El acuerdo de Anthropic redefine la pelea por los derechos de autor en la IA

Un pago récord que aun así deja en gran medida sin resolver el entrenamiento de IA

Un tribunal federal en San Francisco aprobó un acuerdo de 1.500 millones de dólares entre Anthropic y autores de libros por la descarga, por parte de la empresa, de obras desde las bases de datos pirata LibGen y PiLiMi en 2021 y 2022. Solo por los números, se trata de un hito: el material fuente lo describe como el mayor acuerdo por derechos de autor en la historia de una demanda colectiva. Pero la importancia del caso no reside solo en el tamaño del pago. Es que el acuerdo parece separar dos cuestiones que a menudo se mezclan en el debate público sobre la IA generativa: la piratería y el entrenamiento de modelos.

Según el informe proporcionado, el acuerdo cubre aproximadamente 482.460 obras listadas, con un 91,3% reclamado, lo que arroja pagos de unos 3.000 dólares por obra reclamada. Anthropic también debe destruir los archivos pirateados. Ese resultado supone una gran pérdida en función de cómo se obtuvieron los libros. Al mismo tiempo, no resuelve la cuestión jurídica más amplia por la que han estado peleando editores, autores y empresas de IA: si usar libros obtenidos legalmente para entrenar sistemas de IA puede calificarse como uso legítimo.

Esa distinción importa porque apunta a la forma de la siguiente fase del litigio por derechos de autor en IA. Si los tribunales continúan castigando la obtención ilícita mientras tratan de forma distinta el entrenamiento con obras obtenidas legalmente, la carga de cumplimiento para los desarrolladores de IA podría desplazarse de si los modelos aprendieron o no de material con copyright a cómo se recopilaron, documentaron y licenciarion los conjuntos de datos subyacentes. Para autores y titulares de derechos, eso sería un resultado mixto: una victoria contra la piratería, pero no necesariamente una restricción amplia sobre el entrenamiento en sí.

Por qué este caso aún podría contar como una victoria legal para los laboratorios de IA

La fuente proporcionada dice que el juez Alsup ya había dictaminado que entrenar IA con libros obtenidos legalmente es “transformativo” y entra dentro del uso legítimo. Ese hallazgo anterior es el trasfondo crucial del acuerdo. Sugiere que la exposición más costosa de Anthropic en este caso provino del supuesto uso de copias pirateadas, no del acto de entrenar el modelo en abstracto. En términos prácticos, el tribunal parece haber trazado una línea entre la obtención ilícita y una transformación potencialmente lícita.

Para las empresas de IA, esa línea es altamente significativa. Muchos desarrolladores de modelos afrontan reclamaciones superpuestas sobre scraping, licencias, consentimiento, memorización y sustitución de mercado. Una decisión judicial que aísle la piratería como la infracción, mientras deja intactas las defensas del entrenamiento, ofrece a la industria un mapa más claro, aunque todavía incompleto, de dónde puede estar la responsabilidad más inmediata. El texto fuente sostiene que esto parece un hito para los laboratorios de IA que entrenaron con contenido web sin el consentimiento de los propietarios de los sitios, porque la recopilación a escala web sigue siendo la principal fuente de datos de entrenamiento. Eso no equivale a una bendición legal definitiva, pero sí sugiere que el centro de gravedad de estas disputas podría estar desplazándose hacia los métodos de obtención y las reproducciones, más que hacia la mera existencia del entrenamiento.

Anthropic no sale ilesa. Un acuerdo de 1.500 millones de dólares no es una sanción operativa menor; es una advertencia a escala corporativa. Le dice a todo gran desarrollador de IA que una gobernanza deficiente de los conjuntos de datos puede producir daños de escala histórica. Incluso si una empresa cree que sus argumentos de uso legítimo son sólidos, esas defensas pueden ofrecer poca protección si la canalización que alimenta al modelo incluye material tomado de repositorios de piratería. En ese sentido, el acuerdo eleva el valor de los controles de procedencia, las auditorías de ingesta y las restricciones internas sobre lo que ingenieros e investigadores pueden usar durante el desarrollo del modelo.

Los derechos que los autores aún conservan

El caso tampoco eliminó todas las reclamaciones futuras. Según el informe proporcionado, los autores conservan reclamaciones sobre salidas de IA que reproduzcan obras originales y sobre la conducta futura de Anthropic. Eso mantiene abierta otra frontera jurídicamente y técnicamente difícil en las guerras por derechos de autor en IA. El entrenamiento puede ser una cuestión; el comportamiento de salida, otra. Si un modelo emite texto demasiado cercano a una obra protegida, o si las prácticas futuras de recopilación vuelven a depender de fuentes indebidas, la vía litigiosa sigue abierta.

Ese carveout es importante porque preserva una vía para que los demandantes cuestionen daños concretos en lugar de un comportamiento abstracto del modelo. Los tribunales pueden seguir divididos sobre cómo evaluar el entrenamiento con grandes corpus, pero las reclamaciones ligadas a la reproducción de expresión original pueden ser más fáciles de formular y probar. Para los desarrolladores de IA, eso significa que el trabajo jurídico no termina con un mejor origen de los datos. También se extiende a la evaluación de modelos, a los red teams para detectar memorización y a los controles del producto que reduzcan el riesgo de regurgitar material con copyright.

También existe una implicación de política pública más amplia. Si el sistema legal empieza a tratar cada vez más la procedencia del conjunto de datos, las salvaguardas de salida y la conducta futura como capas separadas de cumplimiento, la regulación de la IA podría volverse más operativa que filosófica. El debate público suele girar en torno a si el entrenamiento es intrínsecamente permisible o intrínsecamente explotador. Los tribunales, en cambio, pueden seguir troceando el problema en preguntas más estrechas: ¿la copia se obtuvo legalmente? ¿El uso fue transformativo? ¿La salida reprodujo expresión protegida? ¿Hubo un daño de mercado medible?

Qué viene después

El texto fuente es explícito al decir que queda sin resolver una cuestión importante: si el raspado masivo de contenido de internet sin el consentimiento de los autores cuenta como obtención legal. Ese tema importa mucho más allá de los libros. Va directamente al dato web que ha impulsado a la mayoría de los modelos de frontera. Si los tribunales adoptan una visión más estricta del consentimiento y la obtención en ese contexto, la aparente victoria implícita en la postura de uso legítimo de Anthropic podría reducirse rápidamente. Si no lo hacen, la industria puede tratar este caso como evidencia de que el camino más seguro no es abandonar el entrenamiento con material con copyright, sino limpiar la forma en que ese material se recopila y se maneja.

Por ahora, el acuerdo se alza como un hito paradójico. Es un pago récord por derechos de autor y un golpe reputacional. También parece reforzar un marco legal bajo el cual la piratería se castiga, pero el entrenamiento con obras obtenidas legalmente todavía puede defenderse. Esa combinación no pondrá fin a la pelea por los derechos de autor en IA. Es más probable que la agudice. Autores, editores y empresas de modelos ahora tienen una idea más clara de dónde un tribunal está trazando límites, y esa claridad puede intensificar, en lugar de calmar, la próxima ola de casos.

La conclusión práctica es sencilla. Las empresas de IA ya no pueden tratar la construcción de conjuntos de datos como un detalle técnico de fondo. La procedencia se está convirtiendo en un riesgo jurídico de primer orden. Al mismo tiempo, los titulares de derechos que esperaban un precedente amplio contra el entrenamiento en sí no lo obtuvieron aquí. El argumento se ha acotado, no desaparecido. Y en ese argumento más estrecho está el futuro de la batalla por los derechos de autor en la IA.

Este artículo se basa en la cobertura de The Decoder. Leer el artículo original.