La batalla entre empresas de inteligencia artificial y medios de comunicación está dejando víctimas inesperadas por el camino.
El Internet Archive, esa organización sin fines de lucro que funciona como una especie de museo digital de internet, se encontró en medio de un conflicto que ni siquiera es el suyo.
Mientras gigantes de la tecnología y grandes editoras de noticias libran una guerra sobre derechos de autor y el uso de contenido para entrenar modelos de IA, quien está sufriendo las consecuencias es justamente quien siempre trabajó para mantener la historia de la web accesible para todo el mundo. 😬
Parece injusto, ¿verdad?
Y es exactamente de eso de lo que vamos a hablar aquí. Cómo una organización que guarda miles de millones de páginas de internet terminó convertida en daño colateral en esta batalla entre dos mundos que, en principio, no tienen nada que ver con ella directamente.
Qué es el Internet Archive y por qué importa tanto
Antes de meternos de lleno en el problema, vale la pena entender qué está en juego aquí. El Internet Archive fue fundado en 1996 por Brewster Kahle, y desde entonces funciona como una especie de biblioteca pública digital, gratuita y abierta para cualquier persona en el mundo. Su proyecto más famoso es la Wayback Machine, que ya ha archivado más de 800 mil millones de páginas web a lo largo de casi tres décadas.
Esto significa que, si quieres ver cómo era el sitio web de una empresa en 2003, o recuperar un reportaje que fue eliminado de un periódico, las posibilidades de encontrarlo ahí son bastante altas. Es un recurso histórico incalculable, utilizado por periodistas, investigadores, abogados, estudiantes y cualquier persona curiosa sobre cómo internet evolucionó a lo largo de los años.
Además de la Wayback Machine, el Internet Archive también digitaliza libros, música, películas y otros tipos de medios, todo con el objetivo de preservar el conocimiento humano de forma accesible y gratuita. La organización siempre operó en una zona un poco gris desde el punto de vista legal, pero nunca fue el blanco principal de grandes litigios — hasta que el mundo de la IA empezó a cambiarlo todo alrededor.
El punto central aquí es que el Internet Archive no es una empresa. No tiene inversionistas, no tiene un producto que vender, no tiene publicidad. Sobrevive de donaciones y funciona con una misión clara de preservación cultural e histórica. Por eso, cuando empieza a verse afectado por decisiones judiciales pensadas para otros actores, el daño es desproporcionado.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Y fue exactamente eso lo que empezó a ocurrir. Con el avance acelerado de la tecnología de inteligencia artificial y las disputas legales que vinieron con ella, el Internet Archive se encontró en una posición extremadamente delicada, siendo arrastrado a un debate que nunca protagonizó, pero del cual ahora no puede escapar.
La guerra entre IA y medios de comunicación
Para entender cómo el Internet Archive acabó en medio de esta historia, hay que mirar lo que está ocurriendo entre las grandes empresas de IA y las editoras de noticias. En los últimos años, compañías como OpenAI, Google, Meta y otras gigantes de la tecnología entrenaron sus modelos de lenguaje usando enormes volúmenes de contenido extraído de internet, incluyendo artículos periodísticos, reportajes, análisis y otros tipos de texto producidos por redacciones de todo el mundo.
El problema es que eso se hizo, según las editoras, sin autorización y sin compensación económica alguna.
Este conflicto explotó de lleno cuando el New York Times demandó a OpenAI y a Microsoft a finales de 2023, alegando que sus artículos fueron utilizados sin autorización para entrenar ChatGPT y otros modelos. Desde entonces, otras publicaciones siguieron el mismo camino, y el debate sobre derechos de autor en el contexto de la IA se convirtió en un intenso campo de batalla jurídico en Estados Unidos y en otros países.
Las empresas de inteligencia artificial, por su parte, argumentan que el uso de contenido público para entrenar modelos se enmarca en el concepto de fair use, una doctrina del derecho estadounidense que permite el uso de material protegido por derechos de autor en determinadas circunstancias sin necesidad de autorización previa del titular de los derechos.
El problema es que esta batalla legal está creando precedentes y movimientos que van mucho más allá de las partes directamente involucradas. Las editoras de noticias, en su intento por proteger sus contenidos, empezaron a adoptar medidas más agresivas de control de acceso, restricciones técnicas e incluso presión por cambios en las políticas sobre cómo se manejan los archivos y copias de páginas en línea.
Y ahí es donde el Internet Archive empieza a sentir el olor a humo de un incendio que no fue él quien provocó.
Cómo el Internet Archive se convirtió en blanco sin querer
La situación del Internet Archive empeoró significativamente tras una derrota judicial que sufrió en un caso separado, pero que terminó conectándose con este escenario mayor. En 2023, un tribunal federal estadounidense falló en contra del Internet Archive en un proceso presentado por cuatro grandes editoriales, incluyendo Penguin Random House y HarperCollins, relacionado con su programa de préstamo digital de libros.
La organización había digitalizado libros físicos y los prestaba de forma controlada durante la pandemia, pero los jueces entendieron que eso constituía una infracción de derechos de autor. La decisión fue un golpe duro, pero el impacto fue más allá del caso de los libros.
Con ese precedente establecido y con el ambiente jurídico cada vez más hostil en torno al uso de contenido digital, el Internet Archive comenzó a enfrentar presiones adicionales relacionadas con su archivo de páginas web. Algunas editoras de noticias, en el contexto de la guerra contra la IA, empezaron a cuestionar el mantenimiento de copias archivadas de sus contenidos en la Wayback Machine, argumentando que esas copias podrían utilizarse para entrenar modelos de lenguaje sin autorización.
Aunque el Internet Archive no es una empresa de IA y nunca ha vendido ni licenciado sus datos para ese fin, el simple hecho de mantener esos archivos accesibles pasó a ser visto como parte del problema por algunos actores de la industria de medios.
La presión viene de todos lados
No son solo las editoras las que están apretando el cerco. También hay una presión creciente de legisladores y reguladores que buscan crear nuevas reglas para el uso de contenido digital en el entrenamiento de modelos de IA. Proyectos de ley en discusión en Estados Unidos y en Europa proponen exigencias más estrictas de transparencia sobre qué datos fueron utilizados para entrenar sistemas de inteligencia artificial, y en algunos casos sugieren la creación de mecanismos obligatorios de licenciamiento y remuneración.
Estas propuestas legislativas, aunque bienintencionadas en su objetivo de proteger a los creadores de contenido, pueden terminar creando obligaciones que organizaciones como el Internet Archive simplemente no tienen capacidad de cumplir. Una entidad que opera con donaciones y un equipo relativamente pequeño no puede lidiar con los mismos requisitos de cumplimiento normativo que una empresa como Google u OpenAI, que mueven miles de millones de dólares.
Esto coloca al Internet Archive en una posición kafkiana, donde necesita defender la existencia de su archivo histórico en un debate que nunca fue sobre él, pero que ahora lo incluye de formas que pueden ser devastadoras para su misión central. Los recursos financieros de la organización son limitados, los costos legales son altos, y cada batalla judicial, aunque se gane, consume energía y dinero que podrían destinarse a la preservación de más contenido histórico. 😓
El impacto concreto para quienes usan el archivo
Es fácil mirar esta discusión y pensar que se trata de un problema lejano, cosa de abogados y tribunales. Pero el impacto real de una eventual reducción o restricción del Internet Archive lo sentirían millones de personas en su día a día.
- Periodistas que usan la Wayback Machine para verificar declaraciones de políticos y figuras públicas perderían una herramienta esencial de verificación de hechos.
- Investigadores académicos que estudian la evolución de la desinformación en línea, los cambios culturales en internet y las transformaciones del periodismo digital se quedarían sin acceso a décadas de datos fundamentales.
- Abogados que utilizan capturas de pantalla históricas como evidencia en procesos judiciales verían comprometida una fuente importante.
- Desarrolladores y diseñadores que consultan versiones antiguas de sitios web para entender la evolución de patrones de interfaz y experiencia de usuario también se verían afectados.
- Ciudadanos comunes que simplemente quieren acceder a un artículo que fue eliminado de un sitio o verificar información que desapareció de la red perderían esa posibilidad.
Internet ya es conocida por su impermanencia. Los enlaces mueren todo el tiempo, los sitios desaparecen sin previo aviso, los contenidos se eliminan por decisión editorial o simplemente porque alguien olvidó renovar el dominio. El Internet Archive es prácticamente el único mecanismo de preservación que funciona a escala global y de forma abierta para cualquier persona con una conexión a internet.
La amarga ironía de la situación
Hay una ironía que no se puede ignorar en toda esta situación. La IA que está en el centro de esta batalla se benefició enormemente del contenido histórico de internet para ser entrenada. Los modelos de lenguaje aprendieron a escribir, razonar y responder preguntas en parte porque tenían acceso a décadas de texto humano, incluyendo mucho de lo que está archivado en lugares como el Internet Archive.
Ahora, las disputas generadas por ese mismo uso están amenazando la existencia del archivo que ayudó a preservar ese conocimiento. Es un ciclo que, si no se interrumpe con cuidado, puede terminar destruyendo la propia infraestructura que hizo posible el desarrollo de la IA en su escala actual.
Los modelos de lenguaje que hoy generan textos, resúmenes y respuestas sofisticadas fueron alimentados por un océano de datos humanos. Una parte significativa de ese océano existía justamente porque organizaciones como el Internet Archive se dedicaron a preservarlo cuando a nadie más le importaba. Permitir que esta organización sea aplastada como efecto colateral de una disputa entre corporaciones multimillonarias sería, como mínimo, una demostración colectiva de ingratitud histórica.
Herramientas que usamos a diario
Caminos posibles para proteger la memoria digital
El debate sobre cómo equilibrar los derechos de las editoras de noticias, el desarrollo responsable de IA y la preservación del patrimonio digital todavía está lejos de una resolución clara. Pero algunas posibilidades ya han empezado a surgir en las discusiones entre especialistas en derecho digital, tecnología y preservación cultural.
Excepciones específicas para archivos sin fines de lucro
Una de las propuestas que gana tracción es la creación de excepciones legales claras para organizaciones de preservación digital sin fines de lucro. Este tipo de distinción jurídica permitiría separar el trabajo de archivado histórico realizado por entidades como el Internet Archive de las actividades comerciales de empresas de IA que utilizan contenido para generar ganancias. La idea es reconocer que no todo acceso y almacenamiento de contenido digital tiene la misma finalidad ni produce el mismo impacto económico.
Acuerdos de cooperación entre editoras y archivos
Otra vía posible involucra la creación de acuerdos formales de cooperación entre editoras de noticias y organizaciones de preservación. Estos acuerdos podrían definir reglas claras sobre cómo el contenido periodístico puede ser archivado, durante cuánto tiempo y bajo qué condiciones de acceso, garantizando tanto la protección de los derechos de autor como el mantenimiento del registro histórico.
Regulación que diferencie uso comercial de preservación
Legisladores en diferentes países están siendo presionados para crear marcos regulatorios sobre el uso de datos en el entrenamiento de IA. La inclusión de disposiciones que diferencien claramente el uso comercial del uso con fines de preservación e investigación podría ofrecer una capa de protección para organizaciones como el Internet Archive, sin abrir brechas para que las empresas de tecnología eludan sus responsabilidades.
Lo que ya queda claro en toda esta historia
Independientemente de cómo se resuelva este conflicto en los tribunales y los parlamentos, algunas cosas ya quedaron bastante claras. La primera es que las reglas que surjan de esta disputa van a moldear profundamente cómo funciona internet de aquí en adelante, quién tiene acceso a la historia digital y qué organizaciones logran sobrevivir en medio de esta tormenta.
La segunda es que tratar al Internet Archive como si fuera solo un repositorio más de datos que hay que restringir es un error grave. Esta organización representa casi tres décadas de trabajo dedicado a preservar la memoria colectiva de la humanidad en formato digital. Perder eso sería como quemar una biblioteca entera porque alguien usó una de sus páginas para un propósito no autorizado.
Y la tercera, quizás la más importante, es que este debate necesita incluir voces más allá de las grandes corporaciones y las poderosas editoras. Investigadores, educadores, periodistas independientes, activistas digitales y el público en general también son partes interesadas en esta conversación. El futuro de la memoria digital no puede decidirse únicamente por quienes tienen más dinero para contratar abogados.
El Internet Archive, que pasó casi tres décadas guardando la memoria de la web para todo el mundo, merece estar en el centro de esta conversación — no como víctima, sino como parte esencial de la solución. 🌐
