución de marcas. Los documentos internos más incriminatorios incluyen un memorando de enero de 2023 del Director de Ciencia Aplicada de Microsoft, Brent Hecht, donde se acuñó la frase "el mayor robo de mano de obra en la historia". Un juez federal permitió que el núcleo del caso avanzara en abril de 2025, y las presentaciones judiciales sin censura fueron finalmente desclasificadas el 17 de septiembre de 2026, revelando la magnitud de las admisiones internas.
En cuanto al volumen de datos, las acusaciones son contundentes. Se alega que OpenAI utilizó "millones" de artículos de noticias para entrenar sus modelos de IA. Un conjunto de datos de entrenamiento intermedio de OpenAI contenía más de 91,692 copias de artículos de The Times, New York Daily News y el Center for Investigative Reporting. Otro conjunto de datos, denominado Common Crawl, tenía más de 2 millones de documentos solo de nytimes.com. En total, se sostiene que se raspó contenido de más de 10 millones de artículos, de los cuales casi un tercio procedían exclusivamente de The New York Times.
El impacto en el tráfico web para los editores de noticias es igualmente alarmante. Documentos internos de Microsoft mostraron que las tasas de clics (CTR) a los sitios de noticias cayeron drásticamente hasta un 93% en los resultados de Copilot, la herramienta de IA de Microsoft. Específicamente, las disminuciones de la tasa de clics oscilaron entre el 83% y el 93% para algunos demandantes de noticias y entre el 51% y el 94% para otros, con Copilot reduciendo los clics a The New York Times en un contundente 93% en comparación con las búsquedas tradicionales de Bing. Estas cifras no solo demuestran la escala del raspado, sino también el potencial impacto económico devastador para la industria del periodismo.
Analisis de la tendencia
Estas revelaciones marcan un punto de inflexión en el debate sobre la inteligencia artificial y los derechos de autor. La tendencia es clara: una confrontación directa entre el apetito insaciable de los modelos de IA por los datos y la necesidad de proteger la propiedad intelectual y la sostenibilidad de los creadores de contenido. Las admisiones internas de ejecutivos de Microsoft y OpenAI socavan directamente su defensa de "uso legítimo" (fair use), que es un concepto legal que permite el uso limitado de material protegido por derechos de autor sin permiso. Un memorando interno de Microsoft, por ejemplo, afirmaba que el scraping "se burlaría por completo de la idea del 'uso legítimo'".
Ejecutivos de OpenAI, como Nick Turley, jefe de ChatGPT, calificaron a los chatbots de "sustitutivos en gran medida" y una "amenaza existencial" para los editores. La reacción de Greg Brockman, presidente de OpenAI, al enterarse de un truco para eludir el muro de pago de The New York Times con un simple "ah nice", sugiere una falta de respeto o al menos una desconexión con las implicaciones éticas y legales de sus acciones. Incluso Satya Nadella, CEO de Microsoft, testificó que el contenido con muro de pago debería licenciarse para el entrenamiento de IA y que habría requerido reentrenar los modelos si hubiera sabido que OpenAI raspaba material de pago, aunque la postura oficial de Microsoft considera las declaraciones de Hecht como "la perspectiva individual de un empleado" que "no representa las opiniones de la compañía".
El concepto de "bucle de fatalidad" o "doom loop", planteado por Brent Hecht, es una preocupación central. Este bucle describe un escenario en el que el scraping de IA daña a los editores de noticias al robar su contenido y reducir su tráfico e ingresos. Esto, a su vez, lleva a una disminución en la calidad y cantidad del contenido periodístico producido. Finalmente, los modelos de IA, al ser entrenados con contenido de menor calidad, se vuelven menos útiles, dañando la propia promesa de la IA y el ecosistema web en su conjunto. Esta tendencia apunta a un futuro donde la IA podría, paradójicamente, socavar la fuente misma de su inteligencia.
Contexto regional
La información investigada se centra predominantemente en el litigio en Estados Unidos y las implicaciones regulatorias en EE. UU. y Europa. Hasta la fecha, no se han encontrado datos específicos en las búsquedas complementarias sobre la regulación regional, la adopción de IA con prácticas de scraping o empresas de medios locales directamente afectadas por este evento particular en América Latina. Sin embargo, la discusión legal global sobre el scraping de datos para el entrenamiento de IA, y las preocupaciones sobre la privacidad y los derechos de autor, son intrínsecamente relevantes a nivel mundial y podrían influir en futuras legislaciones o casos en la región.
Aunque el impacto directo en medios latinoamericanos no ha sido cuantificado en este caso, la fragilidad financiera de muchas redacciones en la región las hace especialmente vulnerables a la disminución de ingresos publicitarios o de tráfico web. Un "bucle de fatalidad" podría tener consecuencias desastrosas para la diversidad y calidad del periodismo en países donde los recursos ya son limitados. La falta de marcos regulatorios específicos para la IA y los derechos de autor en la mayoría de los países latinoamericanos podría dejar a los creadores de contenido locales desprotegidos ante prácticas similares. Este caso sienta un precedente global que los legisladores y la industria de medios en Latinoamérica deberán observar muy de cerca.
Perspectiva a futuro
El desenlace de la demanda de The New York Times contra OpenAI y Microsoft será determinante para el futuro de la industria de la IA y el periodismo. Los editores demandantes buscan compensaciones por miles de millones de dólares, y una victoria podría obligar a un cambio radical en cómo las empresas de IA adquieren sus datos de entrenamiento, pasando de un modelo de raspado indiscriminado a uno de licenciamiento. Esto podría crear nuevas fuentes de ingresos para los medios de comunicación, vitales para su supervivencia, pero también encarecer el desarrollo de la IA.
Es probable que veamos una intensificación en el desarrollo de modelos de licenciamiento de contenido, así como la emergencia de nuevas legislaciones que busquen un equilibrio entre la innovación en IA y la protección de la propiedad intelectual. La Unión Europea, con su Ley de IA, ya está sentando bases para una regulación más estricta, y es previsible que otras jurisdicciones, incluyendo potencialmente las latinoamericanas, sigan su ejemplo. Esto podría llevar a una diversificación de las fuentes de datos para el entrenamiento de IA, incluyendo más datos sintéticos o contenido específicamente licenciado y curado.
El "post-scrape" internet podría ser un lugar donde los creadores de contenido sean compensados justamente, o donde los muros de pago se vuelvan aún más impenetrables, limitando el acceso a la información. Para los profesionales tecnológicos, la lección es clara: el desarrollo de la IA no puede desvincularse de sus implicaciones éticas, legales y económicas. La colaboración entre desarrolladores de IA, creadores de contenido y legisladores será esencial para forjar un futuro sostenible para ambas industrias.
