¿Se sirve la IA simplemente de internet?

Para que un modelo de lenguaje aprenda a usar el idioma, necesita textos en una cantidad que solo internet puede aportar: sitios web, foros, enciclopedias, noticias. Unos programas, llamados crawlers, descargan automáticamente estos contenidos. Los responsables de un sitio web pueden indicar en un archivo llamado robots.txt que no quieren esto. Si todos lo respetan es algo debatido. En la UE, desde agosto de 2025, los proveedores de grandes modelos de IA deben resumir con qué datos han entrenado.

El segundo tipo es la búsqueda en vivo. La IA lee páginas actuales y las resume. Eso hace que las respuestas sean más actuales, pero no automáticamente más correctas, porque también reproduce lo que hay en páginas de baja calidad.

Para editoriales, fotógrafas y autores esto tiene consecuencias económicas: su contenido se usa sin que los lectores lleguen a su página. Tribunales de varios países se ocupan ya de este tema.