La batalla legal por el uso de datos en el entrenamiento de modelos de inteligencia artificial generativa no da tregua. Esta vez, la protagonista es Anthropic, creadora del asistente Claude, que ha llegado a un acuerdo de 1.500 millones de dólares para cerrar una demanda que la acusaba de entrenar su sistema con millones de libros pirateados.
El caso, encabezado por los escritores Andrea Bartz, Charles Graeber y Kirk Wallace, señalaba que la compañía habría descargado de forma ilícita más de 7 millones de obras. El acuerdo incluye además pagos adicionales de 3.000 dólares por cada 500.000 libros descargados y la obligación de eliminar todas las copias utilizadas.
No es un caso aislado: OpenAI, Stability AI y Midjourney en el punto de mira
La polémica de Anthropic se suma a una larga lista de litigios que tienen en jaque a las grandes de la IA:
- OpenAI: demandada por el New York Times y por decenas de escritores, que aseguran que sus artículos y libros han sido usados para entrenar a GPT sin licencia.
- Stability AI: acusada de alimentar Stable Diffusion con obras de artistas sin autorización.
- Midjourney: señalada por utilizar material gráfico de autores profesionales y catálogos de entretenimiento para entrenar sus generadores de imágenes.
Estas demandas no solo buscan compensación económica, sino que persiguen sentar un precedente sobre qué datos se pueden usar legalmente en el entrenamiento de modelos de IA.
El dilema técnico-legal: ¿fair use o infracción masiva?
El corazón del problema está en la diferencia entre aprender de un dataset y copiar una obra. Las compañías defienden que el entrenamiento es un proceso estadístico protegido bajo el principio de fair use en EE. UU., mientras que los demandantes denuncian que los modelos pueden reproducir fragmentos idénticos de textos o estilos artísticos, lo que constituiría una violación directa de copyright.
En Europa, la situación es aún más complicada: la directiva de derechos de autor de 2019 limita de forma explícita el uso de obras protegidas, salvo con fines de investigación. En teoría, empresas como OpenAI o Anthropic necesitarían licencias comerciales para entrenar sus modelos en la UE.
Impacto en la industria: costes crecientes y ralentización
El acuerdo de Anthropic introduce un factor clave: el coste real de entrenar modelos con datos protegidos. Si las empresas deben pagar licencias o compensaciones multimillonarias, el desarrollo de nuevos modelos se encarecerá, lo que podría:
- Frenar la innovación y limitar la aparición de nuevos competidores.
- Favorecer a grandes tecnológicas con músculo financiero, en detrimento de startups.
- Crear un nuevo mercado de licencias de datasets que podría convertirse en la norma.
¿Qué viene ahora?
El futuro de la IA generativa dependerá de cómo se resuelvan estas batallas judiciales. Un escenario posible es un modelo híbrido: datasets públicos y de dominio abierto combinados con catálogos licenciados de editoriales, medios y productoras.
Mientras tanto, el caso Anthropic manda una señal clara: los creadores no piensan quedarse al margen. El equilibrio entre innovación y derechos de autor será, probablemente, el mayor desafío regulatorio y técnico de la IA en esta década.
Preguntas frecuentes
1. ¿Por qué Anthropic pagó 1.500 millones de dólares?
Para cerrar una demanda que la acusaba de usar millones de libros pirateados en el entrenamiento de su modelo Claude.
2. ¿Qué otras empresas están en procesos similares?
OpenAI, Stability AI y Midjourney enfrentan demandas por el uso de obras de escritores, artistas y medios sin autorización.
3. ¿Qué diferencia hay entre EE. UU. y Europa en este tema?
En EE. UU. el debate gira en torno al fair use, mientras que en Europa la normativa exige licencias explícitas para obras protegidas.
4. ¿Cómo afecta esto al futuro de la IA generativa?
Podría aumentar los costes de entrenamiento, ralentizar la innovación y consolidar un mercado de licencias de datasets.
vía: Noticias de abogados
