La legalidad de entrenar modelos de IA con libros protegidos por derechos de autor sigue sin resolverse, a pesar de una importante sentencia que consideró lícito el entrenamiento de un modelo de una empresa. Un análisis de TechCrunch sobre litigios recientes de derechos de autor encontró que la cuestión decisiva puede no ser si los desarrolladores usaron obras protegidas, sino cómo las obtuvieron y si sus productos de IA compiten con los mercados originales.

La incertidumbre afecta a empresas que construyen sistemas como ChatGPT, Gemini y Claude, así como a autores, editoriales, compradores empresariales y desarrolladores que integran IA generativa en productos. Los tribunales están aplicando normas de derechos de autor redactadas décadas antes de que existiera el aprendizaje automático a gran escala, lo que produce decisiones tempranas que pueden influir en el sector sin resolver la disputa de fondo.

La decisión sobre Anthropic separa el entrenamiento de la adquisición de los libros

Uno de los casos más trascendentes involucró a Anthropic y a un grupo de escritores cuyos libros se usaron para entrenar los modelos de IA de la empresa. Según TechCrunch, el juez William Alsup dictaminó que el entrenamiento de IA de Anthropic era legal, pero ordenó a la compañía pagar un acuerdo de 1.500 millones de dólares por derechos de autor porque había obtenido algunos libros de “bibliotecas fantasma” en línea no autorizadas.

Esa distinción es fundamental. La sentencia trató la ingestión de obras protegidas por derechos de autor para entrenar un modelo de lenguaje más como leer y aprender de la literatura que como reproducir un libro para su distribución. La sanción se centró, en cambio, en la supuesta adquisición ilegal del material de entrenamiento.

Cathy Gellis, abogada especializada en propiedad intelectual, derechos de autor y tecnología, dijo a TechCrunch que el razonamiento podría ser favorable para las empresas de IA porque la ley de derechos de autor generalmente se centra en la copia y no simplemente en usar o experimentar una obra. Sin embargo, las consecuencias financieras y el tratamiento de la obtención de datos en la sentencia siguen creando una exposición considerable para los creadores de modelos.

El caso tampoco garantiza que otros tribunales lleguen a la misma conclusión. La decisión sobre Anthropic sigue siendo una resolución inicial influyente dentro de un conjunto mucho más amplio de litigios pendientes.

El uso legítimo depende del propósito y de la competencia en el mercado

Gran parte del debate jurídico gira en torno al uso legítimo, una doctrina que puede permitir el uso sin licencia de material protegido por derechos de autor con fines como la crítica, la educación, la parodia u otras actividades transformativas. Los tribunales suelen examinar el propósito del uso, la cantidad de material implicada y su efecto sobre el mercado de la obra original.

Jason Henderson, abogado de propiedad intelectual citado por TechCrunch, dijo que los tribunales parecen especialmente preocupados cuando una empresa entrena con material protegido por derechos de autor para construir un producto que compite directamente con el material de origen. Esa preocupación dio forma a un caso aparte que involucró a Thomson Reuters y Ross Intelligence, una empresa de investigación jurídica que usó contenido de Reuters para desarrollar una plataforma competidora basada en IA.

En esa disputa, el juez Stephanos Bibas concluyó que el uso de Ross no era transformativo porque carecía de un propósito o carácter suficientemente distinto del producto de Thomson Reuters. La decisión advierte a las empresas de IA: los datos de entrenamiento y las salidas del modelo pueden recibir un tratamiento diferente según si el sistema resultante sustituye al mercado original.

Esa lógica podría volverse importante para editores y autores que argumentan que los chatbots pueden generar libros sintéticos, resúmenes u otro contenido que compita con su trabajo. TechCrunch informó que ese argumento aún no ha prosperado en los tribunales, dejando incierta su fortaleza final.

La evidencia influye, pero no es concluyente

La evidencia disponible no establece una única regla legal para todo el entrenamiento de IA. La sentencia sobre Anthropic respalda la posibilidad de que el entrenamiento en sí pueda calificar como uso lícito, mientras que el caso de Ross Intelligence demuestra que un producto que compite directamente puede debilitar una defensa de uso legítimo. Distintos hechos sobre la fuente de los datos, el propósito del producto, el comportamiento de salida y el efecto en el mercado podrían conducir a resultados diferentes.

Ambos casos también son más estrechos que la cuestión a nivel de industria. Una decisión sobre libros adquiridos de fuentes ilegales puede no resolver el estatus de los libros obtenidos mediante bases de datos con licencia, web scraping u otras formas de acceso. Del mismo modo, una sentencia sobre un producto de investigación jurídica puede no trasladarse limpiamente a un chatbot de uso general.

Gellis dijo a TechCrunch que las decisiones iniciales están moldeando el comportamiento de las empresas, pero podrían ser revocadas o limitadas más adelante a medida que avance el litigio. La mayoría de las grandes empresas de IA siguen involucradas en disputas de derechos de autor pendientes, por lo que las sentencias actuales deben verse como señales y no como un arreglo final de la ley.

El artículo también distingue las disputas sobre entrenamiento de las cuestiones de derechos de autor en obras generadas por IA. En Thaler v. Perlmutter, un tribunal sostuvo que una obra generada totalmente por IA no es protegible por derechos de autor. Esa regla separada plantea preguntas prácticas sobre cuánto aporte humano se necesita para obtener protección y cómo se verificaría si una obra fue creada o asistida por IA.

Qué significa la incertidumbre para los creadores de IA

Para los creadores de modelos, la procedencia de los datos se está convirtiendo en una cuestión de producto y gestión de riesgos, no en un detalle jurídico de back office. El caso Anthropic sugiere que obtener material de entrenamiento de repositorios no autorizados puede crear responsabilidad incluso cuando la teoría subyacente del entrenamiento del modelo sobreviva al escrutinio judicial. Por ello, las empresas pueden verse presionadas a documentar de dónde proceden los libros y otras obras protegidas, cómo se procesaron y qué controles rigen la futura entrada de datos.

Los equipos de producto también deben evaluar si sus sistemas se presentan como herramientas de propósito general o como sustitutos de un mercado de contenido específico. La sentencia sobre Ross Intelligence indica que un producto de IA estrechamente enfocado que compite con un servicio de información establecido puede enfrentar un análisis de uso legítimo diferente al de un sistema con un propósito más amplio y transformativo.

Los compradores empresariales deberían esperar que las garantías sobre derechos de autor sigan siendo limitadas. Los proveedores pueden describir sus prácticas de datos y sus políticas de indemnización, pero ningún contrato puede eliminar la incertidumbre mientras los tribunales siguen decidiendo si el entrenamiento, la recuperación, la generación de resultados y la sustitución del mercado deben analizarse por separado.

Los investigadores y fundadores enfrentan una compensación similar. Usar material protegido por derechos de autor de alta calidad puede mejorar un sistema, pero el valor legal de esos datos depende del método de adquisición y del uso previsto. Hasta que maduren más casos, una gobernanza de datos conservadora y registros claros pueden importar casi tanto como el rendimiento del modelo.

Qué vigilar a continuación

Las señales más importantes llegarán con fallos posteriores en casos de derechos de autor pendientes que involucren a empresas de IA, especialmente decisiones que aborden libros obtenidos por canales legales y no por bibliotecas fantasma. El tratamiento que hagan los tribunales de las salidas de chatbots que se parezcan a las obras de los autores o compitan con ellas también aclarará cómo se evalúa el daño al mercado.

Los creadores deberían vigilar reglas más precisas sobre datos de entrenamiento con licencia, sistemas de exclusión voluntaria, licencias colectivas y los estándares probatorios usados para demostrar qué datos entraron en un modelo. Otra cuestión clave es si los tribunales de apelación preservan la distinción entre entrenamiento lícito y adquisición ilícita establecida en la disputa de Anthropic.

El sector también debería seguir cómo aplican los tribunales los estándares de protegiibilidad a las obras asistidas por IA. La línea entre autoría humana y asistencia de la máquina afectará a editores, empresas de software y usuarios que dependen de herramientas generativas para crear contenido comercial.

Perspectiva de Creati.ai

La lección inmediata no es que el entrenamiento de IA con libros protegidos por derechos de autor sea legal o ilegal. Es que la legalidad depende de una cadena de hechos: cómo se adquirió el material, qué hace con él el modelo o producto, si compite con el mercado de origen y cuánta autoría humana aparece en el resultado.

Para las empresas de IA, la respuesta más segura es tratar la incertidumbre legal como una restricción operativa. Una procedencia de datos documentada, un análisis de mercado específico por producto y estrategias de entrenamiento adaptables serán más duraderos que asumir que una sentencia favorable resuelve la cuestión. Las decisiones judiciales están empezando a definir los límites, pero todavía no han trazado una línea estable.