Microsoft asegura que Copilot apenas reproduce contenidos del New York Times
En los últimos documentos judiciales, Microsoft afirma que menos del 1% de los chats de Copilot contienen fragmentos sustanciales de artículos del NYT.
Microsoft ha presentado nuevos argumentos en el proceso por derechos de autor contra The New York Times y varios autores. Según los archivos judiciales, el modelo Copilot raramente reproduce frases completas de artículos de prensa o libros, y mucho menos fragmentos que puedan sustituir al original.
Como parte del descubrimiento, la empresa entregó 8,2 millones de registros de conversaciones de Copilot a un perito contratado por los editores. De esos, 59 545 chats contenían al menos 16 palabras en común con contenido de los demandantes, según la propia evaluación de Microsoft. Un perito del Center for Investigative Reporting encontró 51 casos de "superposición sustancial" con trabajos de esa organización. Por su parte, un perito en la demanda de los autores detectó solo 24 respuestas con al menos 30 palabras coincidentes. En el análisis de 212 libros, únicamente 10 mostraron alguna coincidencia.
El New York Times rechazó esas cifras, calificándolas de insuficientes para demostrar que Microsoft y OpenAI no habrían sustraído material protegido. Ian Crosby, abogado principal del periódico, declaró que la evidencia apunta a que la compañía "robó" contenido para crear productos comerciales que compiten con su periodismo.
Microsoft sostiene que los números respaldan su postura de que el uso de material con derechos de autor para entrenar modelos de lenguaje debe considerarse uso justo. Argumenta que, aunque los sistemas como Copilot pueden reproducir ocasionalmente fragmentos, su propósito es transformador y diferente al del texto original, por lo que no vulnera la licencia.
Los documentos fueron presentados el viernes con la intención de que el juez conceda un juicio sumario, lo que pondría fin al caso en una fase temprana. Si el magistrado rechaza la solicitud, la controversia continuará en los tribunales.
Esta disputa tiene implicaciones directas para los equipos que integran modelos de IA generativa en productos empresariales, ya que podría definir los límites legales del entrenamiento con datos protegidos y afectar las políticas de cumplimiento de copyright en entornos de desarrollo y producción.
