NYT contra OpenAI: cómo leer una acusación por pruebas sin confundirla con un fallo

El 9 de julio de 2026, The New York Times y otros editores pidieron a un tribunal federal de Nueva York que sancionara a OpenAI por su conducta durante el intercambio de pruebas del litigio de copyright. La noticia importante no es que un juez haya concluido que OpenAI ocultó o destruyó pruebas: a esa fecha no existía tal resolución. Lo que existe es una moción de 52 páginas presentada por los demandantes, con alegaciones graves y cinco remedios solicitados, junto a órdenes anteriores que permiten comprobar qué partes del relato ya había establecido el tribunal.

Esta diferencia parece formal, pero cambia por completo lo que el lector puede afirmar. Una moción cuenta la versión de quien pide algo; sus anexos ofrecen el material con el que intenta demostrarla; una orden expresa lo que el tribunal decidió; y una sentencia resuelve una controversia. Mezclar esos niveles convierte una acusación en hecho probado. La capacidad útil que deja este caso es aprender a leer cualquier noticia judicial mediante cuatro preguntas: quién habla, qué documento lo contiene, qué ha resuelto ya el juez y qué remedio se solicita.

La acusación, leída en su documento original

El memorando de los editores sostiene que OpenAI representó durante el proceso que no disponía de herramientas eficientes para buscar obras concretas en sus conjuntos de entrenamiento ni de infraestructura para rastrear contenido específico en grandes colecciones de conversaciones. Según los demandantes, una segunda declaración de Vincent Monaco, representante corporativo de OpenAI, celebrada el 8 de abril de 2026 reveló capacidades y búsquedas internas que contradecían esas posiciones.

El escrito organiza su relato en tres clases de material. La primera son los conjuntos de entrenamiento: los editores dicen que OpenAI ya había realizado búsquedas de su contenido. La segunda son depósitos de conversaciones de ChatGPT: afirman que en junio de 2023 existía un conjunto de unos 78 millones de conversaciones desidentificadas y aptas para búsqueda. La tercera es Project Giraffe, nombre que engloba herramientas y evaluaciones para estudiar la reproducción de contenido. Algunas piezas concretas del memorando público están tachadas, por lo que el documento permite confirmar la existencia de esas alegaciones, pero no reconstruir todo el funcionamiento técnico.

Ese matiz impide dos atajos. Un filtro de Bloom es una estructura probabilística útil para preguntar si un elemento puede pertenecer a un conjunto; por sí solo no decide si hubo infracción de copyright. Y la existencia de una evaluación interna de reproducción tampoco prueba automáticamente que cada salida detectada fuera ilícita. Puede ser una prueba relevante para determinar qué podía buscar la empresa y cuándo, pero la consecuencia jurídica depende del contenido, del uso, de las defensas y de la valoración judicial.

Qué había determinado ya el tribunal

Hay hechos procesales que no dependen solo de la versión de los editores. En una orden de 9 de marzo de 2026, la magistrada Ona T. Wang mandó producir los depósitos de 78 millones y 10 millones de registros mediante un protocolo de desidentificación. La misma orden declaró que Monaco no había estado suficientemente preparado para su primera declaración corporativa y que el patrón de objeciones y respuestas había impedido, retrasado y frustrado un examen justo. También ordenó a las partes discutir medidas correctoras y la producción de documentos no privilegiados relacionados con Project Giraffe.

Esa orden es más sólida que una paráfrasis periodística, pero tampoco dice lo que a veces se le atribuye. No declara que Project Giraffe probara una infracción. No resuelve la nueva petición de sanciones. De hecho, deja expresamente las alegaciones de pérdida de pruebas para una fase de escritos separada. La lectura rigurosa consiste en usar sus verbos exactos: el tribunal ordenó producir, encontró deficiencias en una declaración y reservó para después la cuestión de las sanciones.

Otro documento judicial fija el punto de partida sobre la conservación. El 13 de mayo de 2025, el tribunal ordenó a OpenAI conservar y separar, desde entonces y hasta nueva orden, todos los registros de salida que de otro modo se eliminarían. La orden reconocía a la vez el conflicto con solicitudes de borrado y normas de privacidad planteado por OpenAI. Por eso una noticia precisa debe distinguir entre la eliminación anterior a la orden, las obligaciones generales de preservación que los demandantes creen que ya existían y el cumplimiento posterior del mandato explícito. La moción mezcla esos periodos dentro de su teoría; el tribunal aún tenía que valorar cada uno.

La muestra de 20 millones y el problema de representatividad

Los editores sostienen que pasaron meses negociando una muestra de 20 millones de conversaciones porque OpenAI presentó búsquedas más amplias como técnicamente costosas. Alegan que la empresa continuó eliminando o comprimiendo miles de millones de conversaciones, sustituyó aproximadamente el 10 % de los registros inicialmente seleccionados y entregó una versión tan censurada que el tribunal la calificó de inutilizable. El memorando añade que una versión con menos tachaduras llegó una semana antes del cierre de la fase de hechos.

Aquí el concepto transferible no es el número espectacular, sino el sesgo de selección. Una muestra solo representa al universo del que se extrae si el mecanismo de inclusión no elimina de forma sistemática los casos relevantes. Si algunos registros desaparecen por políticas de retención, solicitudes de usuarios o sustituciones técnicas, hay que preguntar qué población quedó disponible y si las ausencias están relacionadas con la conducta investigada. Veinte millones puede sonar enorme y seguir siendo una muestra defectuosa. El tamaño reduce error aleatorio; no corrige una selección sesgada.

Eso tampoco demuestra por anticipado la tesis de los demandantes. Ellos deben conectar las pérdidas con información que debía preservarse y mostrar perjuicio. OpenAI puede discutir la caracterización de los sistemas, la posibilidad de restaurar datos, la proporcionalidad de las solicitudes, el efecto real sobre la muestra y la intención atribuida. Al 13 de julio, el memorando público era una apertura, no un expediente contradictorio completo. La ausencia todavía de una respuesta formal no equivale a una admisión.

Qué permiten las reglas y qué piden los editores

La Regla Federal de Procedimiento Civil 37 ofrece remedios distintos según el incumplimiento. El apartado 37(b) permite reaccionar al desacato de una orden de descubrimiento, incluso dando ciertos hechos por establecidos o impidiendo que una parte apoye determinadas defensas. El 37(e) se ocupa de información electrónica que debía conservarse y se perdió porque no se tomaron medidas razonables. Si la pérdida causa perjuicio, el tribunal puede ordenar medidas suficientes para repararlo; las presunciones más duras vinculadas a información desfavorable exigen concluir que hubo intención de privar a la otra parte de su uso.

Los editores solicitaron cinco cosas. Primero, que OpenAI no pueda utilizar para ningún propósito la muestra de 20 millones. Segundo, que se tenga por establecido que los registros contienen —o habrían mostrado de haberse producido correctamente— reproducción sustancial y sistemática de su material. Tercero, que OpenAI no pueda argumentar lo contrario. Cuarto, que el jurado reciba instrucciones sobre esas determinaciones y su efecto vinculante. Quinto, el reembolso de honorarios de abogados y expertos y de los costes dedicados a conseguir el material presuntamente retenido.

Son remedios capaces de alterar un juicio y, precisamente por eso, no deben narrarse como concedidos. El tribunal tendrá que decidir qué regla se aplica a cada conducta, si se incumplió una orden, qué información se perdió, si podía recuperarse, qué perjuicio causó y, para determinadas sanciones, con qué intención se actuó. También puede conceder una medida menor, rechazar parte de la petición o separar problemas distintos. “Piden una inferencia” y “el juez concluye el hecho” no son frases intercambiables.

Un método para no dejarse arrastrar por el titular

Ante la próxima noticia sobre una demanda tecnológica, conviene abrir el documento y etiquetar cada afirmación. “El demandante alega” pertenece a la columna de posiciones. “El anexo muestra” exige comprobar que el anexo es público y que sostiene exactamente la frase. “El tribunal ordena” pertenece a una resolución y debe incluir fecha y alcance. “La ley permite” describe un menú, no el resultado del caso. Por último, hay que buscar el escrito contrario: si aún no existe, esa ausencia debe quedar visible.

Aplicado aquí, el resultado es más sobrio y más útil. El 9 de julio los editores formularon una acusación documentada; una orden previa confirma que existían depósitos de 78 y 10 millones, problemas con la primera declaración de Monaco y una disputa real sobre Project Giraffe; otra orden había impuesto conservación prospectiva; y la Regla 37 contempla sanciones si se cumplen condiciones que el juez debe determinar. Lo que no había el 13 de julio era un fallo sobre la moción. El lector que conserva esa frontera puede explicar el caso sin convertirse, sin querer, en abogado de ninguna de las partes.