La Universidad de Oxford autorizó que materiales digitalizados de la Bodleian Library fueran incorporados a los conjuntos de entrenamiento de OpenAI, según documentos internos obtenidos por el Guardian. Esa finalidad no había sido explicitada en el anuncio público de la colaboración, presentado en 2025 principalmente como un proyecto de digitalización y ampliación del acceso a material histórico.
Los registros indican que, hasta junio de 2025, cerca de 125 mil imágenes de disertaciones históricas ya habían sido compartidas con OpenAI. El proyecto involucra sobre todo materiales en dominio público, incluidas disertaciones europeas y americanas de los siglos 19 y 20.
Oxford había descrito oficialmente la iniciativa como un piloto para probar la digitalización a escala y hacer que las colecciones que antes no estaban disponibles en línea sean consultables y accesibles. La página actual del proyecto también informa que aproximadamente 429 mil archivos de fichas de catálogo fueron digitalizados.
Oxford afirma que el uso no se ocultó
La universidad afirmó al Guardian que el volumen de material es “modesto en escala”, limitado a obras fuera de copyright y puesto a disposición de OpenAI de forma no exclusiva. La Bodleian mantiene los derechos sobre las digitalizaciones y pretende publicar el contenido abiertamente en internet.
Oxford también rechazó la interpretación de que el uso para entrenamiento haya sido ocultado. Según la institución, la digitalización era el objetivo principal de la colaboración, pero había transparencia sobre la contribución de los materiales a sistemas de inteligencia artificial.
El anuncio original, sin embargo, no decía explícitamente que los textos digitalizados serían añadidos a los conjuntos de entrenamiento de OpenAI. Documentos internos también registraron preocupaciones de empleados sobre posibles riesgos reputacionales asociados a la colaboración.
El caso refuerza el valor estratégico de colecciones académicas e históricas poco representadas en internet y plantea interrogantes sobre transparencia y gobernanza cuando instituciones culturales proporcionan datos para modelos comerciales de IA.
