Enero de 2023. Un directivo de Microsoft llamado Brent Hecht escribe un memo interno y no se anda con rodeos. Llama a la práctica de alimentar inteligencias artificiales con artículos periodísticos ajenos «un robo asombroso de proporciones sin precedentes» e, incluso, «el mayor robo de trabajo ajeno en la historia de la humanidad«. No es un activista ni un competidor hablando, sino el Director de Ciencia Aplicada de Microsoft, la misma empresa que meses después lanzaría Copilot.

Ese memo, y decenas de otros documentos internos de Microsoft y OpenAI, permanecieron bajo confidencialidad durante años, pero ahora salen a la luz como parte de una demanda judicial que el New York Times y otros medios presentaron contra ambas compañías, acusándolas de entrenar sus modelos de inteligencia artificial con contenido periodístico protegido por derechos de autor, sin permiso ni pago.

Los documentos fueron desclasificados este mes tras una solicitud de sentencia sumaria —un pedido formal para que el tribunal falle sin necesidad de ir a juicio— presentada por los medios demandantes, liderados por el New York Times. Y lo que revelan, según reportaron los sitios especializados Ars Technica y TechCrunch, es que dentro de las propias empresas ya sabían que estaban haciendo daño.

Un «bucle de la perdición» que las propias empresas vieron venir

El concepto que más se repite en los documentos es el de «doom loop» o «bucle de la perdición». La idea es simple: si las inteligencias artificiales le quitan lectores y clics a los medios de noticias, esos medios producirán menos contenido de calidad, y entonces las propias IA —que necesitan noticias frescas y confiables para funcionar bien— terminarán perjudicándose a sí mismas.

Un documento interno de Microsoft lo plantea sin vueltas: «Es muy inusual que un producto final amenace los cimientos económicos de sus proveedores esenciales, pero esa es la situación que hemos creado para nuestro negocio de modelos de lenguaje con respecto a su cadena de suministro de contenido».

Los números que la propia Microsoft manejaba internamente respaldan esa preocupación: sus datos muestran caídas de entre 83% y 93% en la tasa de clics hacia los sitios de algunos medios demandantes cuando los usuarios usaban su buscador con inteligencia artificial (Copilot) en lugar de Bing tradicional, y de entre 51% y 94% para otros. Es decir, la gente le pregunta al chatbot y ya no necesita visitar la página original de la noticia.

En OpenAI, la creadora de ChatGPT, el diagnóstico interno era igual de crudo. Nick Turley, jefe del producto ChatGPT, escribió que los medios enfrentaban una «amenaza existencial» por parte de productos comerciales entrenados con su contenido, capaces de reemplazarlos directamente. En sus palabras, los chatbots son «en gran medida sustitutivos» y «se volverán cada vez más sustitutivos a medida que mejoren».

Este punto es clave para el juicio. La ley de derechos de autor permite usar contenido ajeno sin permiso bajo la doctrina del «uso justo» (fair use, en inglés), pero uno de sus requisitos centrales es que ese uso no debe sustituir ni dañar el mercado de la obra original. Si un chatbot le da al usuario toda la información sin que necesite visitar la fuente, ese requisito empieza a tambalear.

El propio director ejecutivo de Microsoft, Satya Nadella, lo reconoció bajo juramento en una declaración judicial este año. Dijo que los chatbots han sustituido la experiencia de «darte la información ahí mismo en la plataforma de IA, en vez de necesitar ir a la fuente original».

El «hack» para saltarse el muro de pago y el borrado de derechos de autor

Más allá del debate legal sobre el uso justo, los documentos exponen episodios puntuales que lucen especialmente incómodos para las empresas. Uno de ellos: un ingeniero de OpenAI, Nick Ryder, le contó al presidente de la compañía, Greg Brockman, que habían encontrado «un truco para saltarse el muro de pago del New York Times» —el sistema que bloquea el acceso a artículos completos a quienes no pagan una suscripción—. La respuesta de Brockman, según los chats internos citados en la demanda, fue escueta: «ah, qué bueno».

Los medios demandantes también acusan a OpenAI de haber eliminado deliberadamente los avisos de derechos de autor de los textos usados para entrenar sus modelos, para evitar que el chatbot terminara mostrando esos avisos a los usuarios y delatando así el origen del material.

La escala del uso de contenido, según los documentos, es enorme: solo los conjuntos de datos de «mid-training» de OpenAI contendrían más de 91.692 copias de artículos publicados por el New York Times, el Daily News y el Center for Investigative Reporting. Un set de datos derivado de Common Crawl —un repositorio abierto de rastreo de internet— incluía más de dos millones de documentos solo del sitio del Times.

Además, la demanda detalla que Microsoft habría entregado a OpenAI datos de entrenamiento reunidos originalmente para su buscador Bing, a través de iniciativas internas llamadas «Project Taxi» y «Project Mango», en lo que los medios califican como una violación de las normas del rubro, ya que ese contenido se habría recolectado con el consentimiento de los sitios para funcionar como buscador, no para entrenar modelos comerciales de IA.

Y una cosa más: los documentos muestran que Microsoft y OpenAI eran conscientes del problema a un nivel casi filosófico. Un memo interno lo describe como un «dilema del prisionero», es decir, toda la industria de la IA se beneficiaría si todas las empresas pagaran por sostener la producción de contenido original, pero cada empresa individual sale ganando si toma ese contenido gratis mientras las demás sí pagan. Nadie quiere ser el primero en pagar, así que nadie paga.

Los medios demandantes sostienen que ya reunieron suficiente evidencia de que los chatbots efectivamente sustituyen a los medios en sus propios mercados, además de reproducir fragmentos de artículos casi palabra por palabra cuando se les pide, por ejemplo, resumir una noticia o «calificar el sesgo» de un artículo. Con eso, dicen estar listos para ir a juicio.

Steven Lieberman, abogado que representa al New York Daily News y otros siete diarios, fue tajante: «La evidencia revelada aquí por primera vez muestra que OpenAI y Microsoft sabían que lo que estaban haciendo estaba mal». Agregó que, tras años de mantener estos documentos en secreto, «finalmente el mundo puede ver lo que OpenAI y Microsoft pensaban, desde el principio, sobre la justicia de su propio comportamiento».

Microsoft, por su parte, respondió que los comentarios de Hecht «reflejan la perspectiva individual de un empleado, no son un análisis legal y no representan la postura de la empresa». OpenAI no respondió a las solicitudes de comentario de la prensa.

El desenlace de este juicio, que lleva ya tres años en tribunales de Estados Unidos, podría marcar un precedente clave para toda la industria: si un tribunal determina que copiar noticias para entrenar IA no es un uso justo, empresas como Google —cuyo sistema de resúmenes con IA también ha sido acusado de restarle tráfico a los medios— podrían verse obligadas a licenciar y pagar por el contenido que hoy usan gratis. La pregunta de fondo ya no es solo legal: es si el periodismo puede sobrevivir para seguir alimentando, justamente, a las máquinas que hoy lo reemplazan.

¿Cómo hicimos esta nota?

Esta nota fue redactada con la inteligencia artificial de Claude (Anthropic). El periodista investigó preliminarmente, seleccionó las fuentes y las entregó a Claude para su redacción usando como referencia el estilo de escritura del autor. Luego el periodista revisó la nota, realizó ediciones y verificó sus fuentes.

(Irónico, ¿no?)

The post Revelan correos donde Microsoft y OpenAI reconocen que su IA hizo «el mayor robo de la historia» appeared first on BioBioChile.