El grupo editorial y otras publicaciones afiliadas acusan a la compañía de utilizar cientos de miles de artículos sin permiso para entrenar sus modelos y alimentar las respuestas de ChatGPT.
USA Today y otras 13 entidades afiliadas han presentado una demanda contra OpenAI en un tribunal federal de Nueva York. Los demandantes reclaman más de 250 millones de dólares por presuntas infracciones de derechos de autor relacionadas con el uso de contenidos periodísticos para entrenar y operar los modelos de inteligencia artificial de la compañía.
La denuncia, presentada el 8 de octubre, sostiene que OpenAI habría utilizado cientos de miles de artículos de 19 publicaciones sin autorización. Los medios también cuestionan que ChatGPT pueda reproducir o reformular sus informaciones y ofrecer respuestas que reduzcan la necesidad de visitar las páginas originales.
Entre las cabeceras afectadas figuran USA Today, The Tennessean, The Indianapolis Star, Detroit Free Press, The Arizona Republic y The Columbus Dispatch. El caso vuelve a situar en el centro del debate la relación entre los desarrolladores de inteligencia artificial y los medios que producen los contenidos utilizados por estas tecnologías.
Los medios reclaman más de 250 millones de dólares
La demanda solicita una compensación superior a los 250 millones de dólares. Según el escrito judicial, los demandantes reclaman hasta 150.000 dólares por cada obra cuya infracción deliberada se considere probada, además de posibles indemnizaciones por la eliminación de información que identifica los derechos de autor de los contenidos.
Los medios argumentan que el uso de sus artículos sin licencia perjudica su modelo de negocio, basado en atraer lectores a sus webs y generar ingresos mediante publicidad y suscripciones. A su juicio, las respuestas de ChatGPT pueden ofrecer información que, de otro modo, los usuarios consultarían directamente en sus publicaciones.
Además de la compensación económica, los demandantes solicitan una orden judicial que obligue a destruir los modelos GPT y los conjuntos de datos de entrenamiento que incorporen los contenidos afectados. También han pedido que el caso sea resuelto mediante un juicio con jurado.
Estas peticiones forman parte de la demanda y no constituyen una resolución judicial. El procedimiento deberá determinar si se produjeron las infracciones alegadas y qué responsabilidades corresponden a OpenAI.
El uso de artículos durante el entrenamiento
El escrito identifica varios conjuntos de datos en los que, según los demandantes, aparecen contenidos de sus publicaciones. Entre ellos figura WebText, utilizado en el desarrollo de GPT-2. Los medios aseguran que este conjunto contiene más de 160.000 entradas relacionadas con sus cabeceras.
La denuncia también señala una versión de 2019 del conjunto de datos C4, derivado de Common Crawl. Según los demandantes, incluiría más de 122 millones de tokens procedentes de sus publicaciones, de los cuales unos 23 millones corresponderían a contenidos de usatoday.com.
El conflicto no se limita al entrenamiento de los modelos. Los editores también cuestionan la capacidad de ChatGPT para generar resúmenes y reformulaciones de artículos periodísticos. Como ejemplo, citan pruebas en las que, según la demanda, GPT-5.6 habría recuperado informaciones de medios como The Indianapolis Star y Detroit Free Press para producir respuestas detalladas a partir de instrucciones que solicitaban paráfrasis de los textos originales.
Los demandantes consideran que estas capacidades pueden afectar tanto al control sobre sus contenidos como a su valor comercial. No obstante, estas afirmaciones deberán evaluarse durante el proceso judicial.
El tráfico web, otro punto de fricción
Uno de los principales argumentos económicos de los medios es que los asistentes de inteligencia artificial pueden responder directamente a las preguntas de los usuarios sin necesidad de dirigirlos a las fuentes originales.
Para las publicaciones digitales, esta posibilidad plantea un riesgo para el tráfico web, la captación de suscriptores y la venta de publicidad. Si los usuarios obtienen la información que buscan dentro de ChatGPT, sostienen los demandantes, las visitas a sus páginas podrían reducirse.
La denuncia también acusa a OpenAI de eliminar información de gestión de derechos de autor -conocida como Copyright Management Information (CMI)– asociada a los contenidos protegidos. Los editores consideran que esta práctica refuerza sus reclamaciones sobre el uso no autorizado de sus artículos.
OpenAI no había respondido públicamente a las alegaciones en la información inicial difundida por Reuters. Por tanto, las acusaciones deben entenderse como la posición de los demandantes y no como hechos declarados probados por un tribunal.
Una disputa que afecta a todo el sector de la IA
La demanda de USA Today se suma a otros litigios entre medios de comunicación y empresas de inteligencia artificial. En diciembre de 2023, The New York Times demandó a OpenAI y Microsoft por el uso presuntamente no autorizado de sus contenidos, en un caso que también cuestiona la relación entre el entrenamiento de modelos y los derechos de autor.
El debate enfrenta dos intereses económicos. Por un lado, los desarrolladores de IA necesitan grandes cantidades de información para entrenar sus sistemas y mejorar sus respuestas. Por otro, los medios defienden los derechos sobre los contenidos que producen y reclaman condiciones que permitan sostener su actividad periodística.
El caso de USA Today amplía la discusión al abordar tanto el uso de artículos en los datos de entrenamiento como su posible reproducción o reformulación en las respuestas de ChatGPT. Su resultado podría contribuir a delimitar las condiciones bajo las que las empresas de inteligencia artificial utilizan materiales protegidos, aunque todavía no existe una decisión judicial sobre estas reclamaciones.
