El “uso justo” y los derechos de autor en el entrenamiento de la IA: claves de los casos Bartz v. Anthropic y Kadrey v. Meta
Más contenido jurídico en elDial.com
Por Iván G. Di Chiazza y José Ignacio Pastore
En la intersección vertiginosa de la inteligencia artificial y el derecho de autor, los tribunales de Estados Unidos han comenzado a trazar las primeras líneas de un mapa legal aún incierto. Dos fallos recientes, Bartz v. Anthropic PBC y Kadrey v. Meta Platforms Inc. , no solo reafirman la vitalidad de la doctrina del “uso justo” en la era algorítmica, sino que, con sus matices y divergencias, revelan las profundas tensiones entre la innovación tecnológica y la protección de la creatividad humana. Estos precedentes, claves para la comprensión de la 'memoria' digital de la IA y la responsabilidad sobre sus datos de entrenamiento, marcan el inicio de un debate jurídico sin precedentes.El "uso justo" en el entrenamiento de la IA y los Derechos de Autor.
Análisis de los casos Bartz v. Anthropic PBC y Kadrey v. Meta Platforms Inc.
Introducción
En la intersección vertiginosa de la inteligencia artificial y el derecho de autor, los tribunales de Estados Unidos han comenzado a trazar las primeras líneas de un mapa legal aún incierto. Dos fallos recientes, Bartz v. Anthropic PBC[3] y Kadrey v. Meta Platforms Inc.[4], no solo reafirman la vitalidad de la doctrina del 'uso justo' en la era algorítmica, sino que, con sus matices y divergencias, revelan las profundas tensiones entre la innovación tecnológica y la protección de la creatividad humana. Estos precedentes, claves para la comprensión de la 'memoria' digital de la IA y la responsabilidad sobre sus datos de entrenamiento, marcan el inicio de un debate jurídico sin precedentes.
La irrupción de la IA generativa ha planteado un desafío central al derecho de autor: ¿Es el acto de “entrenar” un modelo con vastos corpus de obras protegidas una copia infractora, o un proceso transformador que da origen a algo nuevo? La respuesta -como suele ocurrir con estos debates- no se encuentra en definiciones tajantes, sino en la interpretación matizada de principios existentes y en cómo los tribunales los aplican a este nuevo contexto.
El 23 de junio de 2025, el Juez William Alsup, del Tribunal de Distrito Norte de California, emitió una orden en el caso Bartz v. Anthropic PBC. Apenas dos días después, el 25 de junio de 2025, el Juez Vince Chhabria, del mismo distrito, publicó su decisión en Kadrey v. Meta Platforms Inc. Ambos casos, protagonizados por autores de libros que alegaban la infracción de sus obras por parte de gigantes de la IA, ofrecen una fascinante imagen de la batalla legal en curso.
Más allá del resultado específico de cada caso, lo verdaderamente revelador son los criterios invocados, los límites trazados y las preguntas que aún quedan sin responder. Para comprender este nuevo terreno de disputa, conviene volver a los interrogantes básicos: ¿qué entiende el derecho estadounidense por “uso justo”? ¿Y cómo se está reconfigurando esa noción ante el surgimiento de modelos que aprenden sin copiar y generan sin memorizar?
1. La doctrina del Uso Justo en el derecho de autor de EE. UU.
La doctrina del "uso justo" es una defensa a la infracción de derechos de autor bajo la ley estadounidense (17 U.S.C. § 107). Permite un uso limitado de material protegido por derechos de autor sin permiso del titular de los derechos, típicamente para propósitos como crítica, comentario, reportaje de noticias, enseñanza, estudio o investigación. Los tribunales evalúan la aplicabilidad del uso justo balanceando cuatro factores:
▪ El propósito y carácter del uso, incluyendo si es comercial y si es "transformador", es decir, si añade nueva expresión o significado.
▪ La naturaleza de la obra original.
▪ La cantidad y sustancialidad de la porción utilizada.
▪ El efecto del uso en el mercado potencial o valor de la obra original.
Aunque ningún factor es determinante por sí solo, los tribunales suelen considerar el daño al mercado como el más importante. Tanto en el caso Anthropic como en el de Meta, los jueces coincidieron en que el uso de obras protegidas por derechos de autor para entrenar grandes modelos de lenguaje (LLMs) es un uso transformador. El propósito de este entrenamiento es permitir que los modelos aprendan patrones estadísticos del lenguaje para generar contenido nuevo, lo cual es distinto del propósito original de las obras de ser legibles por humanos o competir con ellas.
2. El caso Anthropic
En Bartz v. Anthropic PBC, los autores demandaron a Anthropic, el desarrollador del chatbot Claude, por utilizar millones de libros protegidos por derechos de autor para el entrenamiento. Anthropic, por su parte, invocó la defensa de "uso justo".
El juez Alsup dictaminó que el uso de copias de libros legalmente adquiridas para entrenar modelos de IA constituye un "uso justo espectacularmente transformador". Su razonamiento comparó el proceso de entrenamiento de la IA con el de "cualquier lector que aspira a ser escritor". Al igual que los humanos, la IA aprende de las obras no para replicarlas, sino para crear algo nuevo y diferente, abstrayendo patrones estadísticos y reglas de lenguaje sin memorizar ni reproducir el contenido textualmente.
Para el juez, el propósito de la ley de derechos de autor es "promover obras originales de autoría, no proteger a los autores contra la competencia". Alsup desestimó la preocupación de los autores de que el entrenamiento de la IA pudiera generar una "explosión de obras competidoras" como la que resultaría de "entrenar a escolares a escribir bien". Argumentó que este tipo de "desplazamiento competitivo o creativo" no es la preocupación del Copyright Act. Esta visión, que alinea el aprendizaje de la IA con el fomento de la creatividad, sigue precedentes como Campbell v. Acuff-Rose y Google v. Oracle.[5]
Un pilar técnico y conceptual fundamental de esta decisión fue la constatación, incluso por parte de los propios demandantes, de que los outputs de Claude no eran copias exactas ni imitaciones infractoras. Las explicaciones técnicas presentadas indicaron que los LLMs no “almacenan” libros dentro de sí mismos ni los “reproducen” literalmente, sino que mapean relaciones estadísticas entre fragmentos de texto. Los LLMs abstraen reglas de lo que ven, no hacen collages ni son memorias literales de las obras.
El juez Alsup también abordó la innovación en el cambio de formato. Determinó que la conversión digital de libros físicos legalmente comprados para la biblioteca de Anthropic era un uso legítimo. Esta conversión, que implicó la destrucción del original impreso y la creación de una única copia digital para uso interno, fue considerada transformadora ya que no resultó en la creación de copias adicionales ni en su distribución externa. Anthropic ya había pagado por las copias impresas, y el cambio de formato solo mejoró el almacenamiento y la capacidad de búsqueda sin usurpar los derechos protegidos por el copyright.
Sin embargo, la victoria de Anthropic encontró una nota disonante: la cuestión de los datos ilícitos. Anthropic admitió haber accedido a millones de libros a través de fuentes no legales como Books3 y LibGen. El Juez Alsup fue categórico: 'Tal piratería de copias disponibles de otro modo es irremediablemente infractora', incluso si se usan para un fin transformador. El juez subrayó la importancia de la adquisición legal de obras. Esta condena a la adquisición ilícita de datos es un punto clave, y Anthropic se enfrentará a un juicio separado en diciembre de 2025 para determinar la responsabilidad y los posibles daños por esta infracción. Es importante destacar que el juez Alsup también señaló que Anthropic retuvo las copias pirateadas en su biblioteca central "para siempre", incluso después de decidir que no las usaría para entrenar LLMs, lo que reforzó la conclusión de que la creación de esta biblioteca no era un uso justo. Esta distinción entre el uso transformador para entrenamiento y la ilegalidad de la adquisición inicial es fundamental para comprender el fallo de Alsup.
2.1. Análisis de los factores de uso justo
Factor 1 (propósito y carácter del uso):
Copias usadas para entrenar LLMs específicos: Uso "excedentemente transformador". La finalidad de los LLMs (generar nuevo texto, no replicar) difiere de la de los libros.
Copias de biblioteca compradas y convertidas de impresas a digitales: Uso justo. La conversión fue transformadora para ahorrar espacio y permitir la búsqueda, sin crear nuevas copias ni distribuirlas fuera de la empresa. Anthropic ya había pagado por las copias impresas.
Copias de biblioteca pirateadas: No es uso justo. La creación de una "biblioteca central, de propósito general" con copias ilegales, conservadas incluso si no se usaban para entrenar LLMs, no es un uso transformador, especialmente cuando las copias podrían haberse adquirido legalmente.
Factor 2 (naturaleza de la obra protegida):
Este factor se inclina en contra del uso justo para todas las copias, ya que los libros son obras expresivas y creativas.
Factor 3 (cantidad y sustancialidad de la porción utilizada):
Copias para entrenar LLMs: Favorece el uso justo. Copiar obras enteras fue "razonablemente necesario" para el entrenamiento transformador de LLMs, dado que las salidas no fueron copias infractoras.
Copias de biblioteca compradas y convertidas: Favorece el uso justo. Copiar la obra entera era necesario para la conversión a formato digital que ahorra espacio.
Copias de biblioteca pirateadas: Se inclina en contra del uso justo. Anthropic no tenía derecho a poseer estas copias, y copiarlas por completo para una biblioteca general es excesivo.
Factor 4 (efecto en el mercado potencial o valor de la obra):
Copias para entrenar LLMs: Favorece el uso justo. No hubo desplazamiento directo del mercado (no hubo salidas infractoras). El mercado de licencias para el entrenamiento de IA no es un mercado que los autores estén legalmente titulados a explotar para un uso transformador.
Copias de biblioteca compradas y convertidas: Neutral. La conversión de formato no usurpó derechos de los autores.
Copias de biblioteca pirateadas: Se inclina decisivamente en contra del uso justo. Estas copias "claramente desplazaron la demanda" (copia por copia) y condonar tal conducta "destruiría el mercado editorial”.
En virtud de todo ello es que el juez reconoce el derecho de Anthropic, para el uso de entrenamiento de LLMs, a la conversión de copias compradas de impresas a digitales, considerándolos usos justos. Sin embargo, lo niega para las copias ilegales, las cuales no se consideran uso justo y el caso procederá a juicio para determinar daños por esta infracción.
3. El caso Meta
Apenas dos días después del fallo de Anthropic, el Juez Vince Chhabria emitió su decisión en Kadrey v. Meta Platforms Inc. En este caso, trece autores, entre ellos la comediante Sarah Silverman, demandaron a Meta por el uso no consentido de sus obras para entrenar el modelo Llama. Meta intentó negociar licencias, pero fracasó debido a la complejidad de los derechos, que estaban dispersos entre autores individuales y derechos regionales.
El Juez Chhabria, aunque coincidió con Alsup en el carácter "altamente transformador" del entrenamiento de la IA, adoptó un enfoque más cauteloso en cuanto al daño al mercado, que consideró el "elemento más importante". Determinó que los demandantes no lograron demostrar "perjuicio económico directo" o "dilución del mercado" para sus obras. Enfatizó que este mercado “no es uno que los demandantes tengan derecho legal a monopolizar”. De hecho, criticó la analogía del Juez Alsup sobre "entrenar a escolares a escribir bien" al considerar que no es "ni remotamente parecido" a usar libros para crear un producto de IA capaz de generar "innumerables obras competidoras".
La base de esta postura es la premisa de que la IA no está "reproduciendo" o "sustituyendo" directamente la obra original, sino generando contenido nuevo a partir de patrones aprendidos. Si bien el Juez expresó que el entrenamiento de la IA podría "socavar dramáticamente el mercado para esas obras", discrepó con los demandantes, indicando que no habían proporcionado pruebas suficientes de los posibles impactos en el mercado, calificando sus argumentos sobre la reproducción literal y la pérdida del mercado de licencias como no demostrados.
Llama no pudo generar más de 50 palabras de ninguno de los libros de los demandantes, incluso con prompts adversariales, y la propia pericia de los demandantes admitió que Llama no era capaz de reproducir "ningún porcentaje significativo" de sus obras.
La decisión de Chhabria fue explícitamente limitada a estos 13 autores, sin validar globalmente las prácticas de Meta. Señaló que futuros demandantes podrían tener éxito con "registros mejor desarrollados sobre los efectos en el mercado". Esta salvedad es relevante, ya que deja la puerta abierta a futuras demandas con una base probatoria más sólida en cuanto al perjuicio económico. Es relevante destacar que el Juez Chhabria basó su decisión en la falta de pruebas por parte de los demandantes, no en una afirmación de que el entrenamiento de LLMs con obras protegidas sea inherentemente un uso justo. Indicó que "parece probable que la dilución del mercado a menudo cause que los demandantes ganen decisivamente el cuarto factor - y por lo tanto ganen la cuestión del uso justo en general - en casos como este". Esto subraya que la puerta a futuras demandas con pruebas más sólidas de daño al mercado está abierta.
3.1. Análisis de los factores de uso justo
Factor 1 (propósito y carácter del uso):
El uso para entrenar LLMs es "altamente transformador". Aunque Meta es una entidad comercial, la naturaleza transformadora de la reproducción es dominante para este factor.
Factor 2 (naturaleza de la obra protegida):
Este factor favorece a los demandantes porque sus libros son obras "altamente expresivas" y creativas. Sin embargo, este factor "raramente juega un papel significativo".
Factor 3 (cantidad y sustancialidad de la porción utilizada):
Este factor favorece a Meta. Aunque se copiaron obras completas, fue “razonablemente necesario” para el propósito transformador de entrenar LLMs, ya que los modelos funcionan mejor con más datos de alta calidad. Además, la cantidad copiada no parece especialmente relevante en este caso, dado que los LLMs de Meta no producirán una cantidad significativa de los libros de los demandantes.
Factor 4 (efecto en el mercado potencial o valor de la obra):
El factor "más importante".
Reproducción literal/sustitución directa: Esta teoría fracasa porque Llama no genera outputs significativos de los libros (máximo 50 palabras).
Pérdida del mercado de licencias para entrenamiento de IA: Esta teoría también fracasa. Los demandantes no tienen un derecho legal a monopolizar un mercado potencial de licencias para un uso transformador como el entrenamiento de IA; tal pérdida no se encuentra amparada bajo la ley de derechos de autor.
Dilución del mercado (sustitución indirecta): Esta es la teoría mucho más prometedora. El juez reconoce que la IA generativa puede producir una cantidad masiva de texto que compita con obras originales y "reduciría el incentivo para que los autores creen". Sin embargo, los demandantes no presentaron pruebas significativas sobre esta teoría de dilución del mercado.
En definitiva, el juez favorece a Meta, dictaminando que el uso de los libros de estos trece autores para el entrenamiento de Llama fue uso justo en este caso particular. La decisión no significa que el uso de materiales con derechos de autor por parte de Meta para entrenar sus modelos sea lícito en general, sino que estos demandantes plantearon argumentos que no lograron acreditar.
4. Convergencias y divergencias judiciales
Ambos fallos, aunque con ligeras diferencias en el énfasis, coinciden en varios puntos clave:
Uso altamente transformador: Los dos jueces reconocieron que el entrenamiento de LLMs es un uso "altamente transformador", distinto de la copia o distribución tradicional. El propósito de este entrenamiento es permitir que los modelos aprenden patrones estadísticos del lenguaje para generar contenido nuevo, lo cual es distinto del propósito expresivo y legible de las obras originales.
Cantidad de copias: La copia de obras completas fue considerada "razonablemente necesaria" para el entrenamiento transformador de LLMs. La cantidad es menos relevante si la salida del modelo no es una sustitución competitiva directa.
Mercado de licencias para IA Training: Ambos tribunales rechazaron la noción de que los autores tienen un derecho automático a tarifas de licencia por el entrenamiento de IA o el derecho a restringir el uso de sus obras para este fin, especialmente donde el uso no sustituye directamente la obra original.
Las divergencias, sin embargo, revelan las complejidades y la incipiente comprensión judicial en este ámbito:
Impacto de las copias ilegales: La distinción más notable radica en el tratamiento de la adquisición inicial de las obras de fuentes ilegales. La decisión de Anthropic trazó una línea más firme contra el uso de material pirateado, exponiendo a los desarrolladores de IA a responsabilidad por copias no autorizadas, independientemente del uso transformador posterior. Esta acción de obtener las obras de forma ilegítima se considera una infracción en sí misma que desplaza directamente el mercado original. Por el contrario, la decisión de Meta se basó en una demostración insuficiente del daño al mercado por parte de los demandantes y no debe interpretarse como una validación general para que los desarrolladores de IA utilicen contenido pirateado para el entrenamiento de IA.
Análisis del daño por dilución del mercado: Mientras que el tribunal de Anthropic desestimó rápidamente el argumento de daño indirecto al mercado, negándose a vincular las copias realizadas durante el entrenamiento de los modelos de IA con cualquier forma de sustitución o desplazamiento resultante de las capacidades de salida de la herramienta de IA generativa, el tribunal de Meta fue mucho más receptivo a la teoría de la "sustitución indirecta" o "dilución del mercado". Sugirió que esos posibles efectos del contenido generado por IA en el mercado podrían ser el tipo de daño al mercado que la ley de derechos de autor de EE.UU busca prevenir. Sin embargo, criticó la falta de pruebas por parte de los demandantes para sustentar esta teoría en el caso concreto.
5. La "Memoria" de la IA: Un concepto elusivo para el Derecho
El concepto de la “memoria” de la IA es, quizás, el más complejo y malinterpretado para la mente jurídica. La percepción general, y en ocasiones las propias judiciales, han tendido a equiparar las redes neuronales con fotocopiadoras sofisticadas o bases de datos gigantes. Esta es una idea engañosa. Para el jurista, acostumbrado a la causalidad directa y la intención detrás de un acto, la idea de una memoria algorítmica sin intencionalidad propia plantea un dilema fundamental y genera prejuicios sobre la capacidad de la IA para “copiar” o “plagiar” de forma consciente.
Para disipar este prejuicio, es importante comprender que la idea de que una IA memoriza o “guarda” obras como archivos en una biblioteca interna es una metáfora poderosa pero imprecisa. La memoria de una LLM es más análoga a la formación de sinapsis y conexiones ponderadas en un cerebro, que permiten la generación de nuevas ideas y patrones, pero no la recuperación literal de entradas.
Ambos jueces reconocieron, con distintos grados de profundidad, que los LLMs no "memorizan" ni "reproducen" obras protegidas de manera literal. Más bien, "abstraen patrones complejos". El Juez Alsup, al describir cómo las redes neuronales desarrollan representaciones jerárquicas que se abstraen de ejemplos de entrenamiento específicos hacia patrones lingüísticos generales, se acerca a una comprensión técnica más precisa.
El problema de la escala también es importante. Cuando los humanos aprenden de los libros, se encuentran con cientos o miles de textos a lo largo de años de educación. El entrenamiento de IA implica procesar millones de obras en plazos comprimidos, creando modelos estadísticos que codifican relaciones a través de tradiciones literarias enteras. Esto no es solo cuantitativamente diferente, sino que puede ser cualitativamente diferente de maneras que importan para el análisis de derechos de autor.
La analogía del aprendizaje humano que utiliza Alsup, si bien retóricamente efectiva, fue criticada por el Juez Chhabria, quien consideró que esta analogía no es remotamente parecida a la capacidad de la IA para generar innumerables obras competidoras, y que no es una base para ignorar el factor más importante en el análisis del uso justo.
La insistencia de Alsup en analizar diferentes usos por separado -entrenamiento, construcción de bibliotecas, conversión de formato- es una contribución doctrinal fuerte, siguiendo el caso Warhol[6] y rechazando el intento de Anthropic de justificar toda copia bajo un único paraguas transformador. Este enfoque impide que las empresas amparen todas las reproducciones bajo una única excepción transformadora y exige un análisis de los complejos procesos técnicos involucrados. Cada fase de copia debe contar con una justificación independiente.
Pero la aplicación práctica crea nuevos desafíos. El tribunal trata el almacenamiento de la biblioteca como categóricamente diferente de la preparación para el entrenamiento, a pesar de su profunda interconexión en el desarrollo real de la IA. El aprendizaje automático moderno implica la experimentación iterativa y acceso flexible a materiales de entrenamiento. Bajo el marco de Alsup, mantener conjuntos de datos experimentales o conservar copias para análisis de modelos, detección de sesgos y depuración de comportamientos inesperados, podría requerir una justificación de uso legítimo separada, lo que podría desincentivar actividades de investigación que sirven a importantes objetivos sociales.
La razón por la que la "memoria" de la IA es elusiva para el derecho radica en la dificultad de los marcos legales tradicionales para conceptualizar un "aprendizaje" que no implica una copia literal o una intención humana, y cómo esto choca con las nociones de infracción y sustitución de mercado.
6. Cuestiones que se comienzan a definir y preguntas abiertas para la jurisprudencia futura
Es importante destacar que estas resoluciones no establecen una postura definitiva sobre varios aspectos:
No hay un derecho establecido a tarifas de licencia: Ambos tribunales aceptaron que el uso justo era una defensa legítima al uso no autorizado de materiales protegidos por derechos de autor en el proceso de entrenamiento de IA, y, por lo tanto, rechazaron la noción de que los titulares de derechos tienen inherentemente derecho a mercados de licencias para el entrenamiento de IA sin probar un daño real al mercado.
No hay precedente para la legalidad de los datos de entrenamiento de origen ilegal: La decisión en Meta se basó en una demostración insuficiente bajo el análisis de daño al mercado, y no debe interpretarse como una aprobación para que los desarrolladores de IA utilicen contenido pirateado para el entrenamiento de IA.
No hay consenso sobre el daño al mercado causado por el entrenamiento de IA: Los tribunales en Anthropic y Meta adoptaron enfoques muy diferentes para evaluar los diversos tipos de daño al mercado que pueden resultar del entrenamiento de modelos de IA basados en contenido protegido por derechos de autor. Esta divergencia resalta la necesidad de sentencias adicionales de tribunales superiores y expone la crítica falta de consenso sobre cómo se evaluará el elemento de daño al mercado en futuras decisiones.
Entrenamiento vs. salidas - una brecha de responsabilidad: Incluso si el entrenamiento del modelo califica como uso justo, los desarrolladores aún pueden enfrentar responsabilidad si el modelo genera contenido infractor. Estos casos no abordaron la infracción basada en la salida, dejando una importante área de riesgo sin resolver, especialmente relevante para industrias como la musical (letras, melodías, parecidos vocales). Se debe enfatizar que la distinción entre el "input" (datos de entrenamiento) y el "output" (contenido generado) es una de las áreas más complejas y de mayor riesgo legal para el futuro.
7. Implicaciones generales y el futuro del debate
Estos fallos, si bien benefician a las grandes tecnológicas en el corto plazo, están lejos de cerrar el debate. Ambas decisiones representan intentos iniciales de aplicar la doctrina de derechos de autor del siglo XX a la tecnología de aprendizaje automático del siglo XXI. Reafirman la interpretación de que el entrenamiento de la IA es un proceso transformador, donde el contenido original se convierte en patrones y pesos estadísticos, no en reproducciones directas.
Las distintas sendas de los dos jueces evidencian la complejidad y la falta de consenso total en la aplicación del fair use. El Juez Alsup, al validar el aprendizaje transformador, pero condenar la piratería del input, establece un precedente que incentiva la innovación tecnológica dentro de un marco de legalidad en la adquisición de datos. El Juez Chhabria, más cauteloso sobre el impacto en el mercado, subraya que la ausencia de perjuicio económico directo es vital para la defensa, y que la puerta sigue abierta para futuros litigios con pruebas más sólidas.
La comprensión de que la IA no memoriza ni reproduce las obras, sino que abstraen y aprende patrones, es el fundamento técnico que permite a los jueces considerar el entrenamiento como un uso transformador y minimizar los argumentos de daño directo al mercado.
Desde esta perspectiva, el entrenamiento de modelos de IA no implica una explotación sustitutiva o parasitaria de la obra original, sino una operación funcional orientada a desarrollar capacidades lingüísticas o visuales abstractas. En términos jurídicos, esta transformación del propósito -de la comunicación de un contenido a la generación de capacidades predictivas o generativas- refuerza el encuadre dentro del uso justo al atender especialmente al primer y cuarto factor del test legal: el carácter del uso y su impacto en el mercado. Así, los tribunales tienden a valorar la finalidad del entrenamiento como un proceso instrumental más que expresivo, con escasa o nula afectación al valor económico original, salvo que se acredite una reproducción identificable y comercialmente competitiva.
El panorama legal en torno a la IA y los derechos de autor sigue evolucionando, con complejas consideraciones técnicas, éticas y económicas que darán forma a la futura jurisprudencia. La decisión en Anthropic proporciona un punto de partida razonable, pero queda un trabajo significativo por hacer para garantizar que la ley de derechos de autor equilibre eficazmente los incentivos a la innovación con la protección del contenido en la era de la IA. El rápido avance de la tecnología sugiere que el desarrollo legal debe acelerarse para mantener el ritmo de las realidades técnicas. La opinión de los jueces se lee como un trabajo cuidadoso haciendo lo mejor que pueden con una tecnología desconocida. A medida que los sistemas de IA se vuelvan más sofisticados y los litigios se vuelvan más complejos, los tribunales necesitarán una mayor alfabetización técnica para crear marcos legales viables. Estas decisiones representan un progreso, pero son claramente el acto de apertura en un drama legal mucho más largo.
Los Jueces Alsup y Chhabria abordan la pregunta central desde el auge público de la IA generativa en 2022: ¿Se pueden usar datos protegidos por derechos de autor para entrenar modelos de IA generativa sin el consentimiento del propietario? La respuesta emergente es matizada: sí, bajo la doctrina del uso legítimo y si el uso es transformador, pero no si los datos se obtuvieron ilegalmente o si se demuestra un perjuicio directo al mercado. La sentencia del primero, en particular, puede sentar un precedente para las docenas de demandas relacionadas con la IA y los derechos de autor que giran en torno al uso legítimo, aunque es probable que muchos de estos fallos sean apelados, lo que significa que pasarán algunos años hasta que haya claridad.
En última instancia, estos fallos marcan el inicio de una era de litigios complejos, donde la intersección entre la innovación tecnológica y los derechos de autor requerirá una comprensión legal y técnica cada vez más profunda para forjar un equilibrio justo y sostenible.
[1] Ivan G. Di Chiazza. Abogado (UCSF). Magíster en Asesoramiento Jurídico de Empresas (Universidad Austral). Juez de Primera Instancia Civil y Comercial, Ciudad de Santa Fe. Docente de posgrado.
[2] José Ignacio Pastore. Abogado (UCSF). Magíster en asesoramiento Jurídico de Empresas (Universidad Austral). Docente de grado y posgrado. Juez de Primera Instancia en lo Civil, Comercial y Laboral de la Ciudad de Sunchales, Provincia de Santa Fe. Director Instituto Innovación y Tecnología (Colegio de Magistrados y Funcionarios del Poder Judicial de Santa Fe) y Co-Director de la Dirección de Nuevas Tecnologías e IA (FAM).
[3] 3:24-cv-05417-WHA - "Andrea Bartz, Charles Graeber y Kirk Wallace Johnson c/ Anthropic PBC s/ copyright infringement" - United States District Court, Northern District of California - 23/06/2025 (Ingresar)
[4] 23-cv-03417-VC - "Richard Kadrey, et al. c/ Meta Platforms, Inc. s/ copyright infringement" - United States District Court for the Northern District of California – 25/06/2025 (Ingresar)
[5] Los casos Campbell v. Acuff-Rose Music Inc. (1994) y Google LLC v. Oracle America Inc. (2021) son precedentes fundamentales en la evolución de la doctrina del "uso justo" en el derecho de autor estadounidense. En Campbell, la Corte Suprema resolvió que una parodia comercial de la canción "Oh, Pretty Woman" realizada por 2 Live Crew podía considerarse uso justo, introduciendo así un enfoque más flexible sobre el análisis del “carácter transformador” de una obra. El fallo estableció que una reutilización puede estar amparada por el uso justo si ofrece una nueva expresión, significado o propósito, incluso en contextos comerciales. Este criterio marcó un giro interpretativo relevante, priorizando la función y el mensaje sobre el tipo de obra utilizada.
Décadas más tarde, en Google v. Oracle, la Corte aplicó esos principios al entorno digital, abordando la controversia sobre la reutilización de interfaces de programación (APIs) por parte de Google para desarrollar Android. El Tribunal consideró que el uso era transformador, ya que las APIs de Java fueron reimplementadas con un propósito diferente (funcionar en dispositivos móviles), en un contexto completamente nuevo. Además, evaluó positivamente que solo se había utilizado una pequeña fracción del código (0.4 %) y que su reutilización no afectaba negativamente al mercado original. El caso introdujo una lectura más amplia del uso justo en entornos tecnológicos, reconociendo que la innovación funcional también puede generar aportes creativos sin constituir infracción.
Ambas decisiones contribuyen a consolidar una visión jurisprudencial que prioriza la finalidad, el entorno de uso y la función social o técnica de las obras reutilizadas. Esta línea interpretativa resulta especialmente relevante para el debate actual sobre el entrenamiento de sistemas de IA, que procesan grandes volúmenes de obras protegidas no para copiarlas, sino para extraer patrones estadísticos y generar nuevas expresiones. La pregunta jurídica se vuelve inevitable: ¿es ese proceso también transformador en el sentido de Campbell y Google? Los tribunales parecen estar comenzando a ensayar una respuesta.
[6] En Andy Warhol Foundation for the Visual Arts Inc. v. Goldsmith (2023), la Corte Suprema de EE. UU. resolvió que la licencia comercial de una serigrafía de Prince realizada por Andy Warhol -basada en una fotografía protegida de Lynn Goldsmith- no constituía uso justo. Aunque la obra de Warhol presentaba una estética distinta, el Tribunal consideró que el propósito del uso (ilustrar artículos sobre Prince en revistas) era sustancialmente similar al de la fotografía original, y que el carácter comercial del nuevo uso pesaba en contra de la defensa.
La Corte se centró exclusivamente en el primer factor del fair use: el propósito y carácter del uso, incluyendo si es de naturaleza comercial o educativa sin fines de lucro. Sostuvo que, si bien la transformación estética puede ser relevante, no es suficiente por sí sola para justificar el uso sin autorización. Lo determinante es si el nuevo uso tiene un propósito distinto al de la obra original. En este caso, ambas imágenes -la fotografía de Goldsmith y la serigrafía de Warhol- fueron utilizadas en revistas para ilustrar historias sobre el mismo sujeto, por lo que compartían un propósito sustancialmente idéntico.
Este fallo marca un giro interpretativo importante: limita el alcance del uso justo en obras derivadas con fines comerciales, incluso cuando existe una diferencia visual o expresiva. Refuerza la protección de los derechos de autor frente a apropiaciones estéticas que no alteran el propósito funcional del uso. Además, introduce una advertencia implícita para el arte de apropiación y para prácticas creativas que se basan en obras preexistentes sin licencia.
En el contexto del debate sobre IA, este precedente resulta especialmente relevante: plantea interrogantes sobre si el entrenamiento de modelos con obras protegidas -aunque genere resultados estéticamente distintos- puede considerarse transformador si el propósito del uso no se aleja sustancialmente del original. La Corte parece sugerir que la transformación debe ser funcional y contextual, no solo visual o simbólica.