The New York Times acusa a OpenAI de ocultar pruebas y manipular el proceso judicial en el juicio por derechos de autor de ChatGPT

The New York Times y The Daily News han elevado la tensión en su demanda de dos años contra OpenAI por presunta violación de derechos de autor, al acusar formalmente a la compañía de mentir sobre su capacidad para rastrear en sus registros de conversaciones de usuarios y en sus conjuntos de datos de entrenamiento la presencia de contenido periodístico protegido. La disputa original giraba en torno a si OpenAI entrenó sus modelos generativos con artículos de los demandantes y si ChatGPT reproducía esa información en sus respuestas a los usuarios.

Durante todo el litigio, OpenAI sostuvo dos argumentos centrales: que carecía de la capacidad técnica para buscar en su propio corpus de entrenamiento, y que producir o revisar su enorme volumen de registros de conversaciones de ChatGPT sería excesivamente costoso desde el punto de vista técnico y plantearía problemas de privacidad, ya que los registros tendrían que recuperarse, procesarse y anonimizarse antes de poder analizarse. Los medios demandantes querían acceder a esos datos precisamente para determinar si su periodismo formaba parte del material de entrenamiento y con qué frecuencia el chatbot generaba respuestas basadas en ese contenido o lo reproducía directamente.

El punto de inflexión llegó con una declaración bajo juramento ordenada por el tribunal en abril, en la que Vinnie Monaco, ingeniero de privacidad de datos de OpenAI, habría reconocido que la empresa ya había realizado búsquedas y evaluaciones internas de su corpus de entrenamiento para localizar obras periodísticas protegidas. Según esa misma declaración, OpenAI ya había reunido, antes incluso de que el Times presentara la demanda, una base de datos de unas 78 millones de conversaciones de ChatGPT desidentificadas, que utilizaba internamente para calcular en qué medida estaba infringiendo derechos de terceros.

A eso se sumaría un segundo hallazgo relevante: poco después de que se presentara la demanda, OpenAI habría implementado un filtro denominado "Bloom" dentro de un conjunto de herramientas internas llamado "Project Giraffe", diseñado para detectar y dejar constancia de casos de "regurgitación" —es decir, reproducción literal de contenido— en las respuestas del modelo. Para los demandantes, la existencia de ambas herramientas contradice directamente las afirmaciones de OpenAI sobre su incapacidad técnica para realizar este tipo de análisis.

El trasfondo procesal agrava las acusaciones. Los demandantes habían solicitado originalmente una muestra de 120 millones de registros de chat, cifra que OpenAI negoció hasta reducir a 20 millones. Cuando la compañía finalmente entregó esa muestra en diciembre, según el propio tribunal, contenía tantas redacciones (censuras de texto) que resultaba "inutilizable". Los demandantes van más allá y sostienen que OpenAI eliminó miles de millones de resultados generados por ChatGPT después de que se presentara la demanda, en violación directa de una orden judicial de conservación de pruebas, y que además sustituyó millones de registros dentro de la muestra solicitada por el tribunal.

Ian B. Crosby, abogado principal de los demandantes, resumió la acusación con dureza: "Si OpenAI genuinamente creía que copiar el periodismo de nuestros clientes era legal y constituía uso justo, no habría ocultado la verdad sobre haberlo hecho". Con base en estas alegaciones, el Times y el Daily News están pidiendo al juez que sancione a OpenAI por, presuntamente, ocultar pruebas y obstaculizar el proceso de discovery (exhibición de pruebas). En concreto, solicitan que se impida a OpenAI usar como prueba la muestra de 20 millones de registros por considerarla poco fiable; que se acepte como hecho probado que esos registros habrían mostrado una regurgitación y un anclaje sustanciales del contenido de los demandantes; que se prohíba a OpenAI argumentar que los registros entregados no demuestran esa regurgitación sustancial; y que la empresa pague los honorarios legales derivados de tener que perseguir estas pruebas.

OpenAI, por su parte, negó tajantemente las acusaciones a través de su portavoz Drew Pusateri, quien acusó al Times de intentar acceder a conversaciones privadas de los usuarios en un momento en que, según él, el caso del periódico se debilita y ha tenido que retirar algunas de sus reclamaciones. "A medida que el caso del Times se debilita y se han visto obligados a retirar reclamaciones contra nosotros, persisten en sus esfuerzos por invadir la privacidad de personas que no tienen nada que ver con este caso, incluso haciendo estas alegaciones descaradamente falsas", declaró Pusateri, añadiendo que la compañía seguirá defendiendo la privacidad de sus usuarios y los principios de uso justo.

El episodio marca una nueva escalada en uno de los litigios de propiedad intelectual más observados dentro de la industria de la IA generativa, con implicaciones que van más allá del caso concreto: si el tribunal determina que OpenAI efectivamente ocultó capacidades y pruebas que negaba tener, podría sentar un precedente sobre el nivel de transparencia exigible a las empresas de IA en procesos de discovery, además de reforzar la posición de otros medios y titulares de derechos que mantienen demandas similares contra la compañía.