OpenAI ha comunicado que dejará de entrenar sus modelos con contenido procedente de la web en directo. La decisión, según la compañía, responde a riesgos significativos asociados a esa práctica. Es un cambio relevante para una industria que ha tratado internet como una cantera de datos casi inagotable y que ahora tiene que demostrar que puede crecer con límites más claros.
La expresión «web en directo» importa. No equivale a que los productos de OpenAI dejen de consultar información actual cuando una función lo permita, ni a que el conocimiento ya incorporado desaparezca. Se refiere al proceso de entrenamiento: la incorporación de grandes volúmenes de páginas, publicaciones y otros materiales que están disponibles en la red mientras se construye o actualiza un modelo.
Para las empresas, el anuncio desplaza la conversación desde el tamaño del modelo hacia la trazabilidad de los datos con los que se ha construido. Esa trazabilidad es especialmente importante cuando una organización usa IA para redactar, analizar documentos internos, atender a clientes o apoyar decisiones comerciales.
OpenAI no ha detallado públicamente todo el perímetro técnico de la medida ni el calendario de aplicación de cada familia de modelos. Sí ha vinculado el cambio a los riesgos de entrenar con la web viva. En ese entorno aparecen contenidos manipulados para influir en sistemas automáticos, datos personales publicados sin contexto, materiales protegidos y textos que cambian o desaparecen con rapidez.
El problema no es solo jurídico. Un conjunto de datos contaminado puede acabar afectando a la calidad de las respuestas y a la seguridad de una herramienta desplegada en una empresa. Un sitio preparado para insertar instrucciones maliciosas, por ejemplo, no tiene por qué comprometer a un usuario humano, pero puede generar señales engañosas si se incorpora sin filtros a una cadena automatizada.
La decisión llega mientras medios, autores, plataformas y desarrolladores de modelos negocian una relación económica todavía inestable. Las licencias de contenido, los acuerdos de acceso y las opciones de exclusión se han convertido en piezas del negocio de la IA. También han elevado el coste y la complejidad de obtener datos de calidad.
El valor competitivo empezará a depender menos de acumular páginas y más de saber qué datos se pueden usar, para qué fin y con qué controles. Para un equipo español que compra o desarrolla soluciones de IA, esa diferencia ya tiene consecuencias prácticas en compras, cumplimiento y reputación.
Las compañías que incorporen modelos generativos deberían pedir explicaciones concretas a sus proveedores. No basta con una afirmación genérica sobre seguridad o uso responsable. Conviene saber qué documentación existe, cómo se gestionan las reclamaciones sobre contenido y qué controles separan los datos de la empresa del entrenamiento general del proveedor.
- Identificar qué herramientas usan datos corporativos y bajo qué contrato.
- Separar la consulta de información actual del entrenamiento de modelos.
- Exigir registros y vías de revisión para usos de alto impacto.
En Europa, la cuestión conecta además con la aplicación progresiva del AI Act y con las obligaciones de transparencia que se discuten alrededor de los modelos de propósito general. La norma no resuelve por sí sola el origen de cada dato, pero refuerza la presión para que los actores del mercado puedan explicar sus prácticas y gestionar riesgos previsibles.
Para los editores, el movimiento de OpenAI no cierra el debate sobre remuneración ni derechos de autor. Lo hace más preciso. Si la web abierta deja de ser una fuente automática de entrenamiento, ganan peso los acuerdos explícitos, los repositorios con permisos claros y los contenidos que conservan una procedencia verificable.
La señal de fondo es que entrenar IA con internet ya no puede tratarse como una operación puramente técnica. Es una decisión de producto, de derechos y de gobierno corporativo. Las organizaciones que pidan esa claridad ahora estarán mejor situadas cuando la oferta de modelos y las reglas europeas sigan cambiando.
