USA Today demanda a OpenAI por más de 250 millones de dólares por presunta infracción de derechos de autor
USA Today y 13 entidades afiliadas han presentado una demanda contra OpenAI ante un tribunal federal de Nueva York, en la que reclaman más de 250 millones de dólares por presunta infracción deliberada de derechos de autor. La denuncia sostiene que la compañía de inteligencia artificial copió cientos de miles de artículos de 19 publicaciones periodísticas para entrenar y operar sus modelos, además de reproducir o reformular posteriormente esa información en las respuestas ofrecidas a los usuarios de ChatGPT. Según el escrito judicial, las publicaciones afectadas incluyen cabeceras como USA TODAY, The Tennessean, The Indianapolis Star, Detroit Free Press, The Arizona Republic, Milwaukee Journal Sentinel y The Columbus Dispatch, entre otras. Los demandantes consideran que el uso de estos contenidos sin licencia perjudica a un modelo de negocio basado en atraer lectores a sus páginas y obtener ingresos mediante publicidad y suscripciones, fundamentales para financiar la producción de información periodística.
La demanda reclama más de 250 millones de dólares en daños y perjuicios. Según el escrito, los demandantes solicitan hasta 150.000 dólares por cada obra cuya infracción se considere deliberada y hasta 25.000 dólares por cada supuesto caso de eliminación de información sobre derechos de autor.
Los publishers sostienen que OpenAI sabía o debería haber sabido que estaba utilizando obras protegidas sin autorización a gran escala durante el entrenamiento de sus modelos. También argumentan que los acuerdos de licencia suscritos por la compañía con otros grupos editoriales demuestran que conoce la necesidad de obtener permisos para utilizar contenidos periodísticos.
Además de la compensación económica, los demandantes solicitan una orden judicial que obligue a destruir los modelos GPT y los conjuntos de datos de entrenamiento que incorporen contenidos de las 19 publicaciones afectadas. La denuncia pide asimismo que el caso sea sometido a un juicio con jurado.
El uso de contenidos periodísticos en los datos de entrenamiento
El escrito judicial identifica varios conjuntos de datos en los que, según los demandantes, aparecen contenidos de sus publicaciones. Entre ellos figura WebText, un conjunto de datos desarrollado por OpenAI para entrenar GPT-2, en el que los medios afirman que existen más de 160.000 entradas correspondientes a sus cabeceras.
La denuncia también señala la presencia de más de 122 millones de tokens procedentes de sus publicaciones en una versión de 2019 de C4, un conjunto de datos derivado de Common Crawl. De ese total, alrededor de 23 millones de tokens corresponderían a contenidos de usatoday.com.
Los demandantes cuestionan, además, la capacidad de ChatGPT para reproducir o reformular trabajos periodísticos. Como ejemplo, citan pruebas en las que, según la demanda, GPT-5.6 recuperó artículos de medios como The Indianapolis Star y Detroit Free Press y generó resúmenes detallados a partir de instrucciones que solicitaban paráfrasis y estructuras similares a las de los textos originales. Para los medios, el problema no se limita al uso de artículos durante el entrenamiento. También afecta a la forma en que ChatGPT presenta esa información a los usuarios, ya que consideran que las respuestas pueden sustituir las visitas a las páginas originales y reducir las oportunidades de captar lectores y suscriptores.
Los medios cuestionan el impacto de ChatGPT en el tráfico
La demanda incorpora declaraciones y documentos internos de OpenAI que, según los demandantes, evidencian los riesgos económicos que sus productos representan para los medios de comunicación. Entre las referencias citadas figura una declaración atribuida a Nick Turley, responsable de ChatGPT, según la cual los productos de la compañía pueden constituir una “amenaza existencial” para los publishers y actuar como sustitutos de sus servicios. El escrito también recoge una afirmación atribuida a un ingeniero de software de OpenAI sobre la disposición de los usuarios a hacer clic en enlaces, incluso cuando estos se muestran de forma destacada.
Los demandantes utilizan estas referencias para argumentar que las respuestas generadas por ChatGPT pueden reducir el tráfico hacia las publicaciones y dificultar tanto la captación de suscriptores como la comercialización de acuerdos de licencia. Asimismo, acusan a OpenAI de haber empleado programas diseñados para eliminar información de gestión de derechos de autor, conocida como Copyright Management Information (CMI), que identifica los contenidos como obras protegidas.
Estas afirmaciones forman parte de los argumentos presentados por los publishers y deberán examinarse en el procedimiento judicial.
Un nuevo frente en el conflicto entre medios e inteligencia artificial
El caso se suma a la creciente disputa entre las empresas periodísticas y los desarrolladores de inteligencia artificial por el uso de contenidos protegidos. En diciembre de 2023, The New York Times demandó a OpenAI y Microsoft por presuntas infracciones relacionadas con el uso de sus artículos para entrenar modelos de inteligencia artificial, entre otras reclamaciones. La demanda de USA Today amplía este debate tanto en la utilización de los contenidos durante el entrenamiento como en su posible reproducción o reformulación en las respuestas de ChatGPT. Para los medios este segundo aspecto resulta especialmente relevante porque podría afectar directamente a las visitas a sus páginas y, con ello, a sus ingresos publicitarios y por suscripción.
La demanda vuelve a situar en el centro del debate la relación entre las plataformas de inteligencia artificial y los medios que producen la información utilizada por estos sistemas. Mientras los medios reclaman protección para sus derechos de autor y sus modelos de negocio, el proceso deberá determinar el alcance de las responsabilidades de OpenAI en el uso de los contenidos incluidos en la demanda.
Puntos clave:
USA Today reclama más de 250 millones de dólares a OpenAI por presunta infracción deliberada de derechos de autor, al acusar a la compañía de utilizar cientos de miles de artículos de 19 publicaciones sin autorización para entrenar y operar sus modelos de IA.
Los publishers cuestionan tanto el uso de sus contenidos en el entrenamiento como su reproducción en ChatGPT. La demanda señala conjuntos de datos como WebText y C4, y sostiene que las respuestas generadas pueden sustituir las visitas a las publicaciones originales, perjudicando sus ingresos publicitarios y por suscripción.
El caso intensifica el conflicto entre los medios y las empresas de IA por los derechos de autor y la monetización de los contenidos. Además de una compensación económica, los demandantes solicitan la destrucción de los modelos GPT y los conjuntos de datos que incorporen los contenidos afectados.
Este resumen lo ha creado una herramienta de IA basándose en el texto del artículo, y ha sido chequeado por un editor de PROGRAMMATIC SPAIN.
