Un ejecutivo de Microsoft calificó el scraping para entrenar IA como "el mayor robo laboral de la historia", según documentos desclasificados del juicio de The New York Times

Documentos internos presentados sin redactar en la demanda judicial que The New York Times inició en 2023 contra OpenAI y Microsoft —a la que luego se sumaron el New York Daily News y el Center for Investigative Reporting— revelaron que un directivo de la compañía de Redmond calificó la práctica de recolectar contenido periodístico para entrenar modelos de inteligencia artificial como "un robo asombroso de proporciones sin precedentes" y, en otro pasaje, como "el mayor robo laboral de la historia humana". Los documentos fueron desclasificados el 17 de septiembre, según reconstruyeron TechCrunch, Gadget Review y el newsletter especializado Superpower Daily a partir del mismo expediente judicial.

La frase se atribuye a Brent Hecht, director de Ciencia Aplicada de Microsoft, en una comunicación interna de enero de 2023 en la que advertía sobre el scraping masivo de obras para entrenar grandes modelos de lenguaje y sobre cómo sería percibido por sus creadores. Ese documento integra ahora el expediente público del litigio, luego de que las partes acordaran desclasificar una serie de comunicaciones internas que hasta este mes permanecían bajo reserva judicial.

Entre los datos que salieron a la luz con la desclasificación, el escrito presentado por los medios demandantes cita, a partir de un documento interno de Microsoft fechado en enero de 2024, una caída de hasta 93% en el click-through hacia nytimes.com generado por las respuestas del "answer engine" de Copilot, en comparación con una búsqueda tradicional en Bing, con variaciones de entre 51% y 94% según el editor afectado. El mismo escrito de los demandantes identifica, a partir de la etapa de discovery del caso, un conjunto de datos de entrenamiento denominado "Project Mango" que habría incluido al menos 160.903 obras únicas provenientes de editoriales periodísticas.

La demanda de The New York Times contra OpenAI y Microsoft continúa en curso desde 2023, en un contexto en el que los tribunales estadounidenses venían mostrando, en términos generales, cierta inclinación hacia los argumentos de "uso justo" (fair use) esgrimidos por las compañías de inteligencia artificial. Los demandantes argumentan que estas comunicaciones internas podrían complicar esa defensa, en particular en el punto que exige demostrar que el uso del material no perjudicó el mercado de la obra original; Microsoft, por su parte, sostiene que los dichos de Hecht reflejan la perspectiva individual de un empleado y no la posición de la compañía.

El caso se suma a una ola más amplia de demandas de editoriales periodísticas contra las principales compañías de inteligencia artificial por el uso de contenido protegido por derechos de autor para entrenar sus modelos, en un momento en que la industria de medios busca que la Justicia defina los límites entre el entrenamiento de sistemas de IA y la explotación comercial de trabajo periodístico sin compensación.