Entrenar IA con libros con copyright: un vacío legal de USD 200.000 millones

Un juez estadounidense ordenó a Anthropic pagar USD 1.500 millones a un grupo de escritores cuyos libros se usaron para entrenar Claude. Pero el fallo dice que entrenar con esas obras fue legal. La multa fue por piratear los libros desde bibliotecas ilegales, no por usarlos.

Esa contradicción resume el estado actual del derecho de autor aplicado a IA: nadie sabe con certeza qué está permitido. Las leyes de copyright datan de 1976 y los jueces interpretan caso por caso, sin consenso.

La pregunta de los USD 200.000 millones

Según TechCrunch, los modelos que potencian ChatGPT, Gemini y Claude se entrenaron con bases de datos que incluyen cientos de millones de libros, artículos y papers académicos. La mayoría de esos autores nunca dio consentimiento.

Cathy Gellis, abogada especializada en propiedad intelectual, plantea el núcleo del dilema: "La ley de copyright se basa en la copia, pero no en usar, experimentar, consumir o leer la obra". En el caso de Anthropic, el juez William Alsup comparó el proceso de entrenamiento con un escritor que estudia literatura: "Como cualquier lector que aspira a ser escritor, los LLM de Anthropic se entrenaron con obras no para replicarlas o suplantarlas, sino para girar en otra dirección y crear algo diferente".

Para Gellis, ese razonamiento favorece a las empresas de IA. ¿Qué son USD 1.500 millones para una compañía que proyecta USD 200.000 millones de ingresos anuales en 2028?

Fair use: el criterio que cambia según el juez

La mayoría de estos casos giran en torno al fair use, la excepción legal que permite usar material protegido sin permiso en casos de crítica, parodia, educación o transformación. Los jueces evalúan cuatro factores: propósito, naturaleza de la obra, cantidad usada e impacto en el mercado.

Jason Henderson, abogado fundador de la práctica de IP & Media en JWL International, resume la tendencia: "Si entrenás con contenido de alguien para competir directamente con esa persona, los tribunales lo miran mal. Si no competís, tienden a encontrar que está bien".

Ejemplo: Thomson Reuters demandó a Ross Intelligence por copiar su contenido para construir una plataforma legal competidora basada en IA. El juez Stephanos Bibas falló que no era fair use porque el propósito era competir directamente. Pero ese razonamiento no se replicó en otros casos.

Por qué importa

Si estás construyendo un producto con IA, este vacío legal es riesgo operativo directo. No sabés si los datasets que usás hoy van a generar demandas mañana, ni cómo van a fallar los tribunales cuando eso pase. Las compañías grandes pueden absorber multas de USD 1.500 millones; una startup, no.

Además, la incertidumbre se extiende al output: un fallo de 2025 (Thaler v. Perlmutter) estableció que contenido 100% generado por IA no tiene copyright. Pero nadie definió todavía cómo se prueba el porcentaje de asistencia de IA en una obra, ni dónde está el umbral.

Mientras los casos avanzan en litigio (la mayoría sigue abierta), las reglas del juego se escriben en tiempo real. Para cualquier empresa que dependa de modelos entrenados con datos del mundo real, entender qué datasets son defendibles y qué usos califican como transformativos dejó de ser un tema legal abstracto: es estrategia de producto.