Microsoft y OpenAI: empleados llamaron al scraping de IA el mayor robo de trabajo de la historia

La relación entre Microsoft y OpenAI volvió al centro del debate ético sobre la inteligencia artificial luego de que memorandos internos revelaran que parte del personal de la compañía cuestionó abiertamente cómo se entrenaron los modelos. Según documentos citados por Decrypt, algunos empleados llegaron a describir la recolección masiva de datos para alimentar estos sistemas como el posible «mayor robo de trabajo en la historia de la humanidad».

Los memos, que circularon dentro de la firma, no solo recogían la inquietud moral de quienes construían la tecnología: también advertían de un «doom loop», un círculo vicioso capaz de degradar la calidad de los propios modelos que se estaban desarrollando junto a OpenAI. En otras palabras, el mismo material que dio potencia a las herramientas de IA amenazaría, con el tiempo, con erosionar su rendimiento.

Publicidad

Estabilidad respaldada en Bitcoin

Descubre Dollar on Chain →

Qué revelan los memos internos de Microsoft y OpenAI

El planteamiento de fondo es sencillo y a la vez incómodo para la industria. Los grandes modelos de lenguaje se entrenan con enormes volúmenes de texto extraído de internet: libros, artículos periodísticos, foros, código y obras creativas producidas por millones de personas a lo largo de años. Muchas de esas fuentes nunca dieron permiso ni recibieron compensación por ese uso.

Los empleados que redactaron o comentaron esos memorandos ponían el dedo en esa herida. Al referirse al scraping —la práctica de rastrear y copiar contenido de la web de forma automatizada— como un «robo de trabajo», cuestionaban la legitimidad del insumo que sostiene el negocio. La discusión interna, según lo reportado, mezclaba la preocupación reputacional con un problema técnico concreto.

Ese problema técnico es el llamado «doom loop». A medida que internet se llena de contenido generado por IA, los nuevos modelos empiezan a entrenarse con material producido por otros modelos. El resultado es una degradación progresiva: menos originalidad, más errores repetidos y una pérdida de la riqueza que aportaban los datos originales creados por humanos. Los memos advertían que ese fenómeno podría comprometer la calidad futura de los sistemas.

El pulso legal con la industria editorial

La tensión no se queda en lo interno. La industria editorial y creativa lleva meses presionando por el uso de sus obras sin autorización. El New York Times, que mantiene litigios abiertos en torno al uso de contenidos para entrenar IA, reportó los roces entre las tecnológicas y el sector de las publicaciones, un frente que podría redefinir cómo se construyen estos modelos.

El debate llega en un momento en que los principales laboratorios de IA buscan blindarse legalmente y, al mismo tiempo, escalar su negocio. La pregunta de fondo es si el modelo actual —entrenar primero, negociar después— es sostenible cuando creadores, medios y programadores empiezan a reclamar su parte.

Para el sector cripto, la discusión no es ajena. La intersección entre inteligencia artificial y blockchain se ha convertido en uno de los terrenos más activos, tanto por sus promesas como por sus riesgos. Figuras del ecosistema como Vitalik Buterin han abordado los desafíos de la IA aplicada a la seguridad; en un análisis reciente, el cofundador de Ethereum rechazó el pesimismo sobre ciberseguridad ante el auge de la IA, aunque reconoció que la tecnología abre nuevas amenazas.

Por qué importa la calidad de los datos

La preocupación por la procedencia de la información tiene consecuencias directas. Modelos entrenados con datos dudosos o cada vez más contaminados pueden generar contenido menos fiable, un problema que ya se manifiesta en usos maliciosos. En el mundo cripto, por ejemplo, ya se han visto casos de suplantación con IA: recientemente, Cardano alertó por un hackeo que difundió un video falso de Charles Hoskinson creado con inteligencia artificial, una muestra de cómo estas herramientas pueden emplearse para engañar a usuarios.

El dilema que exponen los memos de Microsoft resume la contradicción de la industria: los mismos datos que impulsaron el salto de la IA generativa podrían convertirse en su talón de Aquiles si su uso no se ordena legal y técnicamente. La calidad de un modelo depende, en última instancia, de la calidad y la legitimidad de aquello con lo que se entrena.

Mientras los litigios avanzan y las presiones regulatorias crecen, la conversación sobre quién posee el trabajo humano que alimenta a la IA está lejos de cerrarse. Lo que hasta ahora era un debate reservado a abogados y activistas ha entrado, según estos documentos, en las propias oficinas de las empresas que lideran la carrera.