El entrenamiento de un modelo de lenguaje requiere tres insumos: capacidad de cómputo, algoritmos y datos. Durante años el cuello de botella fue el primero. Hoy la discusión se corrió hacia el tercero.
La razón es que la cantidad de texto de alta calidad disponible públicamente es finita, y buena parte ya fue utilizada. Entrenar con contenido generado por otros modelos degrada el resultado, un fenómeno documentado en la literatura técnica.
El mercado de licencias
Eso convirtió a los archivos de medios de comunicación, editoriales, foros y repositorios especializados en activos negociables. Varias empresas de inteligencia artificial firmaron acuerdos de licenciamiento con grupos editoriales, y otras enfrentan demandas por uso no autorizado.
La discusión jurídica de fondo —si el entrenamiento constituye un uso amparado por las excepciones al derecho de autor— tiene respuestas distintas según la jurisdicción y todavía no está saldada.
Los acuerdos que se hicieron públicos figuran en los comunicados de las partes.