La cruzada secreta de Anthropic para entrenar a Claude

Una investigación de The Washington Post sacó a la luz uno de los secretos mejor guardados de una de las mayores compañías de inteligencia artificial: el denominado Proyecto Panamá de Anthropic, una iniciativa secreta cuyo objetivo era entrenar a su modelo de IA, Claude, utilizando millones de libros físicos y digitales que, una vez escaneados y procesados, eran destruidos.

El escándalo estalló cuando varios autores, encabezados por la escritora Andrea Bartz, demandaron de manera conjunta a la compañía por el presunto uso indebido de sus obras para entrenar a Claude. Como resultado, Anthropic acordó pagar US$1.500 millones para resolver la demanda, lo que equivale a cerca de US$3.000 por cada título involucrado.

Cabe aclarar que Anthropic no fue declarada culpable por el uso del material protegido, sino por la forma en que este fue obtenido. Un juez de distrito determinó que el uso de los libros estaba amparado por la ley al considerar que habían sido utilizados de manera transformativa, comparando el proceso con el de un profesor que usa un libro para enseñar a sus alumnos.

Según Julián Riatiaga, abogado experto en propiedad intelectual, “en Colombia, la Dirección Nacional de Derecho de Autor ya se ha pronunciado sobre este tema al señalar que las empresas desarrolladoras de inteligencia artificial deben obtener la autorización de los titulares de los derechos para utilizar sus obras durante el entrenamiento de los modelos. Incluso ha advertido que, aunque el resultado final no reproduzca literalmente la obra utilizada como insumo, ese uso podría considerarse un ‘plagio inteligente’”.

Sin embargo, este caso está lejos de ser un hecho aislado. La investigación dejó al descubierto lo extendida que se encuentra esta práctica en la industria. Correos electrónicos filtrados muestran que, en el caso de Meta, la descarga ilegal de material fue autorizada después de ser “escalada a MZ”, una aparente referencia a Mark Zuckerberg, CEO de la compañía.

Los documentos judiciales incluyen un archivo de enero de 2023 en el que el CEO de Anthropic plantea que Claude aprendería a escribir mejor si era entrenado con libros, en lugar de utilizar únicamente lenguaje extraído de internet. Este tipo de iniciativas hace parte de una carrera silenciosa entre las principales compañías de inteligencia artificial por recopilar la mayor cantidad posible de contenido creado por la humanidad para alimentar sus modelos.

Con ese objetivo, Anthropic recurrió a diferentes mecanismos clandestinos, aunque no necesariamente ilegales. Diversos correos y documentos muestran que la empresa consideraba poco práctico solicitar autorización a editoriales y autores. Como alternativa, optó por adquirir ejemplares de segunda mano al por mayor, principalmente a través de dos proveedores ubicados en EE.UU. y el Reino Unido.

Se estima que, en un periodo de seis meses, Anthropic pudo haber adquirido y destruido entre 500.000 y dos millones de ejemplares, aunque las cifras exactas siguen siendo desconocidas. Uno de los documentos revelados por la corte señala: “El Proyecto Panamá es nuestro esfuerzo por escanear y destruir todos los libros del mundo… no queremos que se sepa que estamos trabajando en esto”.

Existe la posibilidad de que la regulación sobre este tipo de prácticas se endurezca, como ocurrió con Napster y el auge de las descargas ilegales de música a comienzos de la década de 2000, fenómeno que obligó a transformar el modelo de negocio de la industria. No obstante, figuras como Sam Altman han manifestado que el modelo de negocio de las empresas de IA no sería viable si tuvieran que compensar económicamente a todos los autores.