OpenAI y Microsoft sabían que estaban rompiendo la web, según sus documentos
El expediente desellado en la demanda del New York Times recoge avisos internos sobre el «bucle de perdición» del scraping y lo llama «el mayor robo de trabajo de la historia».
Los documentos internos de OpenAI y Microsoft que se acaban de desellar en el marco de la demanda del New York Times por derechos de autor dejan a las dos compañías en mal lugar. El expediente, de 92 páginas, recoge avisos de sus propios empleados sobre el «bucle de perdición» que habían arrancado y que perjudicaría a la web y, de paso, a sus propios modelos. En una de las líneas más citadas, el scraping masivo para entrenar modelos aparece descrito como «el mayor robo de trabajo de la historia humana».
La frase más incómoda es de Brent Hecht, director de ciencia aplicada de Microsoft, que también sostiene que la defensa de la empresa hace «una burla completa de la idea de uso legítimo». Microsoft se ha desmarcado: su portavoz Alex Haurek ha declarado que esos comentarios «reflejan la perspectiva individual de un empleado, no son un análisis jurídico y no representan la opinión de la compañía». En otro escrito, Jordan Usdan, responsable de estrategia y operaciones de datos en Microsoft AI, describe a Hecht como alguien con «puntos de vista divergentes, académicos y de futuro» al que la compañía tiene contratado precisamente para eso, y aclara que no habla en nombre de Microsoft.
Lo que admiten sus propios documentos
Satya Nadella reconoce en el expediente que los chatbots han sustituido a la búsqueda y han eliminado la necesidad de ir a la fuente. Un documento interno de Microsoft lo formula sin rodeos: «Nuestra estrategia de contenido con IA ha iniciado un bucle de perdición que dañará el rendimiento de nuestros modelos y el conjunto de la web al mismo tiempo», y añade que es muy inusual que un producto final amenace la base económica de sus proveedores esenciales. Otra línea del mismo material afirma que los LLM son «un producto que destruye su propia cadena de suministro».
Sobre el uso legítimo, la posición interna no era precisamente defensiva. Greg Brockman, cofundador de OpenAI, tenía la vista puesta en la montaña de dinero que podía generar la IA comercial. Nadella aparece citado diciendo que «todo lo que está detrás de un muro de pago debería licenciarse», pero un representante de OpenAI reconoció que no tenía constancia de ningún esfuerzo por detectar o retirar contenido de pago de los datos de entrenamiento.
El capítulo de la regurgitación también está documentado. Empleados de OpenAI admitieron que GPT-4 «memorizó una cantidad enorme de datos y por eso será increíblemente bueno regurgitando», y el escrito enumera salidas de texto copiadas literalmente de artículos del New York Times, Mercury News, The Denver Post, LifeHacker y Eurogamer. Jack Clark, director de políticas de OpenAI, lo resumió diciendo que estaban «creando sistemas que sustituyen el trabajo de las personas que definen la cultura de la sociedad». Internamente, ChatGPT se describía como «el quiosco de prensa moderno».
Nada de esto es una especulación de terceros: son papeles de las propias compañías. Los expertos en medios y economía de OpenAI atribuyen la caída de tráfico de referencia hacia medios como el Times directamente a los resúmenes de IA, y especulan con descensos de hasta el 60 por ciento en las visitas procedentes del buscador. Microsoft mantiene que las declaraciones de Nadella hablan de principios generales y no de la cuestión de copyright que se dirime ante el tribunal. La demanda sigue abierta, y quien viva del tráfico de búsqueda ya tiene un motivo más para no depender de él.
