Microsoft: ejecutivo tildó el scraping de IA de 'robo'

Documentos judiciales recién desclasificados muestran que un ejecutivo de Microsoft describió en privado el scraping de IA como el mayor robo de trabajo en la historia de la humanidad. Los archivos indicarían que Microsoft y OpenAI extrajeron contenido con muro de pago de The New York Times, construyeron conjuntos de datos a partir de ese material y advirtieron internamente que la práctica podía arrasar con los editores. Los documentos ofrecen una ventana poco habitual a la brecha entre las alianzas que las empresas exhiben en público y las inquietudes que manejan puertas adentro sobre sus propias prácticas de datos. La disputa forma parte de una batalla legal más amplia: si entrenar modelos de IA con material protegido por derechos de autor constituye uso legítimo (fair use) o una infracción. Los editores sostienen que las compañías de IA copian periodismo valioso sin permiso ni pago, y después lo usan para crear productos que compiten directamente con esos mismos medios. Las empresas de IA suelen responder que entrenar con texto disponible públicamente es transformativo y legal, aunque la definición misma de "disponible públicamente" está en el centro de la pelea. El comentario atribuido al ejecutivo de Microsoft sugiere que al menos una parte de la industria entendía la magnitud del impacto sobre los creadores. Si los archivos son precisos, podrían reforzar el argumento de que las empresas usaron contenido con muro de pago a sabiendas y reconocieron el daño económico que eso podía causar. El caso también abre preguntas sobre cómo se arman, se documentan y se licencian los conjuntos de datos de IA. Incluso si los tribunales terminan habilitando algunas formas de entrenamiento, la presión reputacional y regulatoria podría empujar a las compañías hacia acuerdos de datos más transparentes. Para las organizaciones de noticias, el resultado definirá si pueden negociar una compensación o si quedan atadas a la vía judicial. Para los desarrolladores de IA, determinará cuánto de la web abierta sigue estando disponible gratis para entrenar modelos. Los documentos desclasificados agregan otra capa a un debate que cruza trabajo, derechos de autor, competencia y el futuro de la información. También demuestran que, detrás de los discursos optimistas sobre innovación, las conversaciones privadas pueden revelar una visión bastante más incómoda sobre quién paga los costos.