Ejecutivo de Microsoft calificó el scraping de IA como 'el mayor robo de trabajo en la historia de la humanidad', revelan nuevos documentos judiciales sin censura

Qué ha pasado

Documentos judiciales recientemente desclasificados en el litigio entre The New York Times y OpenAI/Microsoft revelan que un directivo de Microsoft describió internamente las prácticas de recopilación de datos de OpenAI como "el mayor robo de trabajo en la historia de la humanidad". Según TechCrunch y Ars Technica, las comunicaciones internas muestran que ambas compañías extrajeron contenido de pago de The New York Times para construir conjuntos de datos de entrenamiento, mientras expresaban preocupación por el impacto que esto tendría sobre el sector editorial.

Los archivos, antes redactados, forman parte de la demanda por infracción de derechos de autor que el diario neoyorquino presentó contra ambas empresas. Las nuevas versiones sin censurar exponen un contraste entre el discurso público de las compañías sobre el uso responsable de datos y las valoraciones internas, donde se reconocía la naturaleza problemática de estas prácticas de scraping.

Por qué importa

El caso pone de relieve una tensión estructural en el desarrollo de la inteligencia artificial generativa: los grandes modelos de lenguaje dependen de volúmenes masivos de contenido con derechos de autor, a menudo obtenido sin licencia ni compensación a sus creadores. Para los líderes de transformación digital y tecnología, este litigio anticipa un escrutinio regulatorio y legal creciente sobre cómo se entrenan los sistemas de IA y qué obligaciones de transparencia y compensación podrían imponerse a futuro.

Para las organizaciones que licencian, compran o integran modelos de IA de terceros, el caso subraya la importancia de exigir claridad sobre la procedencia de los datos de entrenamiento, así como de evaluar el riesgo legal y reputacional asociado a proveedores cuyas prácticas de adquisición de datos puedan ser cuestionadas judicialmente.

La perspectiva de Renascence

Más allá del desenlace legal, este episodio revela algo relevante sobre el diseño de confianza en la era de la IA: las organizaciones que construyen productos basados en datos ajenos —ya sean contenidos editoriales, información de usuarios o conocimiento profesional— enfrentan una brecha creciente entre su discurso público sobre ética de datos y sus prácticas reales de adquisición.

Cuando una organización reconoce internamente que una práctica es problemática pero la mantiene por ventaja competitiva, no está gestionando un riesgo legal aislado: está erosionando la confianza que sostiene toda relación con clientes, socios y creadores de contenido. Los operadores centrados en la experiencia deberían tratar la procedencia de los datos como un principio de diseño de servicio desde el origen, no como un problema a resolver únicamente cuando llega una demanda. La transparencia sobre cómo se entrena un sistema de IA es, cada vez más, un componente de la propia experiencia de marca.