OpenAI vs The New York Times: el juicio que puede cambiar el copyright en la era de la IA

IA · COPYRIGHT · DATOS Y PRIVACIDAD

1. Qué ha pasado exactamente entre el Times y OpenAI

El 27 de diciembre de 2023, The New York Times presentó una demanda en el distrito sur de Nueva York contra Microsoft y la familia de empresas de OpenAI. El periódico asegura que los modelos de la compañía se entrenaron con “millones” de artículos suyos, incluyendo contenido de pago, sin licencia ni compensación económica. Su tesis es directa: con ese material se ha construido un producto que compite con el propio Times, desde resúmenes de noticias hasta respuestas detalladas que sustituyen la visita a la web original.

En la demanda, el Times aporta ejemplos en los que ChatGPT y otros modelos generan pasajes casi idénticos a artículos concretos, incluso reproduciendo texto de piezas que están detrás de un paywall. Eso les sirve para argumentar que no hablamos solo de “inspiración” estadística, sino de memorización y reproducción. Además del copyright clásico, se invocan también reclamaciones bajo la DMCA y otros conceptos como competencia desleal.

El contexto no es solo jurídico, sino económico: el Times sostiene que esta dinámica erosiona directamente su modelo de negocio basado en suscripciones y publicidad. Si el usuario obtiene lo esencial en un resumen generado por IA, la visita al medio se pierde. Un patrón que se parece bastante a lo que ya estamos viendo con asistentes de IA que responden consultas sin necesidad de hacer clic, algo que analizamos en asistentes de IA para noticias.

2. El argumento del Times: no es “fair use”, es un negocio montado sobre nuestro trabajo

La posición del Times se puede resumir en tres ideas. Primero, que el uso de sus artículos para entrenar modelos sin licencia viola el copyright porque no es verdaderamente transformador: los modelos serían capaces de producir contenido que sustituye la lectura del original, compitiendo por la misma atención y los mismos ingresos publicitarios.

Segundo, que la escala importa. No se trata de citar un párrafo como hace un crítico o un académico, sino de absorber sistemáticamente un archivo completo para crear un producto comercial. La empresa insiste en que esto “no se parece en nada” a los usos tradicionales protegidos por el fair use, y que el entrenamiento de modelos debería tener su propia lógica de licencias, más cercana a la que ya existe para música o vídeo.

Tercero, que hay un problema de memorización. El Times sostiene que los modelos de OpenAI no solo “aprenden patrones”, sino que a veces repiten artículos casi palabra por palabra cuando se les pide. A partir de ahí, enlaza esta acusación con la DMCA: si durante el proceso de entrenamiento se borran metadatos de copyright, créditos o marcas de agua, podría considerarse eliminación de información de gestión de derechos.

Esta línea conecta con otros conflictos de copyright que ya hemos visto, como el uso de manga y anime japoneses para entrenar modelos de imagen sin permiso, que analizamos en profundidad en OpenAI y el arte japonés. El mensaje del Times es claro: si dejamos que esto pase sin reglas, lo que se erosiona no es solo un medio, sino el incentivo a crear contenido de calidad.

3. La defensa de OpenAI y Microsoft: entrenamiento como lectura masiva y acuerdos voluntarios

OpenAI y Microsoft responden con una narrativa muy distinta. Para empezar, defienden que entrenar modelos con contenido disponible en la web es una forma moderna de “leer” y extraer patrones, protegida por el fair use. El modelo, dicen, no es una copia comprimida del Times, sino un sistema estadístico que ha aprendido regularidades del lenguaje a partir de muchos millones de fuentes.

También recuerdan que los modelos no están diseñados para memorizar, y que los ejemplos de reproducción casi literal son casos extremos, buscados a propósito con prompts maliciosos. En su visión, no se puede juzgar todo un sistema por unos pocos outputs seleccionados. Y, en paralelo, subrayan que la industria ya se está moviendo hacia acuerdos de licencia con medios: OpenAI ha firmado pactos con agencias y grupos de comunicación, igual que otras tecnológicas, en la línea de lo que ya contamos al hablar de acuerdos de datos y gobernanza en Veeam y Securiti AI.

Finalmente, los demandados alertan del efecto “enfriador” que podría tener una derrota total. Si cada uso de datos públicos para entrenar modelos se considerase infracción por defecto, el desarrollo de IA quedaría limitado a acuerdos caso por caso con cada titular de derechos, algo que pocos actores podrían permitirse. Desde esta óptica, el caso no es solo Times vs OpenAI, sino modelos abiertos vs muro de licencias.

4. Qué ha dicho la justicia hasta ahora (y por qué es importante)

A día de hoy, no hay sentencia definitiva, pero sí señales muy relevantes. En abril de 2025, el juez Sidney Stein rechazó buena parte de la moción de OpenAI y Microsoft para tumbar el caso en fase inicial. Permitió que sigan adelante las reclamaciones por infracción directa y contributiva de copyright, a la vista de los ejemplos aportados por el Times de outputs que reproducían artículos suyos casi palabra por palabra.

Al mismo tiempo, el tribunal sí ha descartado algunas reclamaciones: partes de los argumentos basados en la DMCA y ciertos ángulos de competencia desleal han caído por el camino. Es decir, el juez ha hecho limpieza de las teorías más débiles, pero ha dejado vivo el corazón del asunto: ¿puede un modelo entrenado con tus artículos competir contigo sin pagar licencia?

En paralelo, el caso del Times se ha visto acompañado por una auténtica oleada de demandas de medios y autores contra OpenAI y Microsoft, muchas de ellas consolidadas en un procedimiento coordinado. Esto refleja que lo que se decida aquí no será un incidente aislado, sino una señal que afectará a docenas de pleitos similares.

Y mientras los jueces fijan criterios, otros tribunales empiezan a moverse en direcciones que añaden presión: desde decisiones en Europa contra el entrenamiento con letras de canciones sin permiso hasta resoluciones sobre otros modelos fundacionales. Todo apunta a que 2024–2026 será el periodo en el que se dibujen las líneas rojas legales de la IA generativa.

5. El giro inesperado: de copyright a guerra por los datos de usuarios

Una de las derivadas más tensas del caso llegó cuando el Times pidió a OpenAI el acceso a millones de logs de ChatGPT para analizar hasta qué punto el modelo reproduce contenido de sus artículos. El tribunal ha ordenado la entrega de una muestra enorme de conversaciones, bajo estrictas medidas de anonimización y protección.

OpenAI ha criticado duramente esta decisión, argumentando que obligarle a compartir esos registros podría poner en riesgo la privacidad de usuarios que nunca imaginaron que sus chats acabarían en una carpeta de e-discovery. El Times responde que los datos irán protegidos, que se trata de muestras anonimizadas y que son imprescindibles para demostrar la supuesta memorización. El resultado es que un pleito de copyright se ha convertido también en un caso de gobernanza de datos y privacidad.

Para cualquier empresa que esté desplegando IA, esto es una señal clara: lo que guardas, cómo lo guardas y quién puede pedirlo en un proceso judicial ya no es un detalle técnico, sino un riesgo estratégico. Aquí es donde enfoques como el cómputo cercano al dato o la segmentación estricta de información, que revisamos en Private AI Compute de Google, dejan de ser “nice to have” y pasan a ser defensas legales.

6. Más allá de OpenAI: qué se juegan medios, startups y creadores

El impacto del caso va mucho más allá de las partes implicadas. Si el Times gana en los puntos centrales, el mensaje para el resto de medios será simple: reclamar licencia por entrenamiento no es una locura, es una estrategia viable. Eso podría impulsar más acuerdos comerciales, pero también un endurecimiento de condiciones para usar contenido periodístico en datasets.

Para las startups, el riesgo es otro: quedarse atrapadas entre la necesidad de entrenar buenos modelos y un entorno legal donde cada fuente relevante está rodeada de potenciales reclamaciones. Ahí cobra fuerza la alternativa de soluciones que dependen menos de “rasparlo todo” y más de conectar modelos con repositorios autorizados vía recuperación aumentada, grafos de conocimiento y contextos controlados, como contamos en Graph-RAG y recuperación aumentada.

Para los creadores individuales, el caso refuerza una sensación que ya venía creciendo con la IA generativa en imagen y vídeo: tu trabajo puede convertirse en combustible para modelos que nunca mencionan tu nombre. Lo vimos con el arte japonés, con los deepfakes sobre figuras históricas y con el uso de contenido sensible en sistemas de recomendación. La diferencia es que ahora la discusión no se queda en redes sociales, sino que llega a juzgados federales.

Y para los buscadores y agregadores, el caso encaja con otro frente abierto: el de los resúmenes con IA que se quedan con el clic, como explicamos en el análisis sobre AI Overviews y la muerte del SEO clásico. El patrón que preocupa a los medios es el mismo: alguien se interpone entre el usuario y la fuente original, empaqueta el contenido ajeno y se queda con una parte cada vez más grande del valor.

7. Qué hacer si estás construyendo productos de IA hoy

Más allá de seguir la batalla como espectador, este caso deja varias guías muy concretas para quienes están construyendo con IA. La primera: sé intencional con tus datos de entrenamiento. Documenta qué usas, de dónde viene, bajo qué licencia y con qué límites. Eso no solo es buena práctica de ingeniería de datos, también es tu defensa futura si alguien cuestiona tu modelo. Es justo la mentalidad que defendemos en ingeniería de datos para IA.

La segunda: explora seriamente patrones híbridos. En vez de depender de un modelo gigante entrenado sin permiso sobre todo lo que se ha publicado, combina modelos con acceso controlado a repositorios licenciados, APIs oficiales y fuentes internas. En otros artículos hemos visto cómo esto encaja muy bien con arquitecturas de sistemas de ML bien pensadas, como las que describimos en diseño de sistemas de machine learning.

La tercera: no subestimes la parte de gobernanza y liderazgo. El caso Times vs OpenAI muestra lo rápido que un problema técnico se convierte en un problema reputacional y regulatorio. Tener políticas claras sobre con qué entrenas, qué guardas, cómo anonimizar, quién tiene acceso y cómo respondes ante una petición legal es parte del manual básico de liderazgo en IA empresarial, no un apéndice legal al final del proyecto.

Por último, revisa tus pilotos de IA con esta lente. Muchos experimentos se montaron rápido, sin pensar en licencias ni retención de datos, y ahora viven en tierra de nadie. Si algo hemos aprendido analizando por qué tantos pilotos de IA fracasan es que los que sobreviven son los que se replantean a tiempo su base de datos, su arquitectura y su encaje legal antes de escalar.

En resumen, la demanda del New York Times contra OpenAI no va solo de si un modelo puede recitar párrafos de un artículo famoso. Va de quién pone las reglas del juego en la economía de datos que alimenta a la IA. Y, si tú desarrollas productos, servicios o negocio sobre esa IA, entender este caso es una forma de adelantarte al futuro en lugar de descubrirlo en la portada de un juzgado.

Si quieres seguir profundizando en cómo la IA está chocando con modelos de negocio, copyright y datos, te recomiendo leer el análisis sobre arte japonés y entrenamiento de modelos, las claves de NotebookLM y el deep research automatizado y la guía para alinear negocio, riesgo y oportunidad en encaje producto-mercado para startups de IA.