OpenAI oculta, destruye y miente: el caso que ya no es solo sobre derechos de autor
Los medios no piden sanciones por usar internet para entrenar IA. Las piden porque OpenAI mintió al tribunal durante dos años, destruyó pruebas y luego dijo que no podía hacer lo que ya había hecho.
En este artículo
El Cuñado que explica derechos de autor
El Cuñado dice: "OpenAI usa lo que hay en internet para entrenar su IA. Es público, es legal, es uso justo. Siempre ha sido así."
La realidad es: que desde el 9 de julio de 2026, el argumento del uso justo es lo de menos. The New York Times, Daily News y otros medios presentaron una moción de sanciones ante un tribunal federal de Manhattan. No por el debate filosófico de si internet es un buffet libre para entrenar LLMs. Por ocultar pruebas, destruir registros y contradecir en una deposición lo que llevaban dos años declarando ante el juez.
Por qué importa saberlo: porque cuando una empresa destruye evidencia durante un litigio activo, el caso deja de ser sobre derechos de autor. Se convierte en obstrucción probatoria, y eso tiene consecuencias procesales independientemente de quién tenga razón sobre el uso justo.
Cómo se construyó la coartada de dos años
Para entender lo que pasó hay que remontarse a finales de 2023. El New York Times demandó a OpenAI y Microsoft alegando que ChatGPT había sido entrenado con millones de sus artículos sin permiso ni compensación. A esa demanda se fueron sumando Daily News, Chicago Tribune, Ziff Davis y el Center for Investigative Reporting. Una coalición de casi 400 periódicos locales y regionales presentó su propia demanda el 25 de junio de 2026, acusando a OpenAI y Microsoft de "robo sistemático y deliberado de cientos de miles de artículos" para entrenar ChatGPT y Copilot [F4].
Durante todo el proceso de descubrimiento de pruebas, la fase en que las partes se intercambian documentos y evidencias, OpenAI mantuvo una posición constante: no podemos buscar contenido de los demandantes en nuestros datos de entrenamiento ni en los registros de ChatGPT. Incapacidad técnica. Así, durante meses.
El problema es que no era verdad.
En una deposición de abril de 2026, el ingeniero de OpenAI Vincent Monaco confirmó algo que tiraba por tierra esa narrativa: la empresa ya había realizado esas búsquedas internamente. No como experimento teórico. Las había hecho para construir un filtro anti-regurgitación de contenido protegido. Según informó Ars Technica [F3], OpenAI ocultó durante dos años la existencia de muestras de 10 millones y 78 millones de registros de ChatGPT que ya estaban desidentificadas y que habían sido generadas precisamente para ese propósito.
Dicho de otra forma: OpenAI podía buscar perfectamente cuando le convenía para su propio negocio. Y cuando un juez federal se lo pidió para el litigio, dijo que no podía.
La muestra de 20 millones: el truco del cubileteador
Ante la presión judicial, OpenAI no entregó los datos completos. Ofreció una solución alternativa: una muestra de 20 millones de registros de ChatGPT para que los demandantes buscaran en ella.
Suena razonable hasta que lees los detalles.
Esa muestra venía con 19.000 millones de redacciones aplicadas. No es un typo: 19.000 millones de fragmentos editados o eliminados en 20 millones de registros. El propio tribunal calificó la muestra de "inutilizable" [F3]. Los demandantes pasaron ocho meses intentando trabajar con ese material. Resultado: cero.
Pero lo que documenta la moción de sanciones va más allá de entregar material inservible. Según el abogado del Daily News, Steven Lieberman, OpenAI además eliminó aleatoriamente partes de esa muestra ya de por sí mutilada [F2]. Y, lo más grave: comprimió o borró miles de millones de registros que estaba obligada a preservar por orden judicial desde el inicio del litigio.
Un empleado de OpenAI testificó, según los documentos, que decidieron no cumplir con esa obligación de preservación porque sería "difícil". La cantidad exacta de registros destruidos está redactada en los documentos públicos. No hay cifra disponible. Pero la escala que se menciona es de miles de millones.
"OpenAI ha estado haciendo tergiversaciones durante dos años sobre su capacidad para buscar contenido protegido en sus datos de entrenamiento y registros.", Steven Lieberman, abogado del Daily News [F2]
Qué piden exactamente los demandantes
La palabra "sanciones" genera expectativas de multas astronómicas. La realidad procesal es más quirúrgica y, en cierto sentido, más dañina para la posición de OpenAI en el juicio.
Los demandantes piden tres cosas concretas al juez [F1]:
Primero, que se impida a OpenAI usar su muestra de 20 millones de registros como prueba. Si prospera, OpenAI pierde su principal evidencia para argumentar que sus sistemas no regurgitan contenido protegido.
Segundo, que el tribunal asuma como hecho establecido que los registros ocultados habrían mostrado regurgitación masiva de contenido de los medios demandantes. En derecho procesal esto se llama adverse inference: cuando una parte destruye pruebas, el juez puede inferir que esas pruebas habrían perjudicado a quien las destruyó.
Tercero, que OpenAI pague los costes legales generados por dos años de un proceso de descubrimiento que se prolongó artificialmente por la negativa a entregar los datos. El NYT ha gastado más de 28 millones de dólares en litigios contra empresas de IA [F1]. Una parte de eso se atribuye directamente al tiempo perdido con el descubrimiento.
Lo que el juez aún no ha decidido: cuándo resolverá la moción, y si aplicará alguna o todas estas sanciones. A fecha de publicación de este artículo, el litigio sigue abierto.
El uso justo como escudo y sus límites reales
OpenAI mantiene que entrenar sistemas de IA con contenido disponible en internet constituye uso justo (fair use) bajo la ley de derechos de autor estadounidense. No es una posición descabellada. Es una teoría legal legítima que nunca ha sido probada definitivamente ante los tribunales para el caso específico del entrenamiento de LLMs a gran escala.
El problema no es la teoría. El problema es lo que pasa cuando la defensa de esa teoría incluye ocultar las pruebas que permitirían evaluarla.
El uso justo tiene cuatro factores que los tribunales sopesan: el propósito del uso, la naturaleza del trabajo original, la cantidad utilizada y el efecto sobre el mercado del original. OpenAI puede argumentar los tres primeros. El cuarto, el efecto sobre el mercado, es exactamente donde los registros destruidos y las bases de datos ocultas eran relevantes.
Hay un dato estructural que no conviene ignorar: Google introdujo en 2024 los resúmenes generados por IA en los resultados de búsqueda, lo que ya redujo los ingresos publicitarios por clics en las fuentes originales [F2]. Los medios están viendo cómo su contenido alimenta sistemas que luego les quitan tráfico. Eso es el daño de mercado que habrían necesitado demostrar con esos registros.
El ecosistema más amplio: acuerdos, demandas y destilación
No todos los medios están en el mismo bando. Un número creciente de publicaciones ha firmado acuerdos de licencia con OpenAI, Google y Meta, recibiendo una tarifa a cambio de permitir el entrenamiento con su contenido. Associated Press fue el primero en anunciar un acuerdo así con OpenAI en 2023 [F1]. Es el modelo que la industria ha desarrollado para coexistir con lo que ya existe.
El contraste más llamativo lo pone Anthropic. La empresa acordó pagar 1.500 millones de dólares a autores por haber entrenado a Claude con obras sin permiso [F1]. Anthropic tiene una valoración de mercado de 965.000 millones de dólares, con lo que el acuerdo representa una fracción pequeña de su valor. Ese acuerdo no crea precedente legal vinculante para OpenAI, pero sí establece una referencia de lo que puede costar resolver este tipo de disputas por la vía negociada en lugar de por la litigada.
Y luego está el problema de la destilación. Mientras OpenAI litiga contra los medios por el uso de su contenido, Anthropic acusó a Alibaba de usar casi 25.000 cuentas fraudulentas de Claude para realizar decenas de millones de intercambios y entrenar su propio modelo mediante destilación adversarial [F4]. La Casa Blanca publicó en abril de 2026 un memorando para combatir "campañas a escala industrial para destilar sistemas de IA de frontera de EE. UU.", señalando específicamente a China [F4]. Lo que nos da el panorama completo: todo el mundo quiere construir IA con el trabajo de otro, y la línea entre lo que es legal y lo que no sigue sin estar trazada definitivamente.
Si te interesa cómo funciona exactamente esa práctica de la destilación de LLMs y la doble moral que genera, ya lo hemos cubierto con más detalle.
Por qué este caso importa más allá del copyright
El debate sobre si el entrenamiento de IA con contenido público es uso justo va a tardar años en resolverse definitivamente. Hay docenas de demandas en curso. Los tribunales están construyendo jurisprudencia desde cero.
Pero lo que está pasando en este caso específico es distinto y más inmediato: una empresa afirmó durante dos años ante un tribunal federal que no podía hacer algo que ya había hecho. Un ingeniero suyo lo confirmó bajo juramento. Se destruyeron miles de millones de registros que había obligación legal de preservar.
Eso no es un debate sobre la naturaleza del uso justo. Es discovery misconduct, mala conducta en el descubrimiento de pruebas, con documentación judicial de por medio. Y eso tiene consecuencias procesales que no dependen de si OpenAI tiene razón o no sobre el copyright.
La defensa de uso justo sigue siendo una posición legal válida. Pero es difícil usarla como escudo cuando el juez tiene en la mesa una moción documentando que ocultaste las pruebas que habrían permitido evaluarla.
Preguntas frecuentes
¿Ha sido sancionada OpenAI por este caso?
No. A fecha de publicación, solo se ha presentado una moción solicitando sanciones ante el juez federal de Manhattan. El juez no ha resuelto todavía. Las sanciones pedidas incluyen que OpenAI pierda su muestra de 20 millones como prueba, que el tribunal asuma que los datos ocultos mostraban regurgitación masiva, y que pague los costes del descubrimiento prolongado artificialmente.
¿Qué es el "discovery misconduct" que se acusa a OpenAI de cometer?
Es mala conducta durante la fase de descubrimiento de pruebas del juicio. Los demandantes alegan que OpenAI mintió sobre su capacidad técnica para buscar contenido en sus datos, entregó material con 19.000 millones de redacciones que el tribunal calificó de "inutilizable", y destruyó miles de millones de registros que tenía obligación legal de preservar desde el inicio del litigio.
¿El acuerdo de Anthropic de 1.500 millones obliga a OpenAI a pagar algo similar?
No. El acuerdo de Anthropic con autores no crea precedente legal vinculante para OpenAI. Son casos distintos, ante tribunales distintos y con hechos distintos. Sí establece una referencia sobre lo que puede costar resolver estas disputas por vía negociada, pero OpenAI mantiene su defensa de uso justo y el litigio sigue abierto.
¿Qué pasaría si el juez concede las sanciones pedidas?
OpenAI perdería su muestra de 20 millones de registros como prueba en el juicio, y el tribunal podría asumir como hecho que los datos ocultados habrían demostrado regurgitación masiva de contenido de los medios demandantes. Eso debilitaría significativamente su posición para el juicio de fondo sobre derechos de autor, aunque el resultado final seguiría siendo incierto.
