Wikimedia alerta por el fallo de copyright NYT vs OpenAI

Qué pidió Wikimedia a la corte

La Wikimedia Foundation, la organización sin fines de lucro detrás de Wikipedia, presentó un amicus brief (escrito de amigo de la corte) en el litigio que enfrenta a The New York Times con OpenAI y Microsoft. Su posición no es la de ninguna de las partes: pide a los tribunales que apliquen la doctrina del fair use con matices, en lugar de resolver el caso con una regla binaria.

"A Wikimedia le preocupa que las posiciones de las partes en este caso empujen hacia aplicaciones demasiado amplias y simplificadas de la doctrina del fair use", señala la organización en su presentación legal.

El argumento central: una victoria sin matices para las editoriales podría permitir a los titulares de derechos "filtrar" usos innovadores y transformadores de sus obras. Pero una victoria total de las empresas de IA sería "una luz verde para ignorar los términos de licencia y fragmentar el flujo de conocimiento entre autores humanos y audiencias".

El punto medio: entrenar sí, regurgitar no

La propuesta de Wikimedia distingue dos momentos del ciclo de vida de un modelo de lenguaje:

• Scraping y pre-entrenamiento: rastrear sitios web no debería considerarse infracción de copyright, y usar obras protegidas para pre-entrenar LLM sin licencia debería ser fair use cuando el resultado aporta "algo nuevo y diferente de las fuentes originales".
• Salida al usuario: si el modelo extrae copias del material en respuesta a consultas y las entrega "sustituyendo la interacción del lector con esas obras originales", entonces sí debería exigirse una licencia.

La diferencia clave es la sustitución. Cuando la respuesta de la IA reemplaza a la obra original en lugar de transformarla, Wikimedia sostiene que ya no califica como fair use. Para el contenido de Wikipedia, eso implicaría respetar la licencia Creative Commons, que exige atribuir la fuente y mantener cualquier remezcla o adaptación bajo la misma licencia.

Stephen LaPorte, consejero general de la Wikimedia Foundation, lo resumió así: "Un fallo que no aplique los principios del fair use con cuidado podría amenazar la sostenibilidad del conocimiento libre y ahogar el desarrollo de tecnologías de código abierto".

Por qué el fallo puede ser existencial para Wikipedia

Los sitios de Wikimedia "se han convertido en una de las fuentes de datos más críticas para todo el entrenamiento de inteligencia artificial y machine learning", según la organización. Pero esos mismos sistemas drenan visitantes y erosionan a las comunidades que mantienen los sitios.

No es una relación de un solo sentido. Wikimedia reconoce que los LLM le sirven: ayudan a los editores a combatir el vandalismo, detectar violaciones de copyright y doxxing, y encontrar artículos que necesitan mejoras.

Bernadette Meehan, CEO de la fundación, planteó el equilibrio: "Ampliar el acceso al conocimiento mediante la IA es un objetivo poderoso, pero debe respetar a las personas, los contribuyentes y las comunidades que hacen posible el conocimiento confiable".

Del otro lado, OpenAI y Microsoft sostienen que usar LLM constituye fair use. OpenAI ha dicho que regurgitar obra es "un bug raro". Microsoft, en una presentación de septiembre, afirma que un análisis de expertos encontró que Copilot rara vez reproduce oraciones completas del contenido periodístico usado para fundamentar el modelo, algo que según la compañía "apenas socava el propósito transformador del entrenamiento de LLM".

El mercado de licencias que ya se mueve

Mientras los tribunales deliberan, el mercado de licencias de contenido para IA ya tiene forma. Según exchange4media, OpenAI ha firmado acuerdos de contenido con más de 25 editoriales que cubren más de 160 medios en más de 20 idiomas, desde la Associated Press en julio de 2023 hasta The Times of India en septiembre de 2026. El mayor acuerdo reportado es el de News Corp, por más de US$250 millones a cinco años, y el tamaño promedio se estima en US$25 millones anuales.

Las cifras varían mucho. Según Mashable, Dotdash Meredith recibiría US$16 millones al año, mientras que algunos editores reciben apenas US$1 millón anual. Y no es solo OpenAI: Google prepararía un proyecto piloto con alrededor de 20 medios nacionales, además de su acuerdo de US$60 millones con Reddit, según Bloomberg.

El otro camino es el litigio. Más de una docena de editores, incluido The New York Times, optaron por demandar. En India, la agencia ANI demandó a OpenAI en noviembre de 2024 ante la Corte Superior de Delhi; el tribunal rechazó bloquear el uso del contenido de ANI en un fallo interino, al considerar que la práctica probablemente está cubierta por la excepción de fair dealing, y ANI apeló, según Medianama.

¿Qué significa esto para tu startup?

Si tu producto entrena modelos, hace scraping o genera respuestas sobre contenido de terceros, este caso define el terreno donde vas a operar. Tres cosas concretas:

• Separa entrenamiento de salida en tu arquitectura. El criterio que propone Wikimedia es la sustitución: si tu modelo devuelve el contenido original en lugar de transformarlo, ese es el punto de riesgo legal. Diseña tus respuestas para que sinteticen y enlacen a la fuente, no para que la reemplacen.
• Documenta la procedencia de tus datos. Si usas contenido con licencia abierta como Creative Commons, cumple la atribución y la cláusula de compartir igual. Si usas contenido de terceros, mantén registro de qué, de dónde y bajo qué términos.
• Evalúa el costo de licenciar antes de que te obliguen. Con acuerdos que van de US$1 millón a US$250 millones según el medio, el precio de un acuerdo voluntario suele ser menor que el de un litigio perdido.

El punto de fondo para cualquier founder: la incertidumbre legal es un costo de operación. Un fallo binario, en cualquier dirección, no la resuelve; la traslada. La propuesta de Wikimedia es, en la práctica, un llamado a que el marco legal distinga entre aprender de la web y reemplazarla.

Fuentes

• The Verge (fuente original)
• exchange4media
• Mashable
• Medianama