El Departamento de Justicia de EE.UU. respalda el uso justo en entrenamiento de IA

El Departamento de Justicia de los Estados Unidos tomó partido por las empresas de IA en el caso consolidado que involucra al New York Times y otros titulares de derechos, argumentando que entrenar modelos de lenguaje con material protegido por copyright califica como uso justo (fair use).

El Times demandó a OpenAI y Microsoft a fines de 2023 alegando que millones de sus artículos fueron usados sin permiso para entrenar modelos como GPT-4 y construir productos que compiten directamente con el diario como fuente de información. El caso, que pide miles de millones de dólares en daños y la destrucción de los modelos entrenados con ese material, se considera un precedente clave para definir cómo los tribunales tratarán copyright y entrenamiento de IA.

El argumento del DOJ: entrenar no es infringir

Según The Decoder, el Departamento de Justicia sostiene que lo que importa es la distinción entre entrenamiento y output. Durante el entrenamiento, las obras completas se copian pero nunca se hacen públicas, y los outputs del modelo "a menudo, si no siempre, carecen de similitud sustancial" con los originales.

El DOJ usa una analogía con Joan Didion: de adolescente, ella copió historias de Hemingway para entender cómo funcionaban sus oraciones. Bajo la lógica de algunos fallos recientes, argumenta el departamento, Didion habría enfrentado responsabilidad legal cada vez que publicara algo, porque su proceso de aprendizaje y su escritura posterior se tratarían como un único uso.

"Sería impensable exigir que las personas paguen cada vez que más tarde recurren a un libro para escribir algo nuevo de una manera nueva", sostiene el DOJ citando jurisprudencia previa.

Choque directo con la Oficina de Copyright

La posición del DOJ contrasta con un reporte de la Oficina de Copyright de EE.UU. que rechazó el uso justo general para entrenamiento de IA. Ese informe argumentaba que la escala importa: una persona copiando texto para aprender es una cosa; una empresa multimillonaria convirtiendo ese contenido en productos masivos que compiten en el mercado es otra.

El DOJ atacó directamente ese reporte en su presentación, señalando que la evaluación de la ex Registradora de Copyright Shira Perlmutter "no tiene autoridad legal vinculante" y que el informe ignoró la jurisprudencia sobre análisis caso por caso.

Perlmutter fue despedida por la administración Trump poco después de publicar su reporte. El demócrata Joe Morelle afirmó que la echaron por negarse a legitimar el entrenamiento de IA con obras protegidas, una posición favorecida por Elon Musk, aliado de Trump.

Por qué importa

Este caso definirá si las empresas de IA pueden seguir entrenando modelos con datasets masivos sin licenciar cada obra individual, o si enfrentarán barreras legales y costos de licenciamiento que podrían cambiar radicalmente la economía del desarrollo de LLMs.

Para cualquier empresa que esté adoptando IA generativa, el desenlace tendrá implicancias concretas: si el uso justo prevalece, los modelos comerciales seguirán mejorando sin fricciones legales. Si no, podríamos ver un ecosistema más fragmentado, con modelos entrenados solo con datos licenciados o sintéticos, lo que probablemente afectaría capacidades y costos.

La escala sigue siendo el elefante en la habitación: ¿copiar para aprender es lo mismo cuando lo hace una persona que cuando lo hace una corporación que luego monetiza ese aprendizaje? El tribunal tendrá que decidir si esa distinción importa legalmente, y esa respuesta marcará las reglas de juego para toda la industria.