El web scraping de OpenAI expuso un conflicto que Microsoft no pudo mantener en privado
El web scraping de OpenAI enfrenta ahora una contradicción dañina desde dentro de su socio corporativo más cercano. Según informes, un ejecutivo de Microsoft calificó esta práctica como el “mayor robo de trabajo de la historia de la humanidad”.
La declaración no provino de un crítico ajeno a la industria de la IA. Según informes, Brent Hecht, director de ciencia aplicada de Microsoft, lo escribió en un memorando interno de enero de 2023. Microsoft ha invertido en OpenAI e integrado sus modelos en productos como Copilot.
Material desclasificado de una demanda por derechos de autor ha llevado ahora esa advertencia privada a la vista pública. Los documentos sugieren que empleados de Microsoft y OpenAI entendían que los productos de IA podían debilitar a los editores que proporcionaban su material de entrenamiento.
Esa evidencia no resuelve si el entrenamiento de modelos constituye uso legítimo conforme a la legislación estadounidense sobre derechos de autor. Pero sí agudiza el conflicto central al que se enfrentan OpenAI y Microsoft. Describen el entrenamiento como transformativo, mientras que, según informes, sus propios empleados temían que los productos resultantes sustituyeran al periodismo y socavaran su economía.
Lo que dicen que ocurrió los documentos desclasificados
El nuevo desarrollo no es simplemente otra acusación de que OpenAI copió artículos. Es evidencia de que personas dentro de las empresas reconocieron el conflicto resultante.
El material surgió de la litigación consolidada por derechos de autor que involucra a The New York Times y otros editores. The Times demandó originalmente a Microsoft y OpenAI ante un tribunal federal en diciembre de 2023.
Los editores alegan que las empresas copiaron artículos protegidos por derechos de autor para crear conjuntos de datos de entrenamiento y productos comerciales de IA. OpenAI y Microsoft sostienen que sus usos son transformativos y están protegidos por el uso legítimo.
Los documentos ahora visibles añaden comunicaciones internas, testimonios de declaraciones y cifras reportadas sobre conjuntos de datos a ese desacuerdo. Sin embargo, persiste una limitación importante. Gran parte de la información aparece a través del escrito de juicio sumario de los editores, mientras que algunos anexos subyacentes siguen sellados.
Eso significa que los lectores ven citas seleccionadas y presentadas por una parte en un litigio activo. Las declaraciones son relevantes, pero no siempre está disponible el contexto completo de las conversaciones que las rodean.
Según un informe sobre el scraping de OpenAI, Hecht advirtió que los grandes modelos estaban absorbiendo trabajo humano a una escala extraordinaria. Otra cobertura identifica su expresión como “un robo asombroso de proporciones sin precedentes”.
Según informes, Hecht escribió que millones de personas considerarían el hecho de que los modelos “aspiraran” su trabajo como un robo. Después describió la práctica como posiblemente el “mayor robo de trabajo de la historia de la humanidad”.
La frase es deliberadamente abarcadora y discutible desde el punto de vista histórico. Su importancia aquí proviene de quién la utilizó presuntamente, no de aceptar la comparación como un juicio histórico ponderado.
Hecht trabajaba dentro de Microsoft, la empresa que actúa como el socio tecnológico y comercial más importante de OpenAI. Su advertencia sugiere que las objeciones éticas y económicas no se limitaban a editores, autores o investigadores externos.
Microsoft ha intentado distanciarse de esa conclusión. Un portavoz de la empresa dijo a AFP que los comentarios de Hecht representaban la perspectiva individual de un empleado, no la posición de Microsoft.
Los documentos describen, según informes, más de diez millones de artículos de noticias extraídos mediante scraping. Casi un tercio habría procedido de The New York Times, según un recuento sobre la copia de artículos basado en información de AFP.
Otra cifra se refiere a conjuntos de datos de entrenamiento intermedio, colecciones utilizadas para continuar entrenando un modelo después de su desarrollo inicial. Según informes, esos conjuntos contenían 91.692 copias de obras de The Times, Daily News y Center for Investigative Reporting.
Un conjunto de datos derivado de Common Crawl supuestamente contenía más de dos millones de documentos de nytimes.com. Common Crawl es un archivo sin ánimo de lucro que recopila periódicamente grandes porciones de la web pública.
Los editores también afirman que Microsoft proporcionó material a OpenAI mediante iniciativas llamadas Project Taxi y Project Mango. Project Mango habría producido un conjunto de datos que contenía al menos 160.903 obras únicas propiedad de organizaciones de noticias involucradas en el litigio.
Las acusaciones van más allá de recopilar páginas accesibles públicamente. El escrito cita, según informes, a un empleado de OpenAI que describió un método para sortear el muro de pago de The Times. El presidente de OpenAI, Greg Brockman, habría respondido: “ah nice”.
Ese intercambio recibirá un escrutinio minucioso porque las restricciones de acceso pueden afectar tanto al análisis jurídico como al factual. Copiar una página disponible abiertamente y eludir un muro de pago no plantean cuestiones idénticas.
El escrito también alega que parte de la preparación de los conjuntos de datos eliminó avisos de derechos de autor antes de que la información llegara a un modelo. OpenAI no ha admitido que estas prácticas establezcan una infracción, y los intercambios citados requieren su contexto completo.
Aun así, estos detalles cambian el carácter de la disputa. El caso ya no se presenta únicamente como editores que infieren cómo llegó su trabajo a ChatGPT.
Los documentos ofrecen una visión reportada del conocimiento interno, los métodos técnicos de adquisición y las preocupaciones comerciales. Estos temas pueden influir en cómo un tribunal evalúa el propósito, los efectos sobre el mercado y la credibilidad de la narrativa de cada parte.
Por qué el web scraping de OpenAI se convirtió en una prueba de uso legítimo
El web scraping de OpenAI importa jurídicamente porque el mismo contenido presuntamente ayudó a construir productos que pueden responder a los usuarios sin enviarlos de vuelta a los editores.
El uso legítimo permite ciertos usos no autorizados de obras protegidas por derechos de autor. Los tribunales generalmente examinan el propósito del uso, la naturaleza de la obra original, la cantidad copiada y el efecto sobre su mercado potencial.
Ningún factor único decide todos los casos. El análisis depende de las obras específicas, los métodos de copia, los resultados y los mercados.
OpenAI sostiene que el entrenamiento de modelos transforma el material fuente en representaciones estadísticas utilizadas para generar nuevas respuestas. También afirma que los hechos contenidos en la cobertura periodística no están protegidos por derechos de autor.
Los editores responden que sus demandas se refieren a expresión protegida, no a la propiedad de los hechos. Argumentan que OpenAI copió artículos completos a gran escala y creó productos que compiten por los mismos lectores.
Decisiones recientes sobre derechos de autor e IA han brindado un apoyo significativo a los desarrolladores. Tribunales de California han considerado transformativos algunos usos de libros para el entrenamiento de modelos, aunque los hechos y las reclamaciones restantes variaban.
OpenAI ha citado esas decisiones en su defensa. The Times sostiene que su disputa presenta un caso más sólido de sustitución de mercado porque ChatGPT y Copilot pueden ofrecer información actualizada que se asemeja al resultado de un editor.
Esa distinción hace que las declaraciones internas sean especialmente importantes. Según informes, el responsable de ChatGPT en OpenAI, Nick Turley, escribió que los productos de la empresa eran “en gran medida sustitutivos”.
Presuntamente predijo que se volverían más sustitutivos a medida que mejorara su calidad. Turley también habría descrito los productos de IA como una “amenaza existencial” para los editores.
Según informes, el CEO de Microsoft, Satya Nadella, reconoció durante una declaración que las conversaciones con chatbots habían sustituido algunas visitas a sitios web subyacentes. Eso no establece automáticamente un perjuicio de mercado jurídicamente reconocible, pero respalda la teoría factual de los editores.
Las mediciones internas de Microsoft podrían resultar más significativas. Los documentos señalan, según informes, que su motor de respuestas Copilot redujo las tasas de clics hacia el dominio de The Times hasta en un 93 por ciento en comparación con la búsqueda tradicional de Bing.
La tasa de clics mide con qué frecuencia los usuarios siguen un enlace mostrado. Un descenso puede reducir las impresiones publicitarias, las suscripciones, el descubrimiento de marca y la capacidad de construir una relación directa con los lectores.
La cifra requiere un manejo cuidadoso. Proviene de materiales de litigio y su metodología no se ha sometido plenamente a prueba pública. Puede reflejar consultas específicas, diseños de interfaz o períodos de medición, en vez de todo el tráfico de Copilot.
Aun así, apunta a la pregunta central del caso. ¿Una respuesta de IA crea una herramienta nueva o sustituye el mercado del reportaje utilizado para producir esa respuesta?
Según informes, una presentación interna de Microsoft describió la situación como un “bucle fatal”. Si las respuestas de IA reducen el tráfico de los editores, estos reciben menos ingresos. Menores ingresos se traducen entonces en menos reporteros y menos artículos originales.
Eso deja a los modelos futuros con menos material fiable que absorber. Por lo tanto, el servicio de IA puede debilitar el suministro de información del que depende su calidad.
La preocupación es especialmente aguda para reportajes que requieren costoso trabajo humano. Las investigaciones, la cobertura judicial, los reportajes internacionales y el periodismo sobre gobiernos locales no pueden generarse únicamente a partir de texto existente.
Alguien debe asistir a la audiencia, verificar el documento, entrevistar a la fuente y asumir la responsabilidad de publicar. Un modelo puede condensar ese trabajo después de que aparece, pero la condensación no financia su creación.
El caso entró en una fase decisiva cuando las partes pidieron al juez federal de distrito Sidney Stein que resolviera cuestiones mediante juicio sumario. El juicio sumario permite a un tribunal decidir reclamaciones sin un juicio cuando no existe una controversia factual sustancial que requiera un jurado.
Una revisión de un caso de derechos de autor e IA informó que se espera que Stein decida si partes importantes deben avanzar hacia juicio. No se espera una decisión final de inmediato.
El Departamento de Justicia de Estados Unidos ha apoyado la posición de OpenAI sobre el entrenamiento, haciendo hincapié en el progreso científico, el crecimiento económico y la seguridad nacional. Esa intervención muestra hasta qué punto la disputa se extiende más allá de un solo editor.
Una decisión amplia contra los desarrolladores de modelos podría elevar el coste de reunir corpus de entrenamiento. Una decisión amplia a favor de los desarrolladores podría reducir drásticamente el control de los editores sobre cómo los modelos comerciales usan sus archivos.
Microsoft y OpenAI se enfrentan a sus propias palabras
El conflicto principal se da entre una defensa pública del uso legítimo y advertencias privadas de que los sistemas de IA podrían sustituir a sus proveedores esenciales de contenido.
OpenAI y Microsoft no tienen que demostrar que su tecnología deja intactos todos los mercados existentes. Los productos transformativos suelen cambiar industrias, y la disrupción del mercado por sí sola no establece una infracción de derechos de autor.
Su problema más difícil es más acotado. Las declaraciones internas habrían anticipado sustitución, caída del tráfico de referencia, deterioro de la economía de los editores y una menor calidad del contenido futuro.
Esas preocupaciones se parecen a elementos del caso de los editores. También complican el esfuerzo de las empresas por presentar los efectos perjudiciales sobre el mercado como especulativos o remotos.
Según informes, un documento de Microsoft observó que un producto final rara vez amenaza los fundamentos económicos de sus proveedores esenciales. Después afirmó que Microsoft había creado precisamente esa situación para la cadena de suministro de contenido que sustenta los grandes modelos de lenguaje.
Un gran modelo de lenguaje, o LLM, predice y genera texto a partir de patrones aprendidos durante el entrenamiento. Su “cadena de suministro de contenido” incluye a las personas y organizaciones que producen material incorporado a conjuntos de datos o sistemas de recuperación.
Ese encuadre trata al periodismo como un insumo para el desarrollo de IA. También reconoce que el insumo no aparece automáticamente.
Los editores emplean reporteros, fotógrafos, editores, diseñadores, abogados y equipos técnicos. Financian solicitudes de registros, viajes, desarrollo de fuentes, verificación de hechos y correcciones.
ChatGPT puede separar la información de la experiencia editorial que la rodea. Un usuario recibe una respuesta sintetizada sin ver necesariamente el proceso periodístico, los anuncios, la oferta de suscripción o la relación con la fuente.
Para los lectores, esa comodidad es el producto. Para los editores, la misma comodidad puede eliminar el momento en que el periodismo crea valor económico.
La tensión se agudiza cuando el trabajo protegido por muros de pago entra en el entrenamiento. Según se informó, Nadella declaró que cualquiera que utilice información de pago para fundamentar respuestas o entrenar debería obtener una licencia.
Fundamentar respuestas significa proporcionar a un modelo información externa para respaldar una respuesta. Se diferencia del entrenamiento porque la información puede recuperarse cuando el usuario formula una pregunta.
Según se informó, Nadella dijo que habría invocado el derecho de Microsoft a exigir un reentrenamiento si hubiera sabido que OpenAI entrenó con material tras un muro de pago. Esa declaración no prueba que supiera que se produjo tal copia.
Sí revela una distinción que el director ejecutivo de Microsoft consideraba importante. El material protegido por controles de pago y acceso conlleva una expectativa más clara de uso comercial bajo licencia.
OpenAI ha buscado acuerdos de licencia con numerosos editores desde el lanzamiento de ChatGPT. The Associated Press, Axel Springer, News Corp y otras organizaciones han anunciado diversos acuerdos de contenido.
Esos acuerdos respaldan dos interpretaciones opuestas. OpenAI puede argumentar que las licencias reflejan un esfuerzo orientado al futuro para construir alianzas sostenibles, en lugar de una admisión sobre conductas pasadas.
Los editores pueden argumentar que los acuerdos demuestran la existencia de un mercado de licencias funcional. Si el contenido comparable tiene un valor susceptible de licencia, la copia no autorizada puede parecer menos un proceso técnico abstracto.
La industria no ha convergido en un único enfoque. Algunos editores licencian archivos, otros bloquean rastreadores de IA y otros demandan. Varios utilizan las tres estrategias en distintos productos y períodos.
El mercado resultante favorece a las empresas con poder de negociación. Un gran editor internacional puede negociar compensación, presencia de producto y condiciones de atribución.
Una pequeña redacción local tiene menos capacidad de negociación. Su periodismo aún puede contener hechos únicos que se vuelven valiosos para un motor de respuestas, especialmente durante emergencias o disputas políticas locales.
Este desequilibrio ayuda a explicar por qué el litigio se ha extendido más allá del Times. El grupo más amplio incluye organizaciones de noticias nacionales, especializadas, de investigación y locales.
Un juez federal permitió que las reclamaciones centrales de copyright continuaran en 2025. Un fallo judicial anterior desestimó algunas reclamaciones, pero preservó la disputa principal sobre la copia y el desarrollo de modelos.
OpenAI celebró las reclamaciones desestimadas y afirmó que construye modelos con datos disponibles públicamente de una manera basada en el uso legítimo. Microsoft declinó comentar sobre ese fallo.
La distinción entre disponibilidad pública y permiso sigue sin resolverse. Que una obra pueda leerse en línea no implica necesariamente que toda forma de copia sea lícita.
Al mismo tiempo, el copyright no concede a los editores control sobre los hechos ni sobre el aprendizaje ordinario. El tribunal debe decidir dónde encaja el entrenamiento computacional entre esos principios establecidos.
Las presentaciones son perjudiciales, pero no constituyen un veredicto
El lenguaje interno refuerza la narrativa de los editores, pero no determina por sí mismo la infracción, los daños ni el uso legítimo.
La cita más dramática procede de un empleado de Microsoft, no de una conclusión judicial. Calificar una actividad como “robo” en un memorando interno no determina si cumple los elementos legales de una infracción de copyright.
Los empleados suelen utilizar un lenguaje moral, estratégico o retórico que difiere del análisis jurídico. Un tribunal examinará la conducta y las pruebas en lugar de tratar el vocabulario de una persona como derecho vinculante.
Microsoft ya ha subrayado este punto al describir los comentarios de Hecht como una perspectiva individual. La empresa también puede argumentar que el debate interno demuestra un análisis responsable de riesgos, en lugar de conocimiento corporativo de una conducta indebida.
Las empresas piden habitualmente a los empleados que identifiquen los peores escenarios posibles. Un memorando de riesgos puede contener advertencias contundentes precisamente porque quienes toman decisiones desean que los daños potenciales se expongan con claridad.
Por esa razón, las pruebas completas importan. Sin los mensajes circundantes, los destinatarios y las respuestas, los lectores no pueden saber si los ejecutivos aceptaron, rechazaron o investigaron cada advertencia.
El escrito de los editores también cumple una función de defensa. Sus abogados seleccionaron pruebas que respaldan su moción y organizaron esas pruebas en torno a su teoría jurídica.
OpenAI y Microsoft interpretarán el mismo expediente de forma diferente. Pueden cuestionar el significado de las citas, la representatividad de las cifras de tráfico y la conexión causal entre las respuestas de IA y las pérdidas de los editores.
También pueden argumentar que el entrenamiento y la salida del producto no deben reducirse a un único acto. Un modelo puede entrenarse con una obra sin reproducir esa obra para los usuarios.
A la inversa, un producto puede generar una respuesta sustitutiva utilizando información con licencia, de dominio público o recuperada por separado. El tribunal podría tener que evaluar distintos conjuntos de datos, modelos y funciones de manera independiente.
La cifra reportada de diez millones de artículos también exige precisión. La existencia de un artículo en un conjunto de datos no revela con qué frecuencia afectó al comportamiento del modelo.
Tampoco un documento copiado permanece necesariamente recuperable como un artículo almacenado. Por lo general, los modelos codifican relaciones estadísticas aprendidas en lugar de funcionar como archivos ordinarios con capacidad de búsqueda.
Sin embargo, puede producirse memorización. En ocasiones, los modelos han reproducido pasajes reconocibles, especialmente cuando el material aparecía repetidamente en los datos de entrenamiento o los prompts estaban diseñados para provocarlo.
Los editores sostienen que tales resultados revelan copia y compiten con la obra original. OpenAI argumenta que los prompts atípicos y los ejemplos aislados no representan el uso normal del producto.
Este desacuerdo factual importa porque la sustitución de mercado no es simplemente una cuestión de si alguien prefiere ChatGPT. Los tribunales examinarán si el uso impugnado perjudica un mercado existente o razonablemente potencial protegido por copyright.
La caída reportada del 93 por ciento en clics parece relevante, pero el número por sí solo no puede responder a esa cuestión. La comparación debe tener en cuenta los tipos de consulta, la presentación de resultados, las citas y la intención del usuario.
Una búsqueda navegacional de un artículo específico del Times difiere de una solicitud general de un resumen meteorológico. Una busca al editor, mientras que la otra busca información que muchas fuentes pueden proporcionar.
La expresión “el mayor robo de trabajo” también puede distraer de las cuestiones jurídicas. Su escala histórica invita a un argumento emocional que ninguna de las partes necesita para ganar el caso.
Una investigación más útil pregunta qué se copió, bajo qué condiciones de acceso, con qué propósito comercial y con qué efecto medible. Esas preguntas conectan el proceso técnico con la doctrina del copyright.
Los lectores también deberían separar el rastreo web de OpenAI de toda forma de búsqueda asistida por IA. El entrenamiento, la recuperación en directo, la indexación, el almacenamiento en caché, el resumen y la reproducción literal son operaciones diferentes.
Cada una puede implicar permisos y decisiones de producto diferentes. Tratarlas como una práctica única e indiferenciada dificulta identificar reglas viables.
Para los trabajadores del conocimiento, la controversia conlleva una advertencia práctica. El material colocado en línea puede circular por conjuntos de datos, índices y sistemas de respuestas que después resultan difíciles de auditar.
Mantener una base de conocimiento personal trazable no puede impedir el rastreo externo. Puede preservar fuentes, autoría y contexto cuando los resúmenes generados por IA difuminan el origen de la información.
La misma disciplina importa dentro de las empresas. Los equipos que adopten herramientas de IA deberían documentar qué fuentes respaldan las afirmaciones generadas y qué licencias rigen esas fuentes.
Ese requisito no consiste solo en evitar litigios. La procedencia ayuda a los usuarios a distinguir las pruebas originales de la síntesis generada por modelos.
Qué sucede a continuación en el caso de rastreo de OpenAI
Tres señales mostrarán si estas revelaciones cambian el resultado legal, el mercado de licencias o el diseño de los productos de respuestas de IA.
La primera señal es la decisión de juicio sumario del juez Stein. El fallo determinará qué cuestiones pueden resolverse ahora y cuáles requieren un juicio.
Si el tribunal acepta partes importantes del argumento de los editores, las pruebas internas sobre sustitución y muros de pago cobrarán mayor relevancia. Un juicio podría exponer pruebas adicionales y testimonios al escrutinio público.
Si el tribunal concede una protección amplia a OpenAI y Microsoft, las revelaciones seguirán siendo perjudiciales para su reputación sin producir el cambio legal que buscan los editores. Ese resultado reforzaría la posición de uso legítimo de otros desarrolladores de modelos.
También es plausible una decisión dividida. El juez podría distinguir entre el entrenamiento con páginas accesibles, la elusión de muros de pago, determinados resultados o programas específicos de datos de Microsoft.
Tales distinciones importarían más que una simple etiqueta de ganador. Podrían establecer reglas diferentes para la recopilación, el entrenamiento, la recuperación y las respuestas generadas.
La segunda señal es cómo cambian las prácticas de licencia antes de una sentencia definitiva. OpenAI ya ha demostrado que negociará con los editores en algunas circunstancias.
Hay que observar si los acuerdos comienzan a cubrir el entrenamiento histórico, la recuperación en directo, las citas del modelo, el reparto de ingresos o los cuatro. Cada término aborda una parte distinta del conflicto.
Las licencias para entrenamiento histórico asignarían valor al uso pasado de conjuntos de datos. Los acuerdos de recuperación regularían el acceso actual cuando una respuesta necesite información reciente.
Las disposiciones sobre citas determinarían cuán visiblemente los usuarios ven las fuentes originales. Los acuerdos de ingresos abordarían si los editores participan cuando su periodismo respalda respuestas comerciales.
La cuestión crucial es si los medios más pequeños acceden a mercados similares. Un sistema de licencias que solo atienda a los mayores editores dejaría sin resolver el problema subyacente de suministro.
Las licencias colectivas o las condiciones estandarizadas legibles por máquinas podrían ampliar la participación. Sin embargo, esos sistemas seguirían necesitando una contabilidad transparente y una forma de identificar qué contenido influyó en qué servicio.
La tercera señal es el comportamiento del producto. Microsoft y OpenAI pueden responder sin esperar a los tribunales cambiando la manera en que los sistemas de respuestas dirigen la atención.
Los enlaces destacados por sí solos quizá no resuelvan el problema. Según se informó, un ingeniero de OpenAI reconoció que los usuarios podrían no seguir los enlaces independientemente de su ubicación.
Una mejor prueba es la calidad medible de las referencias. Los editores necesitan lectores que interactúen, se suscriban o reconozcan la fuente, no solo una cita debajo de una respuesta sustitutiva completa.
Las empresas de IA podrían limitar los resúmenes cuando una consulta busca un artículo protegido específico. También podrían distinguir en la interfaz entre la recuperación bajo licencia y el conocimiento general del modelo.
Mientras tanto, los editores seguirán poniendo a prueba barreras técnicas y reclamaciones legales. Cabe esperar más disputas sobre controles de rastreadores, muros de pago, páginas almacenadas en caché y contenido proporcionado mediante índices de búsqueda.
La industria en general debe decidir si el periodismo original es solo otra materia prima o un servicio que requiere inversión continua. La advertencia interna de Microsoft sobre el “círculo vicioso” hace más difícil ignorar esa elección.
Para los desarrolladores, el caso debería influir desde ahora en la gobernanza de datos. Un documento técnicamente accesible no queda automáticamente libre de riesgos contractuales, de copyright o reputacionales.
Para los compradores empresariales, la procedencia debería convertirse en un requisito de producto. Pregunten a los proveedores si las respuestas proceden de la memoria de entrenamiento, la recuperación en tiempo real, bases de datos con licencia o documentos controlados por el cliente.
Para los editores, esperar una resolución definitiva también tiene un coste. Necesitan pruebas que muestren cómo las interfaces de IA modifican las referencias, las suscripciones y el comportamiento de los lectores.
Para los usuarios, la comodidad sigue siendo real. Los chatbots pueden combinar información rápidamente y hacer que los temas difíciles sean más accesibles.
La respuesta responsable no consiste en fingir que la síntesis genera sus propias pruebas. Los lectores deberían consultar las fuentes primarias cuando importen la precisión, el pago o la rendición de cuentas.
El web scraping de OpenAI se ha convertido en algo más que una disputa sobre cómo un modelo adquirió texto. Ahora pone a prueba si las empresas de IA pueden depender del periodismo mientras desvían la atención que lo financia.
El tribunal decidirá las reclamaciones legales. Los editores, desarrolladores y usuarios decidirán si la economía de la información que sostiene esos sistemas puede sobrevivir a su éxito.
La próxima vez que una respuesta de IA sustituya una visita a la fuente, plantee una pregunta práctica: ¿quién financió la información original y podrá esa organización seguir financiando la próxima historia?
