Microsoft califica el scraping de IA como "el mayor robo de mano de obra de la historia"

The New York Times demandó a OpenAI y Microsoft por infracción de derechos de autor a finales de 2023, y el caso sigue en curso casi tres años después. Ahora, el equipo legal del periódico ha solicitado al tribunal un juicio sumario tras presentar un escrito basado en declaraciones y documentos de los demandados. Según 404 Media, estos documentos permanecen sellados o censurados a petición de ambas empresas, pero las revelaciones incluyen afirmaciones potencialmente dañinas de sus líderes, como que el scraping de IA es el mayor robo de mano de obra de la historia humana y una amenaza existencial para los editores.

El escrito cita un memo interno de enero de 2023 de Brent Hecht, director de Ciencias Aplicadas de Microsoft, quien supuestamente dijo: "Millones de personas en todo el mundo pronto considerarán que los grandes modelos 'absorben' todo su trabajo como un asombroso robo de proporciones sin precedentes" y lo llamó "el mayor robo de mano de obra en la historia humana". Otro documento de Microsoft decía: "casi nadie pretendía que el contenido que creó se usara de esta manera, ni reciben compensación por su uso". A medida que ChatGPT creció en popularidad durante 2023, los propios datos de la gigante del software revelaron que Copilot redujo las tasas de clics para The New York Times hasta en un 93% en comparación con la búsqueda de Bing. Otro memo del director de Ciencias Aplicadas lo llamó un "bucle de perdición" y dijo que "perjudicaría el rendimiento de nuestros modelos y de toda la web al mismo tiempo". El escrito del NYT citó a Hecht: "Es muy inusual que un producto final amenace los fundamentos económicos de sus proveedores esenciales, pero esa es la situación que hemos creado para nuestro negocio de LLM con respecto a su 'cadena de suministro de contenido'".

Nick Turley, jefe de ChatGPT de OpenAI, dijo en comunicaciones internas que el chatbot de IA es una "amenaza existencial" para los editores, ya que son "en gran medida sustitutivos" y "se volverán más y más sustitutivos a medida que mejoren", mientras que otro ingeniero de OpenAI testificó que "sin importar cuán prominentemente mostremos los enlaces, los usuarios no harán clic". Nick Ryder, otro investigador de OpenAI, le contó al presidente de la compañía, Greg Brockman, sobre un "truco para sortear el muro de pago del NYT", a lo que él respondió: "ah, qué bien".

Las empresas de IA argumentan que extraer datos de internet para alimentar sus modelos es "uso justo", y un tribunal estuvo de acuerdo en que el uso de material publicado por Anthropic cae en esta categoría. La ley define esto como "crítica, comentario, reportaje de noticias, enseñanza (incluidas múltiples copias para uso en el aula), erudición o investigación". Algunos de los factores que determinan si un uso particular cae bajo "uso justo" incluyen "(1) el propósito y carácter del uso, incluso si es de naturaleza comercial o para fines educativos sin ánimo de lucro; (2) la naturaleza de la obra protegida; (3) la cantidad y sustancialidad de la porción utilizada en relación con la obra protegida en su conjunto; y (4) el efecto del uso sobre el mercado potencial o el valor de la obra protegida". Sin embargo, todas estas revelaciones en el escrito del NYT podrían complicar la defensa de uso justo de OpenAI, especialmente porque muestra que los líderes de ambas compañías son conscientes de las posibles repercusiones en el mercado del scraping de IA. El CEO de Microsoft, Satya Nadella, dijo en una deposición a principios de este año que "cualquier cosa que esté detrás de un muro de pago debería ser licenciada por cualquiera que quiera usarla... para fundamentar o entrenar" y que si se le hubiera informado de que OpenAI había extraído y entrenado con información detrás de un muro de pago, la compañía habría exigido a OpenAI "reentrenar sus modelos".