The New York Times Company ha publicado un aviso legal vinculante que prohíbe el 'scraping' automatizado, la minería de datos y el uso de su periodismo para entrenar modelos de inteligencia artificial sin permiso escrito explícito, amparándose en la Directiva europea de Derechos de Autor y reservándose todos los derechos de licencia comercial.
Puntos Clave
- The New York Times prohíbe expresamente el uso de su contenido para entrenamiento de IA/ML/LLM sin permiso escrito.
- El aviso invoca la exclusión del artículo 4 de la Directiva europea de Derechos de Autor y reserva todos los derechos de licencia comercial.
- Los editores monetizan cada vez más el periodismo como dato de entrenamiento mediante acuerdos negociados (ej. OpenAI–FT, OpenAI–Axel Springer).
- Los laboratorios de IA afrontan costes crecientes de adquisición de datos y riesgo legal mientras los editores premium ejercen control de copyright.
- El desenlace depende de la trayectoria litigiosa, la clarificación regulatoria y la evolución de los estándares del mercado de licencias.
Resumen Ejecutivo de Inteligencia
Base legal y alcance de las restricciones
El aviso invoca expresamente el artículo 4 de la Directiva (UE) 2019/790 sobre derechos de autor en el mercado único digital, que regula las excepciones de minería de textos y datos. The New York Times se acoge a la facultad de exclusión ('opt-out'), afirmando que su contenido no podrá utilizarse para "el desarrollo de cualquier software, aprendizaje automático, inteligencia artificial (IA) y/o grandes modelos de lenguaje (LLM)". La prohibición se extiende a la creación o distribución de conjuntos de datos archivados o en caché que contengan contenido del Times.
Esta postura se alinea con una tendencia creciente entre editores premium —como Financial Times, Axel Springer y The Associated Press— de reservar formalmente los derechos sobre el uso legible por máquina de sus archivos. El Times deriva las consultas comerciales a su división de Content Packages and Rights Licensing, señalando su disposición a monetizar el acceso mediante acuerdos negociados en lugar de una prohibición total.
Contexto de mercado: editores frente a laboratorios de IA
La exigencia del cumplimiento de los derechos de autor sobre los datos de entrenamiento de la IA se ha convertido en el principal campo de batalla comercial y legal. Los grandes desarrolladores de IA han dependido históricamente de vastos corpus a escala web, a menudo ingeridos a través de conjuntos de datos 'Common Crawl', sin acuerdos de licencia individuales. Los editores argumentan que esto constituye una reproducción no autorizada y amenaza sus modelos de ingresos por suscripción y publicidad.
Los recientes acuerdos de licencia —como los de OpenAI con Axel Springer, Financial Times y Le Monde— establecen un precio de mercado para el periodismo de calidad, verificado y contrastado, como dato de entrenamiento. El aviso del Times refuerza su posición negociadora al dejar claro que cualquier uso futuro requiere un acuerdo comercial a medida.
Implicaciones para el desarrollo de la IA y la economía del dato
Para los laboratorios de IA, la proliferación de exclusiones editoriales eleva el coste marginal de adquirir datos de entrenamiento frescos y autorizados. Los modelos entrenados con datos obsoletos o de dominio público de menor calidad pueden sufrir una degradación del rendimiento en actualidad, dominios especializados y precisión factual. Esta dinámica favorece a los incumbentes bien capitalizados capaces de costear carteras de licencias, consolidando potencialmente el mercado de modelos fundacionales.
Para el sector media, el giro representa una nueva vía de ingresos: licenciar propiedad intelectual para consumo algorítmico. Sin embargo, también corre el riesgo de fragmentar la web abierta si los editores se atrincheran tras muros de pago y barreras técnicas, reduciendo la descubribilidad y el acceso público a la información verificada.
Perspectivas: litigios, legislación y licencias
Tres desarrollos merecen seguimiento. Primero, si el Times emprende litigios contra 'scrapers' incumplidores, tras su demanda de diciembre de 2023 contra OpenAI y Microsoft. Segundo, si reguladores de EE. UU. o la UE aclaran el alcance de las excepciones de minería de textos y datos para IA generativa. Tercero, el ritmo y los términos de los acuerdos de licencia en la primera división editorial, que fijarán los referentes de valoración de los corpus periodísticos en la economía de la IA.
