Microsoft y OpenAI: ¿el mayor robo laboral de la historia de la IA?

Una frase escrita dentro de Microsoft se ha convertido en munición de primer orden en una de las grandes batallas judiciales de la inteligencia artificial. Brent Hecht, director de ciencia aplicada de la compañía, describió internamente en 2023 la apropiación masiva de contenidos para entrenar modelos de IA como lo que podría llegar a considerarse el “mayor robo de trabajo de la historia de la humanidad”. La expresión acaba de hacerse pública a través de documentos judiciales parcialmente desclasificados.

El matiz es esencial. Microsoft no ha reconocido judicialmente haber cometido un robo, ni la frase constituye la posición oficial de la empresa. Es la valoración que un empleado de alto nivel dejó por escrito mientras dentro de la tecnológica se discutían las consecuencias de alimentar grandes modelos de lenguaje con enormes cantidades de contenido creado por otras personas. Microsoft sostiene que se trata de una opinión individual, no de un análisis jurídico. Aun así, su aparición resulta incómoda: llega precisamente cuando la compañía y OpenAI defienden ante los tribunales que el entrenamiento de sus modelos con material protegido puede estar amparado por el fair use, el uso legítimo previsto por la legislación estadounidense.

La frase de Microsoft que ha reabierto el debate sobre la IA

Los documentos conocidos en septiembre de 2026 forman parte del amplio litigio por derechos de autor que enfrenta a OpenAI y Microsoft con The New York Times y otros medios. Las publicaciones acusan a las empresas de haber utilizado grandes cantidades de artículos para desarrollar sistemas de inteligencia artificial sin contar, en numerosos casos, con autorización expresa ni compensación.

Hecht escribió en un documento interno de enero de 2023 que millones de personas podían terminar percibiendo la absorción de sus trabajos por parte de los grandes modelos como un saqueo de proporciones extraordinarias. Utilizó incluso la expresión “mayor robo de trabajo” de la historia y calificó aquella dinámica, en otro pasaje conocido del expediente, como un robo de proporciones sin precedentes.

No era una discusión filosófica perdida en algún canal corporativo. Microsoft estaba profundamente implicada en la expansión comercial de OpenAI y en la incorporación de sus modelos a productos propios. El problema que aparece en los documentos es bastante terrenal: estos sistemas necesitan cantidades gigantescas de texto, imágenes y otros materiales para aprender patrones, relaciones y estructuras. Buena parte de esa materia prima fue creada por escritores, periodistas, fotógrafos, programadores o editores que jamás pensaron que su trabajo acabaría formando parte de la cocina industrial de una IA.

Ahí está la grieta. El hecho de que un contenido pueda encontrarse en internet no significa automáticamente que carezca de derechos de autor. Y que una máquina lo utilice para aprender tampoco resuelve, por sí solo, la cuestión jurídica sobre qué usos son legítimos y cuáles necesitan permiso o compensación.

OpenAI también veía un riesgo para los medios

Los documentos desclasificados amplían el problema más allá de Microsoft. Mensajes internos atribuidos a responsables de OpenAI muestran que dentro de la empresa también se analizaba hasta qué punto los nuevos productos podían convertirse en sustitutos de las publicaciones originales.

Nick Turley, responsable de ChatGPT, describió internamente los productos de la compañía como ampliamente sustitutivos y habló de una “amenaza existencial” para los editores, según la documentación incorporada al litigio. Greg Brockman, cofundador y presidente de OpenAI, también había destacado años antes la capacidad de los modelos para trabajar especialmente bien con textos periodísticos.

El asunto toca el corazón económico del conflicto. Un modelo puede aprender de un periódico para después responder directamente al usuario. El lector obtiene una síntesis, una explicación o una información sin visitar necesariamente la página que pagó al periodista, sostuvo la redacción, envió al corresponsal o mantuvo durante años un archivo documental.

Satya Nadella, consejero delegado de Microsoft, reconoció durante una declaración que los chatbots están cambiando ese recorrido tradicional: una persona puede recibir la información dentro de la propia plataforma de IA sin necesidad de acudir inmediatamente a la fuente original. Microsoft replica que esa observación describe una transformación en el consumo de información y no constituye una conclusión sobre derechos de autor.

El temido “bucle de perdición”

Otro concepto aparecido en la documentación interna resulta especialmente llamativo: el llamado “doom loop”, algo así como un círculo vicioso o bucle de perdición.

La paradoja es sencilla. Los sistemas de inteligencia artificial necesitan contenido humano abundante y de calidad. Si esos mismos sistemas reducen el tráfico, los ingresos y los incentivos económicos de quienes producen ese contenido, podrían terminar debilitando precisamente el ecosistema del que extraen su materia prima.

Una IA que aprende de periódicos mientras contribuye a vaciar de lectores esos periódicos se parece un poco a una máquina diseñada para serrar la rama sobre la que está instalada. Funciona muy bien. Hasta que deja de haber rama. Esa preocupación aparece reflejada en documentos internos de Microsoft sobre la cadena de suministro de contenidos que alimenta a los grandes modelos.

Los demandantes sostienen que los documentos muestran que Microsoft y OpenAI conocían este riesgo mucho antes de que el conflicto sobre los derechos de autor alcanzara su dimensión actual. Las compañías discuten la interpretación que los medios hacen de esas conversaciones y mantienen que comentarios aislados no determinan si una práctica concreta es legal.

Millones de artículos y el origen de los datos de entrenamiento

El litigio no gira únicamente alrededor de declaraciones internas. Los medios demandantes intentan reconstruir cómo llegaron sus obras a los conjuntos de datos empleados durante el desarrollo de los modelos de OpenAI y Microsoft.

Según las alegaciones recogidas en los documentos judiciales, uno de los conjuntos derivados de Common Crawl, un enorme archivo de páginas web, habría incluido más de dos millones de documentos procedentes del dominio de The New York Times.

También aparecen iniciativas internas denominadas Project Taxi y Project Mango, mediante las que Microsoft y OpenAI intercambiaron o prepararon información destinada al desarrollo de modelos. Los demandantes sostienen que los datos asociados a Project Mango acabaron formando parte de un conjunto de entrenamiento con copias de al menos 160.903 obras únicas de los medios implicados.

Project Taxi habría permitido proporcionar a OpenAI una recopilación de miles de millones de páginas obtenidas originalmente para respaldar el buscador Bing, mientras que en Project Mango Microsoft desarrolló y operó un sistema de rastreo para OpenAI. Son detalles particularmente relevantes porque la disputa judicial no afecta solo al contenido, sino también al modo en que se recopiló y reutilizó.

Hay otro elemento especialmente delicado: los documentos citados por las publicaciones describen experimentos de empleados de OpenAI relacionados con el acceso a contenido situado detrás de muros de pago. Esas referencias forman parte de las alegaciones presentadas por los demandantes y todavía deben valorarse judicialmente; no equivalen, por sí mismas, a una sentencia que determine que las empresas vulneraron la ley.

Esa diferencia puede parecer pequeña entre tantos titulares explosivos, pero jurídicamente es un océano. Una cosa es lo que una parte afirma a partir de documentos obtenidos durante el proceso y otra, bastante distinta, lo que finalmente determine un tribunal sobre la existencia de una infracción.

Por qué Microsoft y OpenAI hablan de “fair use”

Microsoft y OpenAI mantienen que el entrenamiento de modelos puede acogerse al fair use, una doctrina del derecho estadounidense que permite determinados usos de obras protegidas sin solicitar autorización al titular en función de las circunstancias concretas.

La discusión no consiste simplemente en decidir si hubo una copia. Para entrenar un modelo necesariamente se procesan cantidades ingentes de información. La cuestión es qué naturaleza tiene esa utilización, cuánto transforma el material original y, sobre todo, qué efecto provoca sobre el mercado de la obra protegida.

La posición defendida por OpenAI es que sus modelos no funcionan como grandes bibliotecas clandestinas dedicadas a entregar copias de los textos empleados durante el entrenamiento, sino que aprenden relaciones, patrones y representaciones matemáticas a partir de enormes cantidades de información para producir resultados nuevos. Ese carácter transformador ocupa un lugar central en su defensa jurídica.

Los periódicos atacan precisamente ese argumento. Alegan que los chatbots pueden reproducir fragmentos sustanciales, generar resúmenes suficientemente completos y ofrecer servicios informativos que compiten con las publicaciones cuyos artículos sirvieron para entrenarlos.

Aquí adquieren importancia las conversaciones internas recién conocidas. Si dentro de las propias compañías había responsables preocupados porque los productos fueran sustitutivos o destruyeran los incentivos económicos para crear contenido, los demandantes intentarán utilizar esas palabras para reforzar su tesis sobre el posible daño al mercado.

Pero una frase corporativa, por espectacular que sea, no decide un litigio de copyright. El tribunal deberá estudiar las prácticas concretas, los conjuntos de datos, los resultados generados y los criterios legales aplicables. El lenguaje interno puede aportar contexto; no sustituye la sentencia.

Microsoft rechaza que la frase represente a la compañía

La empresa ha reaccionado marcando distancia con las palabras de Hecht. Microsoft asegura que reflejan la perspectiva individual de un empleado, no un dictamen legal ni la posición corporativa sobre el entrenamiento de la inteligencia artificial.

También defiende que las declaraciones de Nadella sobre la sustitución de ciertas visitas a páginas web por respuestas de IA son compatibles con su estrategia judicial. Según la tecnológica, explicar que los hábitos de los usuarios están cambiando no supone admitir que entrenar modelos con contenido periodístico infrinja los derechos de autor.

OpenAI ha defendido igualmente en los litigios que el entrenamiento de modelos con grandes cantidades de información puede constituir un uso transformador amparado por el fair use. Al mismo tiempo, la compañía ha desarrollado acuerdos comerciales y de licencia con distintos grupos de medios, señal de que la relación entre las empresas de IA y los propietarios de contenidos no cabe ya en una sola categoría.

Ese detalle retrata bastante bien el extraño momento que atraviesa internet. Algunas empresas periodísticas demandan a los desarrolladores de IA, otras firman contratos con ellos y el ecosistema entero busca todavía un precio para algo que durante años parecía simplemente estar allí: el contenido humano disponible en la red. La vieja frontera entre proveedor, competidor y cliente se ha convertido en una puerta giratoria.

Una batalla que decidirá quién paga la materia prima de la IA

El caso de Microsoft y OpenAI supera ampliamente la polémica provocada por una frase desafortunada —o extraordinariamente reveladora, según se mire— escrita hace tres años. Lo que está en juego es el modelo económico sobre el que se ha construido buena parte de la inteligencia artificial generativa.

Si los tribunales consideran que determinadas formas de utilización de grandes cantidades de obras protegidas para entrenar modelos quedan cubiertas por el fair use, la industria conservará un amplio margen para procesar conocimiento disponible en internet sin negociar individualmente cada uso. Si, por el contrario, ciertas prácticas de recopilación, entrenamiento o reproducción se consideran infracciones, el mercado podría desplazarse hacia un sistema mucho más extenso de licencias y compensaciones para escritores, periódicos, editoriales y otros propietarios de contenido.

La expresión aparecida dentro de Microsoft ha conseguido condensar esa discusión en una frase incendiaria. Pero el problema real es menos vistoso y bastante más profundo: internet fue construido para que la información pudiera circular; la inteligencia artificial ha aprendido a absorberla a una escala inédita, utilizando en el proceso décadas de producción cultural, técnica y periodística.

Y cuando una tecnología puede procesar en segundos el trabajo acumulado durante años por millones de personas, la cuestión jurídica deja de ser una nota al pie. Quién puede utilizar ese trabajo, con qué límites y quién cobra por ello se está convirtiendo en una de las grandes disputas económicas de la era de la IA.