Cómo aprende la IA a partir de los datos: explicación del entrenamiento en medio de la controversia de extracción de Meta

Por qué esto está en las noticias ahora

El 16 de octubre de 2026, The Register informó que los términos de servicio comerciales revisados de Meta, que entrarían en vigor el 30 de octubre, otorgarían a la empresa el derecho de usar software automatizado (descrito en los términos como incluido web scrapers, bots, robots, spiders, crawlers y user agents) para acceder, indexar, cachear, analizar, recopilar, recuperar o rastrear los sitios web asociados con sus clientes empresariales. Esos clientes incluyen a cualquiera que ejecute anuncios de Facebook, venda productos a través de herramientas de Meta, administre una Página o Grupo para negocios, o use agentes de IA de WhatsApp y Messenger, una categoría que Meta dijo cubre aproximadamente un millón de negocios.

Los términos establecían que el contenido recopilado podría usarse para una variedad de propósitos, incluyendo proporcionar, desarrollar, mejorar, investigar, entrenar y mantener los productos de Meta. Danielle Coffey, presidenta y CEO de News/Media Alliance, llamó a la cláusula "escandalosa y probablemente ilegal", argumentando que le permitía a Meta retener acceso a la audiencia de los negocios a menos que aceptaran términos amplios de recopilación de datos, según informó The Register. El profesor de derecho de la Universidad de Santa Clara, Eric Goldman, planteó preocupaciones procedimentales sobre Meta enmendar las relaciones existentes con los clientes sin una opción de exclusión genuina, y señaló el historial de Meta en disputas de privacidad.

Enfrentada a críticas, Meta revisó el lenguaje. TechCrunch informó el 17 de octubre que la empresa eliminó la palabra entrenar de la lista de usos permitidos y limitó los propósitos declarados a publicidad y productos comerciales en lugar de todos los productos de Meta. Un portavoz de Meta dijo que los términos de rastreo se aplicaban solo a los productos de publicidad y negocios de la empresa y que el cambio no alteró cómo Meta usa web crawlers.

Incluso después de la edición, expertos legales dijeron a los reporteros que el permiso de rastreo más amplio se mantuvo en su lugar. Según la cuenta de mediacopilot.ai del reportaje, el profesor de Derecho de la Universidad de Cornell, James Grimmelmann, dijo que los términos podrían técnicamente permitir que Meta registre credenciales que vean más de un sitio que lo que vería un visitante anónimo, mientras que el abogado de Loevy & Loevy, Matt Topic, dijo que el material en juego podría valer muchos millones de dólares en un mercado de licencias. El académico de la Universidad de Wisconsin, Benjamin Sobel, comparó el arreglo con el concepto antimonopolio de vinculación, ya que usar las herramientas comerciales de Meta requeriría aceptar los términos de datos.

Cómo aprenden realmente los modelos de IA a partir de datos

Separado de la disputa de Meta, la mecánica subyacente del entrenamiento de IA es consistente en la mayoría de los sistemas modernos. Según un explicador publicado por la empresa de fuerza laboral de IA Mercor, los datos de entrenamiento son la colección de ejemplos que estudia un modelo, con cada ejemplo impulsando los parámetros numéricos internos del modelo. El modelo hace una predicción, la compara con una respuesta correcta en el conjunto de datos, mide el error resultante, y ajusta sus parámetros para reducir ese error, un ciclo repetido en millones de ejemplos.

El explicador de Mercor distingue datos etiquetados, donde los humanos proporcionan la respuesta correcta o categoría, de datos no etiquetados, donde el modelo debe inferir patrones por su cuenta. También separa datos estructurados (tablas, bases de datos) de datos no estructurados como texto, imágenes, audio y video. Muchos modelos de lenguaje grandes actuales combinan ambos enfoques: una fase de preentrenamiento inicial en cantidades masivas de texto o imágenes no etiquetadas construye capacidad general, seguida de ajuste fino en conjuntos de datos más pequeños y etiquetados para formar el comportamiento específico de la tarea.

De dónde proviene la materia prima

Según el mismo explicador, los datos de entrenamiento generalmente provienen de tres canales: conjuntos de datos públicos y repositorios disponibles para investigación general, datos propietarios como los registros internos de una empresa, y anotación humana, donde trabajadores pagados etiquetan material sin procesar para crear ejemplos supervisados. El raspado web a gran escala, el rastreo automatizado de páginas públicamente accesibles, es una de las formas más comunes en que las empresas ensamblan la categoría de conjunto de datos públicos en la escala que los modelos modernos requieren, lo cual es por qué el alcance de los permisos de rastreo de cualquier empresa, como en el caso de Meta, importa directamente para cuánto de la web abierta puede alimentar legalmente a un sistema de IA.

Por qué el debate sobre raspado importa más allá de Meta

La disputa sobre la redacción de Meta ilustra dos puntos recurrentes de fricción en las prácticas de datos de IA: si los términos de servicio de una empresa pueden anular señales técnicas de exclusión voluntaria como el archivo robots.txt de un sitio web, y si la misma relación corporativa que le da a un negocio acceso a la audiencia de una plataforma también puede usarse para extraer el contenido de ese negocio para entrenamiento sin pago o consentimiento separado. El reportaje de Nieman Lab, según fue transmitido por mediacopilot.ai, señaló que la mayoría de las organizaciones de noticias mantienen al menos una cuenta comercial de Meta, lo que significa que el alcance de la cláusula podría extenderse a una gran parte de la industria de noticias aunque fue enmarcada alrededor de clientes comerciales en lugar de editores específicamente.

Meta no ha negado que sus crawlers puedan alcanzar contenido vinculado a cuentas comerciales; su posición, según se indicó a TechCrunch, es que los términos aclarados no cambian el comportamiento de rastreo existente. Los expertos legales citados en el reportaje dijeron que sigue siendo no probado en la corte si tal lenguaje de términos de servicio es exigible contra terceros o contra restricciones de robots.txt, dejando los límites prácticos de la cláusula sin resolver mientras se acerca la fecha efectiva del 30 de octubre.