The New York Times acusa a OpenAI de ocultar evidencia en juicio por derechos de autor sobre ChatGPT

Qué pasó

The New York Times y The Daily News solicitaron a un tribunal que sancione a OpenAI por, supuestamente, retener evidencia clave en el juicio por derechos de autor que ambas publicaciones mantienen contra la empresa de inteligencia artificial desde hace dos años. Las demandantes acusan a la firma de haber mentido repetidamente sobre su capacidad técnica para buscar en su propio corpus de entrenamiento y en los registros de conversaciones de ChatGPT, con el fin de dificultar el acceso a información sobre eventuales infracciones.

El punto de inflexión se produjo en una deposición ordenada por el tribunal en abril, donde el ingeniero de privacidad de datos de OpenAI, Vinnie Monaco, habría reconocido que la compañía ya había realizado búsquedas y evaluaciones internas en su corpus de entrenamiento para localizar obras periodísticas protegidas. Además, Monaco habría revelado que, incluso antes de que el New York Times presentara la demanda, OpenAI había acumulado una base de datos con aproximadamente 78 millones de conversaciones de ChatGPT desidentificadas, la cual utilizaba internamente para medir el grado de reproducción de contenido de terceros en sus respuestas.

Las demandantes también sostienen que, poco después de presentada la demanda, OpenAI implementó un filtro denominado Bloom como parte de un conjunto de herramientas llamado Project Giraffe, diseñado para detectar y registrar instancias en que el modelo regurgitaba contenido protegido en sus respuestas. Originalmente, las publicaciones habían solicitado una muestra de 120 millones de registros de chat, cifra que OpenAI logró reducir mediante negociación a 20 millones. Sin embargo, la muestra finalmente entregada en diciembre pasado contenía tantas tachaduras que el tribunal la calificó de inutilizable.

A estas acusaciones se suma la denuncia de que OpenAI habría eliminado miles de millones de respuestas de ChatGPT tras la presentación de la demanda, en presunta violación directa de la orden de preservación dictada por el juzgado, y que habría sustituido millones de registros en la muestra solicitada. Ian B. Crosby, abogado principal de las demandantes, sostuvo en una declaración que, si OpenAI hubiera estimado genuinamente que copiar el trabajo periodístico de sus clientes era legal, no habría ocultado la verdad sobre haberlo hecho.

Contexto

El caso entre The New York Times, The Daily News y OpenAI se ha consolidado como uno de los litigios más relevantes en la intersección entre propiedad intelectual y desarrollo de inteligencia artificial generativa. La demanda original alega que OpenAI entrenó sus modelos con contenido protegido por derechos de autor y que, posteriormente, ChatGPT reprodujo ese periodismo en las respuestas entregadas a sus usuarios, configurando una infracción a las leyes de propiedad intelectual vigentes en Estados Unidos.

A lo largo del proceso, OpenAI ha mantenido la postura de que carece de la capacidad técnica para buscar en su propio corpus de entrenamiento y que producir su enorme colección de conversaciones implicaría una carga técnica significativa, además de eventuales riesgos para la privacidad de los usuarios, dado que los registros deberían ser recuperados, procesados y desidentificados. Esta argumentación ha sido central en la estrategia defensiva de la compañía y ha condicionado el alcance de las pruebas entregadas al tribunal.

El procedimiento se enmarca en una serie de litigios paralelos que enfrentan a desarrolladores de modelos de inteligencia artificial con editores, autores y agencias de noticias, quienes alegan que el entrenamiento de sistemas generativos se ha realizado sin las licencias correspondientes. La evolución de este caso es observada de cerca por la industria, dado que podría sentar precedentes sobre los deberes de transparencia, preservación de evidencia y descubrimiento probatorio aplicables a las empresas de inteligencia artificial en disputas por propiedad intelectual. La incorporación de herramientas internas como el filtro Bloom y la base de datos de conversaciones refuerza la percepción de que estas firmas cuentan con capacidades técnicas de búsqueda e inspección que no siempre transparentan en sede judicial.

Impacto para empresas chilenas

Para las empresas chilenas que desarrollan o implementan soluciones de inteligencia artificial, este litigio ilustra la creciente importancia de documentar de manera precisa los datos utilizados en el entrenamiento de modelos. La revelación de que OpenAI supuestamente disponía de capacidades de búsqueda y monitoreo interno no transparentadas durante un proceso judicial subraya los riesgos legales asociados a la opacidad en la gestión de datos y contenido protegido por derechos de autor. Las compañías locales, en particular aquellas que trabajan con modelos de lenguaje de gran escala o adaptan modelos globales a necesidades del mercado chileno, deben considerar la trazabilidad del contenido con el que entrenan sus sistemas como un componente crítico de su estrategia de cumplimiento normativo.

En el ámbito de los medios de comunicación y del periodismo chileno, el caso refuerza la posición de editores y titulares de derechos frente a eventuales usos no autorizados de su contenido por parte de plataformas de inteligencia artificial. Pequeños y medianos medios, así como creadores de contenido independientes, podrían verse favorecidos por eventuales precedentes que fortalezcan la exigibilidad de licencias o compensaciones. La situación también invita a las empresas chilenas a evaluar la contratación de servicios legales especializados en propiedad intelectual aplicada a inteligencia artificial, una disciplina aún en formación en el país.

Finalmente, el desarrollo de este litigio puede influir en cómo las empresas nacionales estructuran sus políticas de retención de datos, preservación de evidencia y gobierno de datos. Sectores como el financiero, el retail y la salud, que exploran aplicaciones de inteligencia artificial generativa para atención al cliente, análisis de información o generación de contenido, encontrarán en este tipo de casos señales claras sobre los estándares de transparencia y responsabilidad que reguladores y tribunales podrían exigir en el corto y mediano plazo.

Qué sigue

En las próximas semanas, el tribunal deberá resolver si OpenAI enfrentará sanciones disciplinarias por la supuesta retención y eliminación de evidencia, decisión que podría incluir desde multas hasta eventuales presunciones adversas en el juicio. De prosperar las acusaciones de las demandantes, el caso podría avanzar hacia una fase de descubrimiento probatorio más exhaustiva, en la cual OpenAI estaría obligada a entregar versiones menos censuradas de sus registros internos y muestras de conversaciones.

Más allá del resultado particular, las implicancias de este litigio se proyectan sobre la regulación global de la inteligencia artificial, incluyendo debates legislativos en curso sobre transparencia algorítmica, uso de contenido protegido y derechos de los creadores. Un fallo adverso a OpenAI podría acelerar la adopción de marcos normativos que exijan a las empresas de inteligencia artificial documentar exhaustivamente el origen de sus datos de entrenamiento y los mecanismos de monitoreo implementados para prevenir infracciones.