💻 technology

El Robo de Derechos de Autor por la IA: Demandas que Nadie Vio Venir

Las empresas de inteligencia artificial recopilaron datos de toda la internet para entrenar sus modelos, y ahora los creadores quieren su parte. Desde Sarah Silverman demandando a OpenAI hasta Getty Images exigiendo miles de millones, el campo de batalla legal sobre la infracción de derechos de autor por IA ha explotado en la lucha de propiedad intelectual definitoria de nuestra generación.

La acusación fundamental es simple: las empresas de IA recopilaron libros, artículos, imágenes, código y música con derechos de autor sin pedir permiso ni pagar un centavo. OpenAI, Meta, Stability AI, Anthropic y otros construyeron negocios multimillonarios entrenando sus modelos con obras que a los humanos les tomó años crear. Ahora las demandas se acumulan más rápido que la respuesta de un ChatGPT, y el sistema legal se está apresurando para determinar si esto constituye el mayor robo de derechos de autor en la historia o cae bajo uso justo. Getty Images lanzó el primer disparo en enero de 2023, demandando a Stability AI en tribunales de EE. UU. y Reino Unido por supuestamente copiar 12 millones de fotografías de su base de datos para entrenar al generador de imágenes Stable Diffusion. La prueba irrefutable: el modelo de Stability ocasionalmente genera imágenes con la marca de agua de Getty aún visible, distorsionada pero reconocible. Getty ya no está buscando un acuerdo de licencia, quieren daños legales que podrían alcanzar los miles de millones. En el Distrito Sur de Nueva York (caso 1:23-cv-00135), la jueza Katherine Polk Failla está evaluando si el scraping de Stability constituye uso justo transformador o una infracción flagrante. En mayo de 2024, el caso sobrevivió a la moción de Stability para desestimarlo, lo que significa que el descubrimiento obligará a la empresa a revelar exactamente qué datos de entrenamiento utilizó y cómo. El Authors Guild coordinó demandas colectivas que parecen un quién es quién de la literatura estadounidense. Sarah Silverman, John Grisham, Michael Chabon, George R.R. Martin y Jodi Picoult demandaron a OpenAI y Meta (casos 3:23-cv-03416 y 3:23-cv-03223 en el Distrito Norte de California). Su queja es elegante: cuando pides a ChatGPT o LLaMA (Large Language Model Meta AI) que resuman sus libros, los modelos producen detalles precisos de la trama, arcos de personajes e incluso imitan el estilo de escritura, prueba de que los textos completos con derechos de autor fueron ingeridos durante el entrenamiento. La defensa de OpenAI se basa en dos pilares: uso justo (el entrenamiento es transformador, no reemplaza el mercado original) y el argumento de que aprender de obras con derechos de autor es lo que los humanos hacen todos los días. El juez Vince Chhabria no lo ha aceptado por completo. En febrero de 2024, permitió que las reclamaciones de derechos de autor principales continuaran mientras desestimaba algunas reclamaciones derivadas del Digital Millennium Copyright Act (DMCA). La industria musical entró en la refriega con vehemencia. La Recording Industry Association of America (RIAA), que representa a Universal Music Group (UMG), Sony Music Entertainment y Warner Music Group, demandó a los generadores de música por IA Suno y Udio en junio de 2024 (casos 1:24-cv-05410 y 1:24-cv-05311 en el Distrito de Massachusetts). Su evidencia es condenatoria: sugirieron al AI con letras específicas o pistas de estilo y obtuvieron salidas que replicaban fragmentos de grabaciones de Mariah Carey, ABBA y James Brown. El CEO de Suno, Mikey Shulman, admitió en una entrevista con la BBC que la compañía se entrenó con música con derechos de autor, pero argumenta que la salida es transformadora. La RIAA no está de acuerdo, buscan $150,000 por cada obra infraccionada intencionalmente, y han documentado más de 400 canciones solo en la queja. ¿Cómo manejan las empresas de IA realmente este campo minado legal? Las estrategias caen en cuatro categorías:

Defensa de Uso Justo: Afirman que entrenar IA es un uso transformador bajo la Sección 107 de la Ley de Derechos de Autor. Señalan Google Books (Authors Guild v. Google, 2015) donde escanear millones de libros para búsqueda se consideró uso justo.

Sin Acceso Igual a Sin Infracción: Argumentan que una vez entrenado, el modelo no "almacena" obras con derechos de autor, por lo que las salidas no son copias. Esto funcionó parcialmente en el litigio de GitHub Copilot, donde el juez Jon S. Tigar señaló en noviembre de 2023 que los demandantes luchaban por demostrar copia directa.

Asociaciones de Licencias: OpenAI firmó acuerdos con Associated Press, Axel Springer y Financial Times en 2023-2024 para licenciar contenido. Estos acuerdos típicamente pagan $5-10 millones anuales por editor importante, una fracción de lo que realmente vale el conjunto de datos de entrenamiento, pero suficiente para crear una narrativa de "buen actor".

Culpar a la Internet Abierta: Las empresas argumentan que rasparon datos públicamente disponibles, los cuales los tribunales históricamente han tratado de manera diferente al contenido protegido por pago. El Computer Fraud and Abuse Act (CFAA) típicamente no se aplica a scraping web público (hiQ Labs v. LinkedIn, 9º Circuito 2022).

Pero aquí es donde se vuelve loco: investigadores de Carnegie Mellon University y el Allen Institute for AI publicaron "Extracción Escalable de Datos de Entrenamiento de Modelos de Lenguaje (de Producción)" en noviembre de 2023. Demostraron que GPT-3.5 podría ser incitado a regurgitar pasajes de Harry Potter prácticamente verbatim, confirmando que los modelos memorizan Chunkies sustanciales, no solo patrones estadísticos. El AI Act de la Unión Europea, que entró en vigor en agosto de 2024, obliga a los desarrolladores de IA a publicar resúmenes detallados de los datos de entrenamiento con derechos de autor. El artículo 53 específicamente exige transparencia sobre qué contenido se utilizó, dando a los titulares de derechos un mapa para demandar. Japón ofrece un enfoque contrastante: su Ley de Derechos de Autor Artículo 30-4, enmendada en 2019, permite explícitamente el entrenamiento de IA en obras con derechos de autor para uso no expresivo. Por eso Stability AI trasladó operaciones sustanciales a Tokio en 2023. Sin embargo, los tribunales japoneses aún prohíben las salidas que reproduzcan "la expresión" de obras originales, creando una línea turbia entre aprender y copiar que refleja el debate sobre el uso justo en EE.UU.

Mi opinion

La estrategia de "pedir perdón, no permiso" de la industria de la IA se está desmoronando en tiempo real, y absolutamente se lo merecen. Estas empresas sabían exactamente lo que estaban haciendo cuando extrajeron colecciones de libros pirateados, usaron transcripciones de YouTube y copiaron todo el catálogo de Getty. El argumento del uso justo es insultante. Google Books ganó porque mostraron fragmentos para búsqueda, no porque construyeran un producto comercial que compitiera con los autores. Cuando ChatGPT puede escribir al estilo de George R.R. Martin o resumir toda la trama de una novela de John Grisham, eso no es transformación, eso es plagio a escala industrial con pasos adicionales. La verdadera tragedia es que un sistema de licencias razonable era posible. Imagina si OpenAI se hubiera acercado al Authors Guild en 2020 y hubiera dicho: "Queremos entrenar en las obras de sus miembros. Aquí hay una tarifa de licencia colectiva y una regalía por consulta cuando nuestro modelo referencia sus libros". Los autores habrían participado, la IA habría avanzado y habríamos evitado este apocalipsis legal. En cambio, Sam Altman y sus pares decidieron que estaban por encima de la ley de derechos de autor, y ahora enfrentan un litigio existencial que podría obligarlos a reentrenar modelos desde cero utilizando solo datos licenciados, un proceso que costaría cientos de millones de dólares y retrasaría sus hojas de ruta de productos por años. Los tribunales necesitan golpearlos lo suficientemente fuerte como para que la próxima generación de constructores de IA aprenda a respetar a las personas cuyo trabajo de por vida están convirtiendo en mercancía.

Que pasa despues

El fallo del juez Chhabria en los casos del Authors Guild, esperado para finales del verano de 2026, o permitirá el entrenamiento de IA bajo uso justo o forzará un reseteo masivo de la industria. Si él se pone del lado de los autores, OpenAI y Meta enfrentarán una elección: licenciar retroactivamente los datos de entrenamiento históricos (probablemente imposible a escala) o reentrenar modelos fundamentales utilizando solo contenido con permiso. Reentrenar GPT-5 o LLaMA 4 costaría cientos de millones solo en computación y retrasaría los lanzamientos más de un año, dando una ventaja a los laboratorios de IA chinos que operan bajo diferentes regímenes legales. Anthropic y Google, quienes han sido más cautelosos sobre la procedencia de los datos de entrenamiento, de repente parecerían visionarios. El verdadero caos proviene de la responsabilidad descendente. Si los tribunales dictaminan que el entrenamiento de IA constituye infracción, cada empresa que utiliza estos modelos, desde firmas de investigación legal que ejecutan Casetext hasta desarrolladores que usan GitHub Copilot, se convierte en un posible demandado por infracción contributiva. Los departamentos legales corporativos ya están redactando cláusulas de indemnización que requieren que los proveedores de IA cubran la responsabilidad por derechos de autor, pero esas cláusulas no valen nada si el proveedor se declara en quiebra bajo daños legales. Espere una ola de productos de seguros para 2027 específicamente para "riesgo de derechos de autor de IA", con precios tan altos que matarán la adopción en industrias adversas al riesgo como la atención médica y las finanzas. Aquí está el escenario que nadie está valorando: el Congreso realmente aprueba una legislación. El "Acta de Divulgación de Derechos de Autor de IA Generativa" bipartidista, introducida por los senadores Tillis y Coons en marzo de 2026, exigiría el registro previo al entrenamiento de conjuntos de datos, crearía un esquema de licencias obligatorias con tarifas legales, y establecería una Oficina de Derechos de Autor de IA. Si se aprueba (poco probable en un año electoral, pero posible en una sesión lame duck a principios de 2027), preemptaría leyes estatales y litigios en curso, creando una cláusula de abuelo desordenada para modelos existentes. Las empresas de IA podrían preferir realmente la legislación federal a la actual variedad de decisiones judiciales: mejor pagar tarifas de licencia conocidas que enfrentarse a veredictos de jurado de mil millones de dólares. Pero las tarifas que el Congreso establezca podrían ser lo suficientemente punitivas como para hacer que el entrenamiento de IA sea económicamente inviable, especialmente para startups sin las reservas de capital de OpenAI.

Lo que nos dice la historia

El paralelo histórico más cercano son las guerras de muestreo musical de las décadas de 1980 y 1990. Cuando los productores de hip-hop como Public Enemy y De La Soul construían pistas a partir de docenas de muestras no autorizadas, la industria discográfica inicialmente lo toleró como una forma de arte de nicho. Luego, Biz Markie perdió en Grand Upright Music, Ltd. v. Warner Bros. Records en 1991, donde el juez Kevin Duffy abrió su opinión con "No robarás" y remitió el caso para enjuiciamiento criminal. De la noche a la mañana, la música basada en muestras pasó de ser commons creativos a un campo minado legal. Los productores tuvieron que limpiar cada muestra, incluso fragmentos de tres segundos, a tarifas que a menudo excedían todo el presupuesto de la canción. Álbumes como "3 Feet High and Rising" de De La Soul siguen sin estar disponibles en servicios de streaming porque limpiar muestras retroactivas resultó imposible. La lucha por los derechos de autor de la IA sigue el mismo arco, solo que comprimido. Los modelos generativos tempranos volaron por debajo del radar cuando eran proyectos de investigación. Ahora que ChatGPT y Midjourney son negocios multimillonarios, los titulares de derechos quieren su momento Biz Markie. La diferencia es la escala: donde una pista de hip-hop podría tomar muestras de 20 canciones, GPT-4 fue entrenado con millones de obras con derechos de autor. Si los tribunales aplican el precedente de muestreo estrictamente, las empresas de IA enfrentan la misma elección binaria que hicieron los productores de la década de 1990: pagar por cada entrada o cerrar. La industria de la música eventualmente desarrolló sistemas de licencias mecánicas y bases de datos de limpieza de muestras, pero tomó 15 años y mató un enfoque estético completo de producción. IA podría obtener su esquema de licencias obligatorias más rápido, pero el caos intermedio podría ser igualmente destructivo para la innovación.

Impacto en los mercados

El litigio de derechos de autor ya está remodelando las dinámicas del mercado de IA. Microsoft (MSFT, actualmente cotizando alrededor de $412) tiene una exposición significativa a través de su inversión de $13 mil millones en OpenAI y servicios de Azure AI. Si los tribunales dictaminan en contra del uso justo, Microsoft se ha comprometido a indemnizar a los clientes empresariales que usan Copilot y Azure OpenAI, una responsabilidad que podría alcanzar miles de millones si los casos importantes van a favor del demandante. Presión bajista a corto plazo golpea a MSFT si el juez Chhabria falla a favor de los autores. Sin embargo, los bolsillos profundos de Microsoft y sus acuerdos de licencias de contenido existentes (datos de LinkedIn, propiedad intelectual de Activision Blizzard después de la fusión) los colocan en mejor posición que las startups de IA puras. Alphabet (GOOGL, cotizando cerca de $168) en realidad se beneficia de fallos adversos contra competidores. Google ha sido más conservador con los datos de entrenamiento para Gemini, confiando en gran medida en contenido de YouTube que poseen y noticias licenciadas a través de asociaciones de la Iniciativa de Noticias de Google. También son el único jugador importante con una victoria previa en uso justo (Google Books). Si los competidores quedan paralizados por la responsabilidad de derechos de autor, los servicios de búsqueda y cloud AI de Google ganan cuota de mercado. La jugada de derechos de autor es el Invesco Dynamic Media ETF (PBS, alrededor de $23), que posee Getty Images, Warner Music Group y otros propietarios de contenido posicionados para extraer tarifas de licencias de empresas de IA. Si las licencias obligatorias pasan en el Congreso, estas empresas obtienen una nueva fuente de ingresos potencialmente valorada en miles de millones. Para acciones individuales, Warner Music Group (WMG, cerca de $31) está posicionada como beneficiaria de derechos de autor de IA: son agresivos en litigios y tienen el apalancamiento del catálogo para exigir tarifas de licencia premium.