La demanda de USA Today contra OpenAI apunta a la economía detrás de ChatGPT
USA Today ha presentado una demanda por derechos de autor contra OpenAI en la que reclama más de 250 millones de dólares, sumando 19 publicaciones a un creciente desafío legal sobre el entrenamiento de IA. La demanda de USA Today contra OpenAI alega que la compañía copió cientos de miles de artículos sin autorización y posteriormente utilizó ese material para generar respuestas competidoras.
La acusación va más allá de cómo OpenAI reunió sus conjuntos de datos de entrenamiento. USA Today Co. también sostiene que ChatGPT puede reproducir el valor informativo de un artículo, dando a los lectores menos motivos para visitar al editor original.
OpenAI no había respondido públicamente a la nueva demanda cuando se informó de la acción el 8 de octubre de 2026. Su posición consolidada en litigios relacionados es que entrenar modelos con material disponible públicamente constituye uso legítimo. Los tribunales han aceptado versiones de ese argumento en algunos casos de IA, pero las disputas siguen dependiendo en gran medida de cómo se obtuvo y utilizó el contenido.
La presentación llega mientras The New York Times y numerosos otros editores impulsan reclamaciones similares. Estos casos han convertido una cuestión técnica sobre el entrenamiento de modelos en una disputa directa sobre quién captura el valor económico del periodismo digital.
Lo que alega la demanda de USA Today contra OpenAI
La demanda apunta tanto a la creación de los modelos de OpenAI como a los resúmenes de artículos que esos modelos pueden ofrecer a los usuarios.
USA Today Co. y editores afiliados presentaron la acción el 8 de octubre ante el Tribunal de Distrito de Estados Unidos para el Distrito Sur de Nueva York. Según la demanda por derechos de autor, los demandantes controlan derechos de autor sobre material de 19 publicaciones.
Estas publicaciones incluyen USA Today, Detroit Free Press, The Arizona Republic, The Tennessean, Indianapolis Star y The Columbus Dispatch. Otros medios participantes sirven a comunidades de Ohio, Wisconsin, Iowa, Kentucky, Tennessee, Oklahoma, Nueva Jersey, Florida, Nueva York y Carolina del Norte.
Los editores alegan que OpenAI copió cientos de miles de sus artículos y otros materiales para entrenar sucesivos modelos de lenguaje. Afirman que la compañía no solicitó autorización ni pagó por ese uso.
La demanda solicita daños superiores a 250 millones de dólares, junto con una medida cautelar destinada a detener nuevas infracciones presuntamente cometidas. Los daños solicitados siguen siendo una pretensión de los demandantes, no una sentencia judicial ni una valoración acordada de sus reclamaciones.
Los editores también acusan a OpenAI de eliminar información de gestión de derechos de autor. Esa información puede incluir firmas de autor, avisos de titularidad y otros datos que identifican quién creó o controla una obra.
Según se informa, la demanda identifica más de 160.000 entradas de sitios web propiedad de los demandantes en WebText, un conjunto de datos asociado con GPT-2. Atribuye 83.266 entradas a usatoday.com y 12.994 a freep.com.
También sostiene que los dominios pertenecientes a los editores representaron más de 122 millones de tokens en C4. C4 es un conjunto de datos de texto filtrado derivado de una instantánea web de Common Crawl de 2019.
Estas cifras proceden de la demanda y aún no han sido examinadas mediante un proceso judicial contradictorio. OpenAI puede impugnar el análisis de los conjuntos de datos de los editores, su interpretación o la conexión entre obras específicas y modelos concretos.
La demanda también alega que los sistemas más recientes de OpenAI pueden producir resúmenes extensos de artículos identificados. Los ejemplos adjuntos a la presentación, según se informa, involucran reportajes de varios de los periódicos locales participantes.
Esta alegación sobre las respuestas importa porque acerca la disputa al lector. El entrenamiento ocurre dentro de un proceso de desarrollo de modelos que la mayoría de los usuarios nunca ve. Un resumen detallado aparece en el mismo mercado informativo que el artículo subyacente.
Los demandantes presentan ese comportamiento como sustitución. Su teoría es que un usuario que recibe los hechos esenciales, la organización y las conclusiones mediante ChatGPT tiene menos motivos para abrir la página del editor.
Como señaló la cobertura inicial, la demanda describe el uso del contenido por parte de OpenAI como causa de un perjuicio continuo. El éxito comercial de OpenAI, sostienen los editores, se basa en parte en periodismo obtenido sin autorización.
Esta alegación crea el conflicto central. OpenAI considera el entrenamiento de modelos como un uso transformador de información disponible. Los editores ven un sistema comercial que consume su trabajo y luego compite por la misma audiencia.
Por qué los periódicos locales cambian lo que está en juego
Este caso es importante porque vincula las reclamaciones de derechos de autor relacionadas con la IA con la economía de la información local, no solo con las marcas nacionales de medios.
The New York Times planteó el desafío editorial más visible cuando demandó a OpenAI y Microsoft en diciembre de 2023. El caso alegaba copias no autorizadas durante el entrenamiento y la generación de respuestas que competían con el contenido de Times.
Otras organizaciones presentaron posteriormente acciones relacionadas o se sumaron a ellas. Entre ellas se encuentran periódicos de MediaNews Group, el Center for Investigative Reporting, Ziff Davis, The Intercept, CBC/Radio-Canada, Encyclopaedia Britannica, Merriam-Webster, The Seattle Times y Newsday.
Una coalición independiente que involucra a cientos de editores locales también ha impulsado reclamaciones contra OpenAI y Microsoft. El resultado ya no es un desacuerdo entre un periódico destacado y una empresa de IA.
USA Today Co. añade un tipo distinto de escala. Sus publicaciones participantes incluyen medios metropolitanos y regionales cuyo periodismo cubre gobiernos municipales, organismos estatales, empresas locales, escuelas, tribunales y eventos comunitarios.
Ese trabajo a menudo no tiene un sustituto directo. Un editor nacional puede resumir un importante anuncio de política federal, pero es poco probable que asista a una reunión sobre el presupuesto municipal en otro estado.
Cuando un modelo responde a una pregunta usando información local, la cadena económica se vuelve especialmente visible. Un periódico paga a reporteros, editores, fotógrafos y personal de apoyo para crear la información. Un chatbot puede entonces ofrecer una respuesta sintetizada sin asumir esos costos de cobertura.
La respuesta aún podría mencionar o enlazar al editor. Sin embargo, la atribución no garantiza una visita, una suscripción ni una impresión publicitaria.
Los editores tradicionalmente aceptaban la indexación en buscadores porque los resultados de búsqueda solían funcionar como navegación. Un titular y un breve extracto ayudaban a los lectores a decidir qué página abrir.
Las respuestas generativas funcionan de otra manera. Pueden combinar hechos de varias páginas, organizarlos en una explicación legible y completar la tarea del usuario dentro de la interfaz.
Por eso la demanda de USA Today contra OpenAI no trata únicamente de copias históricas de entrenamiento. Pregunta si un producto de IA se convierte en un sustituto comercial cuando transforma esas copias en respuestas útiles y autosuficientes.
La distinción también explica por qué los editores pueden licenciar contenido a algunas empresas de IA mientras demandan a otras. Un acuerdo de licencia define el acceso, la compensación, la atribución y los usos permitidos. La ingestión sin licencia deja esas condiciones bajo el control del desarrollador del modelo.
OpenAI afirma tener acuerdos con más de 20 editores y grupos de medios. Entre sus socios se han incluido Associated Press, Axios, The Atlantic, Condé Nast, Hearst, News Corp, Prisa Media y Vox Media.
La existencia de esos acuerdos ayuda a ambas partes a formular argumentos diferentes. Los editores pueden decir que el mercado ya reconoce que las noticias de alta calidad tienen un valor licenciable. OpenAI puede decir que sus asociaciones demuestran apoyo al periodismo, en lugar de un intento de reemplazarlo.
Ninguno de los dos puntos resuelve si la copia anterior sin licencia era legal. Sí demuestra que el mercado ha avanzado más allá de una simple elección entre el scraping sin restricciones y la prohibición total del acceso de la IA.
Para las redacciones locales, la presión es inmediata. Deben decidir si negocian, bloquean rastreadores, litigan o aceptan condiciones de referencia diseñadas por plataformas tecnológicas más grandes.
Esa respuesta no es solo un cálculo legal. Afecta cómo la información local será descubierta, resumida, financiada y archivada dentro de sistemas de información impulsados por IA.
La defensa de uso legítimo de OpenAI se enfrenta a una alegación de sustitución
La cuestión legal central es si el entrenamiento transformador de modelos supera el perjuicio competitivo alegado por los editores.
El uso legítimo es una doctrina estadounidense de derechos de autor que permite ciertos usos sin licencia después de que los tribunales consideren el propósito, el carácter, la cantidad y el efecto sobre el mercado. No convierte todo el material de acceso público en gratuito para cualquier fin comercial.
OpenAI ha sostenido de forma consistente que el entrenamiento de modelos es transformador. En lugar de almacenar artículos como un archivo de publicaciones consultable, un modelo analiza grandes cantidades de texto para aprender patrones estadísticos.
En su página pública sobre el caso de derechos de autor, la compañía afirma que los modelos de IA crean contenido nuevo e incorporan salvaguardas destinadas a evitar la reproducción. También señala decisiones federales relacionadas con Meta y Anthropic que consideraron el entrenamiento de modelos como altamente transformador.
Esas resoluciones brindan un respaldo significativo a los desarrolladores de IA, pero no deciden automáticamente cada disputa sobre entrenamiento. La fuente del material de entrenamiento, el tratamiento de las copias pirateadas, el diseño del producto y sus efectos de mercado pueden cambiar el análisis.
El litigio contra Anthropic ilustró esa distinción. Un tribunal podría considerar transformador el entrenamiento y, al mismo tiempo, tratar la adquisición o conservación de material obtenido ilícitamente como un problema independiente.
USA Today intenta dar la misma importancia a la sustitución de mercado. Su demanda no se limita a afirmar que las copias entraron en un conjunto de datos. Alega que OpenAI creó deliberadamente sistemas capaces de resumir y reempaquetar el periodismo de los editores.
Los editores aún tendrán que vincular esas alegaciones con obras protegidas identificables y conductas legalmente impugnables. Los derechos de autor protegen la expresión original, no los hechos subyacentes de una noticia.
Esta limitación es importante. Un tribunal no tratará cada respuesta precisa sobre un acontecimiento informado como una infracción simplemente porque un periódico reveló primero los hechos.
La cuestión más difícil se refiere a la expresión y la estructura. Una respuesta de un modelo que sigue la organización distintiva de un artículo o parafrasea de cerca pasajes extensos plantea una cuestión distinta de la de una respuesta factual breve elaborada a partir de varias fuentes.
OpenAI también puede cuestionar si los ejemplos de los demandantes reflejan un uso ordinario. En su disputa con The New York Times, la compañía ha sostenido que los demandantes utilizaron prompts diseñados para forzar una reproducción inusual.
Si un usuario debe proporcionar un título, repetir instrucciones o eludir deliberadamente las salvaguardas, OpenAI puede argumentar que la prueba no representa el comportamiento normal del producto. Los editores pueden responder que la capacidad de un sistema para producir sustitutos sigue siendo relevante, especialmente cuando los usuarios solicitan resúmenes de artículos conocidos.
Este desacuerdo hace que la evidencia sobre las respuestas sea crítica. Los tribunales tendrán que distinguir entre memorización, recuperación, resumen y generación independiente, en vez de tratar cada párrafo generado como si fuera el mismo proceso.
Memorización significa que un modelo retiene suficiente información para reproducir partes de sus datos de entrenamiento. La recuperación generalmente implica encontrar información actual en fuentes externas. El resumen comprime una fuente identificada en una forma más breve.
Una sola respuesta de ChatGPT puede combinar los tres mecanismos. Eso dificulta determinar si una respuesta concreta provino de los pesos del modelo, del acceso web en tiempo real, de datos bajo licencia o de varias fuentes utilizadas conjuntamente.
La teoría más sólida de los editores es económica, más que puramente técnica. Si ChatGPT proporciona regularmente valor a nivel de artículo sin generar tráfico significativo, el producto puede competir con los editores independientemente de su arquitectura interna.
La respuesta más sólida de OpenAI también es económica. Los modelos de propósito general producen muchas salidas y usos nuevos que no sustituyen ninguna obra concreta. Restringir el entrenamiento a material con licencia o de dominio público, sostiene, limitaría un desarrollo de IA socialmente útil.
El tribunal no resolverá esa disyuntiva eligiendo si el periodismo o la IA son más valiosos. Aplicará la legislación de derechos de autor a copias específicas, obras específicas, resultados específicos y efectos demostrados sobre el mercado.
El Caso Tiene Debilidades Importantes
Una cuantiosa reclamación por daños no exime a los editores de demostrar titularidad, copia, oportunidad procesal y perjuicio concreto.
La cifra más llamativa de la demanda es la solicitud de más de 250 millones de dólares. Esa cantidad refleja la escala de la disputa, pero no debe interpretarse como una pérdida ya acreditada.
Las indemnizaciones legales por derechos de autor pueden depender del número de obras registradas, del momento de su registro y de si la infracción fue deliberada. Los tribunales también evitan contabilizar repetidamente la misma conducta subyacente.
USA Today y sus filiales deben identificar las obras de su propiedad y mostrar cómo OpenAI presuntamente las infringió. Una estimación amplia de entradas de conjuntos de datos quizá no responda a esas cuestiones obra por obra.
El tiempo puede plantear otro obstáculo. Las reclamaciones por derechos de autor generalmente operan bajo un marco de prescripción de tres años, aunque persisten las disputas sobre cuándo un demandante descubrió o debería haber descubierto la presunta infracción.
Por tanto, la actividad de entrenamiento de modelos más antigua podría enfrentarse a argumentos distintos de los relacionados con el comportamiento reciente de las respuestas. OpenAI ha planteado defensas de prescripción en litigios relacionados con sistemas GPT iniciales.
Los editores también deben diferenciar la copia protegida por derechos de autor de la extracción de hechos. El periodismo contiene redacción original, selección, análisis y organización, pero también transmite información que otras personas pueden informar.
Otra incertidumbre es cuán representativos son los ejemplos de chatbot adjuntos. Un tribunal puede preguntarse con qué frecuencia se producen resultados similares, si requieren prompts especializados y si las salvaguardas los impiden durante el uso habitual.
El perjuicio real para el mercado también exigirá pruebas. Los editores pueden describir un riesgo lógico de sustitución, pero medir la pérdida de tráfico, suscripciones o ingresos por licencias implica más que demostrar que ChatGPT puede resumir un artículo.
El litigio más amplio de los editores ya ha producido resultados procesales mixtos. Algunas reclamaciones han sobrevivido a la desestimación, mientras que otras relacionadas con marcas comerciales o información de gestión de derechos de autor se han limitado o desestimado.
La disputa de The New York Times, por ejemplo, sigue centrada en gran medida en el uso legítimo, el acceso a pruebas y la sustitución de mercado. El litigio relacionado también ha generado desacuerdos sobre los registros de ChatGPT y las pruebas disponibles para los editores.
OpenAI afirma que las solicitudes de conversaciones de usuarios crean riesgos para la privacidad. Los editores sostienen que las respuestas de los modelos y las capacidades internas de búsqueda son necesarias para establecer cómo se utilizaron las obras protegidas por derechos de autor.
Los demandantes de USA Today pueden beneficiarse de las pruebas desarrolladas en esos casos anteriores, especialmente si su demanda se coordina con acciones relacionadas en el mismo tribunal federal. La coordinación puede reducir procedimientos duplicados y alinear las principales cuestiones jurídicas.
Sin embargo, unirse a un grupo más grande puede provocar retrasos. Las disputas sobre pruebas, las evidencias específicas de cada modelo, las cuestiones de confidencialidad y las mociones de juicio sumario pueden mantener activos estos casos durante años.
Tampoco hay garantía de que todas las publicaciones participantes tengan reclamaciones idénticas. Los distintos sitios web pueden tener archivos, restricciones de acceso, registros de derechos de autor y relaciones con motores de búsqueda o proveedores de datos diferentes.
Las alianzas de OpenAI con editores complican aún más la narrativa. Un tribunal no supondrá que la existencia de un mercado de licencias demuestre que todo entrenamiento sin licencia es ilegal.
Al mismo tiempo, esos acuerdos pueden ayudar a los editores a argumentar que las empresas de IA reconocen tanto la utilidad como el valor comercial de las noticias producidas profesionalmente.
Por tanto, dos proposiciones pueden seguir siendo ciertas. El entrenamiento de modelos de lenguaje puede ser transformador, y determinadas formas de adquirir o reproducir obras protegidas por derechos de autor pueden aun así generar responsabilidad.
La demanda dependerá de dónde trace el tribunal esos límites. Los titulares sobre un único veredicto a favor o en contra del entrenamiento de IA pasarán por alto ese análisis más detallado.
Esta Disputa También Trata Sobre el Futuro del Tráfico Web
La amenaza comercial para los editores es una capa de respuestas que se beneficia de sus reportajes mientras reduce la necesidad de visitar sus sitios web.
Históricamente, los motores de búsqueda ofrecieron a los editores un acuerdo complicado. Los rastreadores copiaban e indexaban páginas, pero los resultados de búsqueda también devolvían audiencias a la fuente.
Los editores optimizaron titulares, páginas y datos estructurados para ese sistema de referencias. Las estrategias de publicidad y suscripción dependían entonces de que una parte de los usuarios de búsqueda abriera el resultado.
La búsqueda generativa debilita esa secuencia. Una interfaz de IA puede leer o recuperar varias páginas, compararlas y presentar una explicación terminada por encima de los enlaces de las fuentes.
Un usuario que pregunte sobre una elección municipal, una decisión judicial, un resultado deportivo o el cierre de un negocio puede recibir la respuesta esencial sin salir del chatbot. El enlace pasa a ser evidencia de apoyo, en lugar del destino.
Esto no significa que las referencias desde IA no tengan valor. Una respuesta bien atribuida puede presentar una publicación a nuevos lectores, y algunas consultas todavía requieren reportajes originales detallados.
La disputa se refiere al equilibrio. Si un sistema de IA toma suficiente información para satisfacer a la mayoría de los usuarios mientras devuelve poco tráfico, los editores asumen el coste del reportaje mientras la plataforma controla la relación.
Por eso la demanda presuntamente cita declaraciones que sugieren que los usuarios a menudo no hacen clic después de recibir una respuesta. La acusación vincula el diseño del producto con el supuesto perjuicio de mercado de los editores.
OpenAI puede responder que los resúmenes, las citas y los enlaces ayudan a las personas a descubrir el periodismo. También puede argumentar que internet siempre ha permitido extractos, indexación y transformaciones que no requieren licencia.
La diferencia es de grado. Un fragmento de búsqueda normalmente anticipa una página. Una respuesta generativa puede sintetizar la página, responder preguntas de seguimiento y adaptar la explicación a las necesidades del usuario.
Por ello, los editores siguen varias estrategias a la vez. Algunos conceden licencias de sus archivos a empresas de IA. Algunos bloquean rastreadores concretos. Algunos negocian acuerdos de atribución e ingresos. Otros litigan por el entrenamiento pasado y las respuestas actuales.
Estos enfoques no se excluyen mutuamente. Un editor puede considerar nuevos acuerdos mientras busca compensación por una conducta que, según afirma, ocurrió sin permiso.
La misma tensión afecta a los usuarios empresariales. Una respuesta generada por IA puede ser conveniente, pero un resumen sin una procedencia clara dificulta evaluar la precisión, el contexto y los derechos de uso.
Los equipos que gestionan noticias, investigación, cumplimiento normativo o inteligencia competitiva necesitan preservar el origen de cada afirmación. Un sistema de gestión del conocimiento estructurado puede conservar enlaces a las fuentes y el contexto, en lugar de tratar cada respuesta generada como si se verificara por sí sola.
Esa práctica no resuelve la cuestión de los derechos de autor. Sí reduce un riesgo práctico creado cuando una interfaz de IA separa la información de su entorno original de reportaje.
Para los desarrolladores, el caso subraya la importancia de los controles de contenido. Los sistemas que recuperan artículos actuales necesitan políticas que regulen el acceso, la longitud de las citas, la atribución, el almacenamiento en caché y las respuestas a exclusiones de los editores.
Para los compradores empresariales, plantea cuestiones de adquisición. Los clientes pueden preguntar cada vez más si un proveedor de modelos utiliza fuentes con licencia, respeta las preferencias de los rastreadores y puede identificar el origen de la información recuperada.
Para los editores, la cuestión central es el poder de negociación. Los medios locales individuales pueden tener dificultades para negociar con una empresa que opera una plataforma global ampliamente utilizada.
El litigio colectivo y las licencias coordinadas pueden cambiar ese equilibrio. También pueden aumentar el riesgo de que solo los editores más grandes consigan acuerdos favorables, mientras las redacciones más pequeñas quedan fuera del mercado.
Tres Señales Determinarán Qué Ocurre Después
La siguiente fase estará marcada por la coordinación judicial, las pruebas sobre las respuestas y los términos de los futuros acuerdos con editores.
La primera señal es si la demanda de USA Today contra OpenAI se coordina formalmente con los casos de editores ya pendientes en Nueva York. Las pruebas compartidas y las resoluciones jurídicas convertirían esta presentación en parte de una prueba más amplia del entrenamiento de IA, en lugar de una acción aislada por daños.
La coordinación reforzaría la importancia de cualquier resolución de juicio sumario en el litigio de The New York Times. Ese caso ya ha avanzado lo suficiente como para enmarcar los argumentos contrapuestos sobre el entrenamiento transformador y la sustitución comercial.
Como mostró la fase más reciente del caso, OpenAI ha citado decisiones favorables relacionadas con Meta y Anthropic. Los editores sostienen que los sistemas que producen respuestas informativas competidoras presentan un efecto de mercado distinto.
Una resolución que lleve las reclamaciones principales a juicio reforzaría la posición de USA Today e incrementaría la presión para alcanzar acuerdos. Una resolución amplia de uso legítimo a favor de OpenAI debilitaría las reclamaciones basadas únicamente en el entrenamiento, aunque podrían mantenerse las alegaciones específicas sobre respuestas.
La segunda señal es la calidad de las pruebas de los demandantes. El tribunal necesitará más que una lista de dominios encontrados en conjuntos de datos públicos.
Habrá que observar las listas de obras registradas, los registros internos de entrenamiento, las respuestas representativas de los modelos y las pruebas que demuestren si los prompts habituales producen resúmenes sustanciales de artículos. Las pruebas de tráfico y licencias también importarán.
Si los editores demuestran una sustitución repetible en muchas obras, su teoría económica cobrará fuerza. Si las pruebas dependen de prompts inusuales o de registros débiles de titularidad, la defensa de OpenAI ganará fuerza.
La tercera señal es el mercado de licencias. OpenAI afirma que ya trabaja con numerosas organizaciones de medios, pero los términos de los acuerdos suelen ser privados y el acceso es desigual.
Más acuerdos con grupos de periódicos locales respaldarían la idea de que las empresas de IA necesitan suministros de noticias fiables y remunerados. Los acuerdos centrados únicamente en la atribución, sin tráfico o pagos significativos, dejarían sin resolver la disputa económica central.
Una larga batalla judicial también podría impulsar cambios en los productos antes de cualquier sentencia definitiva. OpenAI podría reforzar los límites de citas, los controles de fuentes, las opciones de rastreadores o los paneles para editores a fin de reducir la exposición legal.
Los editores también pueden desarrollar permisos legibles por máquina más claros que distingan entre indexación de búsqueda, entrenamiento de modelos, recuperación y resumen de artículos. Las reglas actuales para rastreadores no siempre expresan esos usos por separado.
Los lectores no deberían esperar que una sola demanda produzca una respuesta universal para todos los modelos de IA. Los tribunales examinarán la fuente de cada conjunto de datos, la finalidad de cada copia y el comportamiento de cada producto.
Aun así, la demanda de USA Today contra OpenAI amplía la disputa de manera significativa. Sitúa a un editor nacional y a una amplia red de noticias locales detrás de la afirmación de que las respuestas de IA pueden apropiarse tanto del contenido como del valor de la audiencia.
La cuestión final no es si los sistemas de IA pueden aprender del periodismo. Ya lo hacen. Es si los editores recibirán control exigible, compensación o tráfico cuando su trabajo ayude a esos sistemas a responder al público.
Durante los próximos meses, siga el expediente judicial de Nueva York, las pruebas que sustentan los ejemplos de resúmenes de artículos y cualquier nuevo acuerdo de licencia de OpenAI. En conjunto, esas señales mostrarán si este caso aumenta el poder de negociación de los editores o confirma que el uso legítimo sigue siendo la regla dominante para el entrenamiento de IA.
