Durante años la IA se entrenó con millones de obras protegidas por derechos de autor; ahora la Justicia de EE.UU. decidió que es hora de rendir cuentas

Durante los primeros años de la inteligencia artificial generativa, las empresas tecnológicas avanzaron más rápido que las leyes destinadas a controlarlas. Los modelos fueron entrenados con cantidades extraordinarias de libros, artículos periodísticos, imágenes, grabaciones y otras obras, muchas veces sin que sus autores supieran que habían sido incorporadas a esas bases de datos.

La aprobación judicial del acuerdo por 1.500 millones de dólares entre Anthropic y miles de autores representa el primer gran desembolso de una compañía de inteligencia artificial por el uso de libros pirateados. La empresa deberá pagar unos 3.000 dólares por cada una de las más de 482.000 obras incluidas en el proceso. Alrededor del 91% de los libros ya fueron reclamados por escritores o editoriales.

El acuerdo es extraordinario por su magnitud, pero su importancia va más allá del dinero (que para Anthropic tampoco es tanto). El caso empieza a separar dos preguntas que hasta ahora solían confundirse: si una empresa puede utilizar una obra protegida para entrenar un sistema y si puede obtener esa obra mediante una copia pirateada.

La respuesta provisional de los tribunales estadounidenses es controversial. Dice que el entrenamiento de un modelo con obras protegidas por derecho de autor puede llegar a considerarse un «uso legítimo y transformador». La piratería utilizada para construir la biblioteca de entrenamiento, en cambio, puede generar una responsabilidad multimillonaria.

El caso de Anthropic produjo un resultado dividido. El juez federal William Alsup determinó que entrenar los modelos Claude con libros adquiridos legalmente podía quedar protegido por la doctrina del uso justo, conocida en Estados Unidos como fair use. Consideró que el sistema no funcionaba simplemente como un depósito de textos, sino que extraía relaciones estadísticas para producir nuevas capacidades.

Sin embargo, el juez también concluyó que la compañía no podía utilizar esa defensa para justificar la descarga y conservación de millones de libros procedentes de sitios piratas.

La posterior aprobación del acuerdo cerró la amenaza inmediata de un juicio sobre cientos de miles de obras, pero no fijó una norma obligatoria para el resto del país. Tampoco estableció que todo entrenamiento con material protegido sea legal. Lo que hizo fue ofrecer una primera guía: la procedencia de los datos puede resultar tan importante como el uso posterior que se haga de ellos.

Los grandes modelos necesitan enormes volúmenes de texto de calidad. Los libros son especialmente valiosos porque contienen narraciones extensas, argumentos complejos, información especializada y estructuras lingüísticas más cuidadas que buena parte del contenido disponible libremente en internet.

Pero reunirlos mediante licencias puede ser lento, costoso y administrativamente complejo. Las llamadas “bibliotecas en la sombra”, como LibGen, que contienen millones de obras descargables, ofrecieron durante años una alternativa inmediata. El acuerdo de Anthropic muestra el precio potencial de esa decisión.

El desarrollo inicial de la inteligencia artificial generativa siguió una lógica conocida en Silicon Valley: lanzar productos, ganar escala y resolver más tarde los problemas regulatorios.

Ese método funcionó porque las compañías podían alegar que las leyes de propiedad intelectual habían sido redactadas antes de que existieran los grandes modelos lingüísticos. También podían señalar que un sistema no conserva necesariamente una copia legible de cada obra, sino que aprende patrones matemáticos a partir de ellas.

En 2025, dos jueces federales de California consideraron que el entrenamiento de modelos de Anthropic y Meta podía ser transformador. Pero las decisiones no otorgaron una inmunidad general. En el caso de Meta, el juez Vince Chhabria señaló que los autores no habían presentado pruebas suficientes sobre el daño al mercado, aunque advirtió que otros demandantes podrían construir un caso más sólido. Ese matiz abrió la puerta a una segunda generación de demandas.

Los primeros casos se concentraron en demostrar que las compañías habían copiado obras. Los nuevos litigios intentan probar algo más difícil y potencialmente más peligroso para la industria: que los productos de inteligencia artificial compiten directamente con los autores, medios y editoriales cuyas obras utilizaron.

La doctrina estadounidense del uso justo analiza varios factores, entre ellos el propósito de la utilización, la naturaleza de la obra, la cantidad copiada y el efecto sobre el mercado potencial, criterios establecidos en la Sección 107 de la Ley de Copyright de Estados Unidos.

Durante años, las empresas de inteligencia artificial se concentraron en el primer factor. Sostuvieron que el entrenamiento es transformador porque una novela, un artículo o una fotografía no se muestran al usuario de la misma manera en que fueron incorporados al sistema.

Los titulares de derechos están trasladando la discusión hacia el último factor: el daño económico.

La demanda presentada por grandes editoriales contra Google sostiene que Gemini puede generar en minutos textos que compiten con los libros utilizados para entrenarlo. Los demandantes afirman que la empresa copió millones de obras entregadas originalmente para servicios limitados, como Google Books o Google Scholar, y luego las reutilizó para desarrollar sus modelos comerciales.

Pero no es tan simple probarlo. Una copia descargada de una biblioteca ilegal deja rastros identificables, si, pero el daño de mercado, en cambio, exige demostrar cómo una tecnología altera ventas, suscripciones, licencias, empleos o incentivos para crear nuevas obras.

Las demandas de los medios podrían convertirse en una de las pruebas más importantes. A diferencia de numerosos libros publicados años atrás, el contenido periodístico forma parte de un mercado inmediato. Los medios cobran suscripciones, venden publicidad y licencian archivos. Una respuesta generada por un buscador o un asistente puede satisfacer la consulta del usuario sin que este visite la página original.

Las organizaciones periodísticas también comenzaron a acudir a los tribunales. Según un relevamiento citado en el documento del Tow Center for Digital Journalism, medios como The New York Times, The Intercept, el Center for Investigative Reporting y Ziff Davis presentaron demandas contra empresas de inteligencia artificial por el uso de sus contenidos para entrenar modelos sin autorización. Los casos sostienen que esa práctica genera pérdida de tráfico, publicidad y suscripciones.

El caso de The New York Times resulta especialmente relevante porque cuestiona tanto la información utilizada para entrenar los modelos como las respuestas producidas por ellos.

Un tribunal de Nueva York ya permitió que autores continuaran con acusaciones relacionadas con resultados generados por ChatGPT. El juez Sidney Stein sostuvo que los demandantes podrían llegar a demostrar que algunas respuestas son suficientemente similares a sus obras como para constituir una infracción.

Casi 20 grupos de medios firmaron acuerdos de licencia con OpenAI. Perplexity estableció convenios con empresas periodísticas y creó un fondo de 42,5 millones de dólares vinculado con su sistema de suscripción. Microsoft prepara un mercado en el que los editores podrían recibir pagos cuando sus contenidos sean utilizados por productos de inteligencia artificial.

Estas negociaciones sugieren que la cuestión ya no es solamente si las compañías deben pagar, sino cómo se calculará el valor. Un modelo podría pagar por cada obra incorporada, por cada consulta que utilice determinada información, por la aparición de una fuente en una respuesta o mediante una tarifa global. Cada método beneficia a actores diferentes.

Las grandes editoriales y los medios nacionales cuentan con catálogos valiosos y capacidad para negociar. Los autores independientes, fotógrafos, ilustradores y pequeñas publicaciones tienen menos poder para exigir compensaciones. Por eso, el resultado de los grandes casos podría afectar incluso a quienes nunca lleguen a un tribunal.

Google, Meta, Microsoft, Amazon y OpenAI pueden absorber costos legales, firmar convenios con grandes titulares de derechos y adquirir bases de datos completas. Una empresa emergente difícilmente pueda pagar por millones de libros, artículos, imágenes y canciones antes de entrenar su primer modelo.

Hay aún muchas preguntas abiertas -y en Estados Unidos expertos aseguran que algunas inevitablemente quedarán en manos de la Corte Suprema llegado el momento- pero el acuerdo con Anthropic marca el comienzo del primer gran ajuste de cuentas de la inteligencia artificial estadounidense: el momento en el que las empresas que construyeron sistemas con buena parte de la producción cultural de internet deben empezar a explicar de dónde obtuvieron sus materiales, qué hicieron con ellos y cuánto están dispuestas a pagar por el conocimiento que ayudó a crear sus productos.