Acusan a Gemini de entrenarse con ChatGPT: ¿copiado o estimado?

En los últimos días han surgido acusaciones contra Google Gemini, su modelo de inteligencia artificial conversacional, por haber sido entrenado con datos generados por ChatGPT de OpenAI. La polémica viene acompañada de documentos internos que revelan que Google utilizó las respuestas de ChatGPT para mejorar Bard (ahora Gemini) mediante proyectos de evaluación denominados “Project Bulba”.

---

📄 ¿Qué revelan los documentos?

Según una investigación reciente, Scale AI —empresa colaboradora de Google— empleó a contratistas que, en 2023, generaron miles de respuestas de ChatGPT y luego las compararon con las de Bard. El objetivo era mejorar la calidad de las respuestas de Bard hasta igualar o superar a ChatGPT, y aquellos que lo lograron recibieron bonificaciones iafrica.com+4aibase.com+4reddit.com+4businessinsider.com+1aibase.com+1.

Aunque Google y Scale AI aseguran que esta práctica fue parte de una evaluación estándar, no entrenando directamente a Gemini con las respuestas de OpenAI, varios expertos sostienen que la línea entre evaluar y entrenar es tenue businessinsider.com.

---

🧭 ¿Evaluación o entrenamiento indirecto?

La postura de Google y Scale AI:

• Aseguran que las respuestas de ChatGPT solo sirvieron para comparar y pulir las respuestas de Bard, no fueron incorporadas al entrenamiento de los modelos businessinsider.com+1aibase.com+1.
• Afirman que este tipo de evaluación comparativa es una práctica habitual en la industria .

Lo que señalan los críticos:

• Académicos y analistas explican que observar patrones de ChatGPT podría influir indirectamente en ajustes del modelo.
• La recomendación de “hacer que Bard supere a GPT‑4” sugiere una intención de replicar su calidad, lo que se acerca a un uso práctico de aprendizaje basado en ChatGPT businessinsider.com+1es.wikipedia.org+1.

---

🌐 Contexto en la industria de la IA

Esta situación no es aislada. Empresas recorren un camino similar:

• En 2024, DeepSeek fue acusada de usar datos generados por ChatGPT y Gemini para entrenar su modelo R1, lo que generó sospechas sobre si podían replicar resultados tan avanzados sin usar dichas salidas generadas iafrica.com+6techcrunch.com+6autogpt.net+6.
• El uso de técnicas como distillation (destilación de modelos grandes) es común para crear versiones más económicas y ligeras, aunque con riesgos éticos si se viola la propiedad de los datos theverge.com+2techcrunch.com+2autogpt.net+2.

OpenAI ha dejado claro en varias ocasiones que usar las respuestas de ChatGPT para entrenar modelos competidores viola sus términos; y Microsoft reportó actividad sospechosa de cuentas vinculadas a DeepSeek theverge.com+1autogpt.net+1.

---

⚖️ Repercusiones legales y éticas

La acusación abre varias vertientes de debate:

• Legal: si se usó contenido sin permiso explícito, podría violarse el copyright o los términos de uso de OpenAI.
• Ético: incluso sin violación directa, el uso indirecto de salidas de ChatGPT crea una dependencia velada en modelos ya entrenados.
• Competencia justa: si los datos competitivos influyeron en el desarrollo, la objetividad del proceso puede estar comprometida.

Por ahora no hay demandas ni investigaciones oficiales sobre Gemini, pero la presión pública y regulatoria sobre prácticas de entrenamiento en IA continúa en aumento.

---

🎯 ¿Y qué alternativas tiene Google?

Google defiende que:

• El uso de salidas externas fue solo para evaluación, no para alimentar modelos.
• Este método fue parte de un proceso interno de benchmarking para garantizar calidad competitiva theverge.com+4aibase.com+4reuters.com+4businessinsider.com.

No obstante, los críticos piden mayor transparencia, auditoría independiente de los datos usados y mejores controles éticos en el desarrollo de IA.

---

✅ Conclusión

Acusar a Gemini de entrenarse con ChatGPT es más que un rumor: parte de una práctica probable en la industria, que usa outputs de competidores para perfeccionarse. Google y Scale AI afirman que solo fue para comparar, no entrenar, pero muchos cuestionan si ese enfoque es lo suficientemente transparente.

Este caso evidencia que la IA está entrando en una nueva etapa de madurez regulatoria, en la que el origen de los datos, los procesos de entrenamiento y el uso ético de salidas generadas ya no pueden quedar en la zona gris. La discusión legal, técnica y social sobre “qué es legal o justo entrenar un modelo” sigue abierta.