Desde el acuerdo de API de $60 millones de Reddit hasta los datos personales que valen "unos pocos dólares", están tomando forma las nuevas economías de los datos de entrenamiento de IA.
d3sign / Getty Images
El acuerdo de licencia de cinco años de OpenAI con News Corp vale más de $250 millones, según el Wall Street Journal. Esa cifra, reportada cuando se anunció el acuerdo en mayo de 2024, sigue siendo el mayor acuerdo de licencia de contenido de IA divulgado.
No es un caso aislado. Reddit $RDDT firmó un acuerdo de licencia de contenido valorado en alrededor de $60 millones por año con Google $GOOGL para entrenar modelos de IA de Gemini, un acuerdo alcanzado a principios de 2024, justo antes de la presentación de la OPI de Reddit. En su prospecto de OPI, Reddit reveló acuerdos de licencia de datos con un valor de contrato agregado de $203 millones y términos de dos a tres años, según TechCrunch. El CEO de Reddit, Steve Huffman, había argumentado que los datos de la plataforma no deberían ser "dados a algunas de las empresas más grandes del mundo de forma gratuita."
Estos números mapean un mercado que apenas existía hace tres años. El mercado global de conjuntos de datos de entrenamiento de IA se valoró en $3.59 mil millones en 2025 y se proyecta que crezca a $4.44 mil millones en 2026, según Fortune Business Insights. Una estimación separada de MarketIntelo valora el segmento de licencias de conjuntos de datos en $4.8 mil millones en 2025, proyectado a alcanzar $22.6 mil millones para 2034.
El la era de los datos de entrenamiento de IA gratuitos ha terminado. Lo que lo está reemplazando tiene una lista de precios.
Las tarifas varían por órdenes de magnitud dependiendo del contenido, el editor y el comprador. En la cima, el acuerdo de News Corp promedia alrededor de $50 millones por año en su cartera de Wall Street Journal, New York Post y títulos globales. El primer acuerdo de licencia enfocado en IA de Amazon $AMZN con el New York Times está valorado entre $20 millones y $25 millones por año, según Wall Street Journal, según lo informado por eWeek.
Por debajo de ese nivel, los números caen pero siguen siendo significativos. Se informó que el acuerdo de Axel Springer con OpenAI para Business Insider, Politico y otros títulos fue de alrededor de $13 millones por año durante tres años. El Financial Times firmó con OpenAI por un monto reportado de $5 a $10 millones por año. El acuerdo de Dotdash Meredith con OpenAI valía al menos $16 millones, según Digiday.
Los editores académicos han extraído sus propios pagos. Wiley ejecutó un acuerdo de IA de $23 millones con una empresa tecnológica no revelada en el año fiscal 2024, seguido de un segundo acuerdo por valor de $21 millones, informó Publishers Weekly. Informa, la empresa matriz de Taylor & Francis, firmó un acuerdo inicial de acceso a datos de $10 millones con Microsoft $MSFT y espera que los ingresos totales relacionados con IA superen los $75 millones para el año, según Inside Higher Ed.
Shutterstock lidera a todas las empresas de medios en ingresos por licencias de IA: el CEO Paul J. Hennessy dijo a Bloomberg que la empresa esperaba $138 millones en 2024, frente a $104 millones en 2023. Su CFO dijo que los acuerdos individuales con Big Tech oscilaban entre $25 millones y $50 millones cada uno.
La ola inicial de acuerdos de licencias de contenido de IA en 2023 y 2024 se centró en tarifas anuales de tarifa plana, la mayoría de las cuales fueron para entrenamiento. Esa estructura ya está evolucionando.
Los editores ahora reciben pagos cuando los sistemas de IA obtienen o fundamentan su contenido en tiempo real, y Reddit anticipó esta segunda ola de precios basados en el uso. Reddit está discutiendo con Google y OpenAI una estructura de acuerdo futuro que podría permitir precios dinámicos, donde la plataforma gane más a medida que sus datos se vuelvan más valiosos para las respuestas generadas por IA. El CEO de Reddit, Steve Huffman, dijo durante una llamada de ganancias de julio de 2025 que "cada variable ha cambiado desde que firmamos esos primeros acuerdos" y que el corpus de la empresa es "más grande" y "más esencial", poniéndola en una posición fuerte para renegociar.
Mientras tanto, los modelos de participación en los ingresos están en aumento, según Yulia Petrossian Boyle, fundadora de YPB Global, quien señaló que los editores ganan una parte de los ingresos por suscripción o compensación basada en el rendimiento. ProRata, una startup de búsqueda con IA, paga el 50% de todos los ingresos de su producto Gist.AI a los editores, según AI Watch.dog.
Los acuerdos anteriores involucran instituciones. Para los individuos, la economía sigue siendo desequilibrada.
Vana, una startup derivada del MIT, ha atraído a más de un millón de usuarios que contribuyen con datos personales en diversos grupos, con pagos individuales típicamente pequeños de aproximadamente unos pocos dólares, dijo Vana a Axios. La CEO de Vana, Anna Kazlauskas, ha reconocido el problema de escala: "Mis datos por sí solos no son tan valiosos, pero un grupo de datos con decenas de miles o millones de personas es realmente valioso", dijo en un perfil de MIT News.
"Gran parte del miedo alrededor de la IA proviene de la falta de atribución adecuada y economía," Kazlauskas dijo a Quartz. "Si enseñas a la IA a hacer tu trabajo, deberías realmente ser dueño de ese modelo de IA."
La brecha entre la compensación institucional e individual refleja una asimetría estructural. News Corp puede negociar desde una posición de influencia legal, archivos e infraestructura editorial. El historial de escucha de Spotify $SPOT de un individuo o los datos de participación en Instagram no tienen un poder de negociación comparable a menos que se agrupen.
Estos precios reflejan un mercado bajo presión. Epoch AI, una organización de investigación que rastrea las restricciones de escalado de IA, proyecta con un 80% de confianza que el stock de datos generados por humanos disponibles públicamente se utilizará por completo entre 2026 y 2032, según su investigación publicada. La web indexada contiene alrededor de 500 billones de palabras de texto único, con un aumento proyectado del 50% para 2030. Eso suena grande, pero los modelos de frontera consumen datos más rápido de lo que internet los produce.
La escasez se extiende más allá del volumen. A medida que los sistemas de IA avanzan hacia la robótica, la realidad aumentada y la atención médica, necesitan tipos de datos que nunca estuvieron en la internet pública. Imágenes de drones, registros de rastreadores de actividad física y telemetría empresarial están detrás de muros de propiedad, consentimiento y formato técnico.
Los editores que firman acuerdos en 2023 y 2024 estaban valorando un activo sin mercado establecido frente a un comprador con mucha mejor información sobre cuánto los necesitaba. Esa brecha de información se está reduciendo. Los precios están subiendo. Y los vendedores, por primera vez, saben lo que tienen.
Únete a más de 500.000 lectores que comienzan su día con Quartz.
Al suscribirte, aceptas nuestros Términos de servicio y Política de privacidad.
