Microsoft y OpenAI enfrentan acusaciones de robo de trabajo humano en entrenamiento de IA
Un documento judicial desclasificado este jueves reveló que ejecutivos de Microsoft y OpenAI reconocieron públicamente que el uso de contenido periodístico para entrenar inteligencia artificial constituye una «grande robadera de trabajo en la historia humana». Las empresas han estado en una disputa legal con organizaciones periodísticas como The New York Times, que acusan a estas compañías de violar derechos de autor al recolectar grandes volúmenes de información periodística sin permiso.
Los documentos internos, presentados como parte de una demanda por resolución sumaria, muestran cómo Microsoft y OpenAI consideraban el impacto del scraping de noticias como una amenaza significativa antes de lanzar productos como ChatGPT y Copilot. En uno de los documentos, Brent Hecht, director de Ciencias Aplicadas en Microsoft, advirtió que esta práctica «representa un robo sin precedentes de proporciones extraordinarias», incluso llegando a calificarlo como «el mayor robo de trabajo en la historia humana».
Hecht también cuestionó públicamente la postura de Microsoft y OpenAI sobre el uso justo (fair use) de los contenidos de prensa para entrenar sus modelos de lenguaje. Según el documento, el plan de escaneo masivo de noticias «hace una completa burla de la idea de ‘uso justo'», lo cual contradice las afirmaciones oficiales de ambas compañías.
En OpenAI, el responsable del desarrollo de ChatGPT, Nick Turley, escribió en un mensaje interno que los editores enfrentarían una «amenaza existencial» debido a productos comerciales basados en contenido periodístico que podrían sustituir a los medios tradicionales. Este temor se ha convertido en realidad según datos recopilados por las organizaciones periodísticas.
Uno de los documentos de Microsoft describe lo que llamaron una «bucle de catástrofe» que afectaría tanto al rendimiento de los modelos de IA como al funcionamiento general de internet. El texto indica que «es muy poco común que un producto final amenace las bases económicas de sus proveedores esenciales», pero esa es precisamente la situación que se ha creado para el negocio de modelos de lenguaje grandes (LLMs) en relación con su cadena de suministro de contenido.
Los datos financieros respaldan esta preocupación. Microsoft registró caídas del 83% al 93% en las tasas de clics para algunos periodistas demandantes, mientras que otros sufrieron reducciones del 51% al 94%. Además, informes de ChatGPT mostraron niveles bajos de clics en sus resultados de búsqueda, y los propios medios reportaron disminuciones en el tráfico web.
Estas tendencias sugieren que la caída en ingresos de los medios puede comprometer la disponibilidad de información confiable para los sistemas de IA, lo cual es fundamental para su funcionamiento. Como señaló Hecht en otro documento, «casi nadie pretendía que el contenido que crearon fuera utilizado de esta manera ni reciben compensación por ello».
Las organizaciones periodísticas afirman que están listas para ir a juicio, ya que tienen pruebas sólidas de sustitución. Si logran demostrar que los chatbots están reemplazando a los medios en sus propios mercados y reproduciendo textualmente artículos, podrían invalidar las defensas legales de Microsoft y OpenAI sobre el uso justo.
Los periodistas argumentan que el futuro no solo de la profesión periodística sino también del desarrollo responsable de la inteligencia artificial depende de preservar los incentivos para que los seres humanos sigan creando obras creativas. Según ellos, los chatbots son «en gran medida sustitutivos, punto».
La controversia planteada por estos documentos internos podría tener implicaciones profundas en el futuro de la industria tecnológica y la protección de los derechos de autor, especialmente en el contexto de la evolución de los modelos de lenguaje grandes y su integración en servicios digitales masivos.
Traducción y adaptación por Tecnología 365.
Fuente original: Ars Technica