La batalla legal que decidirá si la IA paga por el periodismo

The Seattle Times Company y Newsday presentaron en septiembre una nueva demanda contra OpenAI y Microsoft ante la corte federal de Nueva York. Entre ambos acumulan 30 premios Pulitzer, y su reclamo condensa el conflicto central de la inteligencia artificial generativa: sus artículos fueron extraídos de sus sitios, en varios casos burlando muros de pago, para entrenar los modelos de lenguaje que hoy compiten por los mismos lectores, anunciantes y suscripciones que sostienen al periodismo.

La demanda describe un mecanismo que la industria ya conoce. El contenido protegido habría ingresado en grandes conjuntos de datos como Common Crawl o el índice de búsqueda de Bing, y los sistemas no solo parafrasearían las notas, sino que serían capaces de reproducir pasajes completos, tras remover los metadatos que identificaban a autores y títulos. El dato económico elegido como evidencia del daño es elocuente: Bing, lanzado en 2009, no superó los 100 millones de usuarios diarios hasta integrar la tecnología de OpenAI en febrero de 2023, y en las seis semanas siguientes sus visitas crecieron más de 15 %, un salto atribuido a las respuestas generadas con contenido de sitios como los demandantes.

De todos modos, la ofensiva viene de antes. The New York Times demandó a OpenAI y Microsoft a fines de 2023, y luego se sumaron el Daily News, el Chicago Tribune, Ziff Davis y el Center for Investigative Reporting. El caso del Times expone otra dimensión del conflicto: el costo. Según presentaciones regulatorias citadas por Clarín, el periódico ya gastó más de 28 millones de dólares en litigar contra empresas de IA, incluyendo una causa separada contra Perplexity.

Esa cifra explica por qué muchos medios eligieron el camino inverso: The Associated Press firmó en 2023 el primer acuerdo de licencia con OpenAI y desde entonces decenas de redacciones negocian contratos para autorizar el uso de sus archivos a cambio de una tarifa.

También la presión produce acuerdos de gran escala. Anthropic, rival de OpenAI, aceptó pagar 1.500 millones de dólares a autores de libros por entrenar su chatbot Claude con obras protegidas, el mayor pacto de este tipo hasta ahora, en una compañía valorada en 965.000 millones de dólares mientras se prepara para cotizar en bolsa. La comparación sugiere que incluso las compensaciones récord representan un costo menor frente al valor de mercado construido sobre el trabajo ajeno.

En paralelo avanza una disputa procesal que puede resultar decisiva. Los demandantes pidieron a un juez federal que sancione a OpenAI por “obstrucción” y “tergiversaciones” en la etapa de entrega de pruebas, acusándola de ocultar conjuntos de datos y registros de ChatGPT que mostrarían el uso de contenido periodístico. El abogado del Daily News, Steven Lieberman, afirmó que la empresa pasó dos años haciendo declaraciones falsas sobre su capacidad para rastrear material protegido en sus modelos. OpenAI rechaza las acusaciones, justifica los límites a la entrega de registros como una protección de la privacidad de los usuarios y defiende el uso legítimo.

El debate jurídico de fondo

Detrás de las acusaciones puntuales hay una cuestión estructural. En Estados Unidos, las empresas de IA se amparan en el fair use: entrenar un modelo con material protegido sería un uso transformador, porque el sistema no copia la obra sino que aprende patrones para crear contenido nuevo. Los demandantes responden que no hay nada transformador en fabricar productos que sustituyen a la obra original. En la Unión Europea, la discusión transita por otro carril: la Directiva DSM permite la minería de texto y datos, pero condiciona el uso comercial al respeto de las reservas de derechos y a la eliminación de los datos una vez finalizado el proceso.

Ambos marcos se complican por la memorización técnica. Tal como advierte una investigación publicada en arXiv, cuando un modelo reproduce pasajes completos de su entrenamiento, la idea del uso transformador se debilita: ya no se trata de aprender patrones, sino de almacenar y devolver copias. El caso de Suno AI, citado en ese mismo estudio, es paradigmático: la empresa de música generativa admitió que su base incluía “esencialmente toda la música de calidad razonable accesible en internet” y defendió esa práctica como un proceso invisible al público. Los tribunales aún tienen que decir si esa defensa prospera.

El espejo latinoamericano

Para los medios de América Latina el conflicto no es una noticia remota: es un anticipo. Es razonable asumir que los modelos entrenados en español también se nutren de contenidos de redacciones locales, muchas veces publicados en abierto y sin muros de pago que compliquen la extracción. La asimetría es doble: mientras The New York Times puede gastar decenas de millones de dólares en abogados, la mayoría de los diarios de la región carece de presupuesto para litigar contra empresas tecnológicas globales.

Además, el marco legal latinoamericano es heterogéneo. No existe un equivalente directo del fair use estadounidense ni de las excepciones europeas de minería de datos; en muchos países las leyes de propiedad intelectual son formalmente protectoras, pero de aplicación débil cuando la infractora está fuera de la jurisdicción. La vía de las licencias colectivas, el camino que abrió AP, aparece como la opción más realista para la región, aunque exige un requisito previo que todavía no está garantizado: transparencia sobre qué contenidos se usan para entrenar los modelos y en qué condiciones.

Para los directivos de medios latinoamericanos, la pregunta incómoda es directa: si las organizaciones periodísticas más poderosas del mundo necesitaron años de litigios y millones de dólares para lograr que las empresas de IA reconocieran el valor de su contenido, ¿qué deberían estar negociando hoy las redacciones de la región antes de que el próximo salto tecnológico vuelva irrelevante incluso este debate?