La herramienta que dijeron que no existía: los editores piden a un tribunal que sancione a OpenAI

Una pelea por la prueba documental que dejó de ser sobre la prueba documental

Durante dos años y medio, la guerra de derechos de autor entre la industria periodística y OpenAI se libró en el terreno que todos esperaban: el uso legítimo (fair use). ¿Entrenar un modelo con millones de artículos los transformó en algo nuevo, o simplemente los copió a escala industrial? Esa es la pregunta que la industria esperaba que un tribunal respondiera.

El 9 de julio, los demandantes dejaron de discutir sobre uso legítimo y empezaron a discutir sobre honestidad. The New York Times, el New York Daily News, el Chicago Tribune, el Santa Rosa Press Democrat, el Authors Guild y un grupo de escritores superventas presentaron una moción de sanciones en el caso consolidado In re OpenAI Copyright Infringement Litigation, ante el tribunal federal de Manhattan, pidiendo a la jueza magistrada Ona Wang que castigue a OpenAI por lo que describen como una campaña sostenida de tergiversación y destrucción de pruebas. La acusación central, según informó TechCrunch, es contundente: OpenAI le dijo al tribunal, una y otra vez, que carecía de la capacidad técnica para buscar los artículos de los editores dentro de sus propios datos de entrenamiento y registros de salida, mientras que, puertas adentro, ya había construido herramientas para hacer exactamente eso y ya las había utilizado.

Se trata de un cambio de categoría. Un fallo sobre uso legítimo es un juicio jurídico acerca de lo que la ley permite. Un fallo sobre sanciones es un juicio sobre si se puede confiar en una de las partes, y los tribunales disponen de instrumentos mucho más contundentes para el segundo problema que para el primero.

Qué alega la moción

El punto de inflexión es una declaración testimonial. Según la Associated Press, John Vincent "Vinnie" Monaco, que trabaja en ingeniería de privacidad en OpenAI, fue designado como el testigo de la empresa sobre estas cuestiones. La jueza Wang determinó, en una orden de enero de 2026, que había llegado sin preparación a su primera declaración y ordenó que volviera a comparecer. Fue en la segunda sesión, en abril de 2026, cuando —según los demandantes— el relato terminó por desmoronarse: Monaco habría reconocido que OpenAI sí había buscado periodismo protegido por derechos de autor dentro de su corpus de entrenamiento, que había construido conjuntos de datos consultables de conversaciones de ChatGPT anonimizadas y que había ejecutado búsquedas de contenido de los editores.

Algunas de esas búsquedas, afirman los editores, son anteriores a la demanda original del Times, de diciembre de 2023. TechCrunch informa que la moción describe una base de datos interna de aproximadamente 78 millones de conversaciones de ChatGPT anonimizadas, reunida antes de que se presentara la demanda. Si eso se sostiene, significa que la capacidad que OpenAI dijo al tribunal que no existía no era meramente teórica: ya estaba en producción, y lo estaba desde hacía años.

OpenAI rechaza ese encuadre. El vocero Drew Pusateri dijo que el Times "persiste en sus esfuerzos por invadir la privacidad de personas que no tienen nada que ver con este caso, incluso mediante estas alegaciones descaradamente falsas", y afirmó que la empresa seguirá "defendiendo la privacidad de nuestros usuarios y los principios largamente establecidos del uso legítimo". Nada de lo contenido en la moción ha sido resuelto todavía. Son alegaciones de una parte adversaria en un caso de alto riesgo, y OpenAI aún no ha presentado su respuesta completa.

Project Giraffe y el filtro de Bloom

La alegación técnicamente más interesante es una iniciativa interna que la moción llama Project Giraffe. Según el relato que TechCrunch hace del escrito, poco después de que el Times demandara, OpenAI desplegó un filtro de Bloom —una estructura de datos probabilística que responde la pregunta "¿he visto esto antes?" de forma barata y a gran escala— para detectar cuándo las salidas de ChatGPT reproducían texto protegido por derechos de autor.

Pensemos en lo que eso implica. Un filtro de Bloom para la regurgitación es, funcionalmente, un detector de regurgitación. Para construir uno hace falta un corpus de texto protegido con el cual contrastar, una tubería que inspeccione las salidas y un mecanismo que registre o suprima las coincidencias. Cada uno de esos elementos es justamente aquello que OpenAI supuestamente dijo al tribunal que no podía hacer. El argumento de los editores no es que construir semejante filtro estuviera mal —podría decirse que era la decisión de ingeniería responsable—, sino que, habiéndolo construido, la empresa no podía afirmar de manera creíble que estaba a ciegas.

Aquí hay una tensión real e incómoda con la que la industria debería sentarse, en vez de celebrar y pasar de largo. La misma infraestructura que permite a un laboratorio suprimir la reproducción literal es la infraestructura que le permite a un demandante probar que la reproducción literal ocurrió. Un laboratorio que no construye ese instrumental tiene menos que ocultar y menos que arreglar. Un laboratorio que sí lo construye se convierte, en la práctica, en su propio mejor testigo. Ese es un incentivo genuinamente perverso, y ahora está en el centro del caso de derechos de autor sobre IA más importante de Estados Unidos.

La orden de preservación y los registros borrados

La segunda mitad de la moción es la más peligrosa en términos jurídicos: la destrucción de pruebas (spoliation). Los editores alegan que OpenAI borró datos de chat —la AP informa que el escrito describe millones de historiales de conversación y miles de millones de respuestas de ChatGPT— mientras estaba vigente una orden judicial de preservación. Las órdenes de preservación son el muro de carga del sistema estadounidense de exhibición de pruebas. Violar una a sabiendas es de esas cosas que los jueces se toman como algo personal.

El propio expediente sobre los registros que sí sobrevivieron es objeto de disputa. TechCrunch informa que los demandantes pidieron originalmente unos 120 millones de registros de conversaciones, negociaron hasta una muestra de 20 millones y que, cuando OpenAI la entregó en diciembre de 2025, llegó tan fuertemente censurada que resultaba de utilidad limitada. El lenguaje de la moción no deja dudas sobre la intención: "Sanciones serias son especialmente apropiadas aquí porque la conducta de OpenAI, incluida la violación de la Orden de preservación del Tribunal, fue consciente e intencional".

Los remedios solicitados siguen esa lógica. Los editores quieren que se le prohíba a OpenAI apoyarse en la muestra de 20 millones de registros; quieren que el tribunal dé por establecido como hecho probado que los registros habrían mostrado una reproducción sustancial y sistemática de su trabajo; quieren que se impida a OpenAI argumentar lo contrario; quieren instrucciones adversas al jurado sobre los datos destruidos; y quieren que se le paguen sus honorarios. Ese último conjunto es lo que los abogados llaman una sanción sobre la cuestión (issue sanction), y se acerca bastante a un arma capaz de terminar un caso. Entregaría a los demandantes, por decisión judicial, la conclusión fáctica que de otro modo tendrían que probar en juicio.

El ruido frente a lo que realmente está establecido

Conviene ser preciso sobre lo que se sabe y lo que no. Lo que se sabe: se presentó una moción de sanciones, es pública, menciona Project Giraffe y las declaraciones de Monaco, y busca un remedio que dé por zanjadas ciertas cuestiones. Lo que no se sabe: si algo de eso es cierto. OpenAI califica las alegaciones de descaradamente falsas. La jueza Wang no ha resuelto. No hay una determinación de destrucción de pruebas, ni de tergiversación, ni sanción alguna en el expediente.

También conviene resistirse a la lectura maximalista que circula en internet: que esto acaba con OpenAI. No es así. Ni siquiera una moción concedida resolvería la cuestión del uso legítimo, que sigue siendo el asunto jurídico determinante y sobre el cual OpenAI tiene argumentos reales. Lo que las sanciones sí harían es cambiar el tablero: despojarían a OpenAI de su capacidad de discutir uno de los presupuestos fácticos de la infracción y envenenarían el pozo de cualquier juicio sobre credibilidad que un jurado hiciera después.

La señal de fondo importa más que este expediente. La exhibición de pruebas en los litigios de IA ha llegado a las entrañas del modelo. Los demandantes ya saben lo suficiente como para pedir el índice del corpus de entrenamiento, los registros de salida, la tubería de deduplicación, los filtros de seguridad, y para darse cuenta cuando una empresa dice que esas cosas no existen. Todo laboratorio de frontera con un caso de derechos de autor pendiente debería leer este escrito como un anticipo de su propia próxima declaración testimonial.

En resumen

La historia de IA más trascendente de la semana no es el lanzamiento de un modelo. Es una moción procesal, y su objeto no es lo que hizo el modelo de OpenAI, sino lo que dijeron los abogados de OpenAI. Si los editores tienen razón, la empresa pasó dos años diciéndole a un tribunal federal que no podía ver dentro de su propio sistema mientras ejecutaba esas búsquedas puertas adentro. Si OpenAI tiene razón, esto es un demandante debilitado que se lanza a un pase desesperado que invade la privacidad.

En cualquier caso, se ha cruzado una línea. La cuestión del uso legítimo —esa que toda la industria esperaba— podría decidirse ahora a la sombra de una pelea sobre conducta, ante una jueza que ya una vez encontró sin preparación al testigo designado por OpenAI. Las empresas que construyeron su estrategia legal sobre la premisa de que las entrañas de los modelos son incognoscibles están descubriendo que los tribunales son perfectamente capaces de preguntar quién, exactamente, sí conocía.

Fuentes: TechCrunch · AP vía The Spokesman-Review · AP vía Press Democrat