OpenAI/Anthropic: Demanda por derechos de autor explicada
¿Quién paga el precio por textos, código o letras de canciones aparentemente generados sin esfuerzo por sistemas como ChatGPT o Claude? Un tribunal alemán condenó a OpenAI por usar fragmentos de canciones protegidas por derechos de autor, mientras Anthropic llegó a un acuerdo con autores. Estos procedimientos giran en torno a la cuestión fundamental de si se pueden copiar masivamente obras protegidas por derechos de autor para el entrenamiento de IA y bajo qué condiciones. Al mismo tiempo, los proveedores de IA celebran contratos de licencia con empresas de medios para obtener datos de entrenamiento "limpios". Las demandas son un examen de estrés para el modelo de negocio de la IA generativa, con consecuencias para editores, creativos, desarrolladores, usuarios y los precios de los servicios.
Fuente: Presentación propia
IA y derechos de autor
Las demandas por derechos de autor contra OpenAI y Anthropic afectan a sistemas de IA generativa que aprenden patrones a partir de grandes cantidades de textos, imágenes, música o código para generar nuevo contenido. Durante el entrenamiento, los datos se copian técnicamente, por ejemplo, mediante la descarga de libros de bibliotecas clandestinas, el rastreo de sitios web o la importación de archivos con licencia. OpenAI opera ChatGPT y los modelos de lenguaje subyacentes, que se entrenan con datos web, contenido licenciado y otras fuentes. Anthropic desarrolla Claude, un modelo competidor que realiza tareas similares y se basa en grandes corpus de texto.
En el ámbito legal, el derecho de autor, que protege la copia y el uso de obras, se encuentra con la idea de que el entrenamiento de IA podría considerarse reconocimiento de texto o análisis de datos bajo las limitaciones existentes. Ejemplos de ello son el "Text and Data Mining" en la UE o el "Fair Use" en EE. UU. Fair Use es una regla flexible de EE. UU. que permite el uso de obras protegidas por derechos de autor sin permiso para críticas, investigación o transformaciones. En Europa existen excepciones definidas y reglas específicas de Text and Data Mining, cuya aplicación depende de la licencia y el propósito de uso.
En OpenAI, los conflictos comenzaron con demandas de autores individuales por el uso de sus libros en el entrenamiento. En 2023, 17 autores se unieron a una demanda colectiva bajo la Authors Guild, acusando a OpenAI de copiar sus textos para entrenar modelos capaces de generar contenido estilísticamente similar. Un tribunal federal en Nueva York mantuvo partes centrales de las acusaciones de derechos de autor contra OpenAI y Microsoft. A finales de 2023, The New York Times demandó a OpenAI y Microsoft, alegando que millones de sus artículos se utilizaron para entrenamiento sin licencia. El periódico exige la destrucción de todos los modelos basados en su contenido y potencialmente miles de millones en indemnizaciones. Este caso se considera una importante confrontación entre medios e IA.
Ocho periódicos estadounidenses del conglomerado Alden Global Capital también demandaron a OpenAI y Microsoft. En 2025 siguió la demanda de la editorial digital Ziff Davis. En total, hay más de una docena de demandas contra OpenAI. También existe una disputa en torno al asistente de programación GitHub Copilot, basado en tecnología de OpenAI, ya que los desarrolladores acusan a Microsoft, GitHub y OpenAI de haber incluido masivamente repositorios de código abierto con licencia en el entrenamiento y de haber infringido las condiciones de licencia. La mayoría de las reclamaciones fueron desestimadas en 2024, pero se permite continuar con puntos individuales.
Fuente: YouTube
En Europa, un tribunal de Múnich dictaminó en otoño de 2025 que ChatGPT violaba el derecho de autor alemán al utilizar fragmentos de canciones protegidas por miembros de la GEMA sin permiso. OpenAI debe pagar una indemnización por daños y perjuicios. El tribunal indicó que no solo las emisiones, sino ya la copia para entrenamiento pueden estar sujetas a derechos de protección.
En Anthropic, el conflicto culminó en una demanda colectiva de autores que acusaron a la empresa de haber utilizado unos siete millones de libros, incluidas copias ilegales, para entrenamiento. Un juez federal de EE. UU. dictaminó inicialmente que el entrenamiento sobre copias de libros adquiridas legalmente podría considerarse "Fair Use" bajo ciertas circunstancias, pero dejó abierta la cuestión de cómo proceder con copias obtenidas ilegalmente. En septiembre de 2025, Anthropic llegó a un acuerdo por unos 1500 millones de dólares para resolver la demanda colectiva. La cuantía del acuerdo demuestra que los riesgos de derechos de autor pueden adquirir una dimensión existencial para los proveedores de IA.
Fuente: de.marketscreener.com
OpenAI está en el centro de los debates sobre derechos de autor, ya que sus modelos de IA se entrenan con grandes volúmenes de datos.
Otras empresas de IA como Meta y Stability AI ganaron los primeros juicios, en los que los tribunales consideraron que el entrenamiento sobre corpus de libros o imágenes específicos era un uso permitido o desestimaron las demandas por motivos formales. La situación legal sigue sin resolverse.
Aspectos económicos
Muchos creativos, editores y asociaciones se oponen a OpenAI y Anthropic porque se trata de un nuevo mercado. Quien entrena un modelo de lenguaje necesita enormes cantidades de datos: textos de periódicos, libros, foros, repositorios de código, letras de canciones. Durante mucho tiempo, estos datos se "raspaban" de la web abierta, a menudo con la suposición de que los contenidos accesibles públicamente podían utilizarse con fines de análisis. Las demandas cuestionan esta práctica y, por tanto, si las empresas de IA tendrán que pagar sistemáticamente regalías en el futuro.
Al mismo tiempo, está creciendo un ecosistema de corredores de datos y proveedores especializados de "datasets" que ofrecen conjuntos de datos curados y legalmente seguros para el entrenamiento de IA. Empresas como Rightsify o vAIsual se han unido a una asociación sectorial que aboga por reglas más estrictas, transparencia y remuneración, y se ve a sí misma como un contrapeso al "salvaje" web scraping.
Fuente: aicamp.so
La competencia entre OpenAI y Anthropic marca significativamente el panorama económico de la industria de la IA.
Para las empresas de medios, se trata de evitar que los modelos de IA lean, resuman y compitan con sus propias plataformas sin que se genere dinero. Sin embargo, muchos editores también se dan cuenta de que tienen flujos de datos fiables que se pueden licenciar y celebran colaboraciones. OpenAI ha firmado acuerdos con Axel Springer, News Corp, Financial Times, Le Monde y Associated Press para licenciar contenido para entrenamiento y salida. Reddit obtiene parte de sus ingresos a través de acuerdos de licencia con Google y OpenAI para acceder a las publicaciones de los foros.
Los "costos ocultos" de la IA están ganando peso en el discurso político. Los procesos de entrenamiento de modelos grandes consumen enormes cantidades de energía y agua. Si además se destinan miles de millones a licencias de libros, artículos o música, surge la pregunta de si los precios actuales de suscripción a servicios de IA cubren los costos o se cofinancian a través de inversores y subsidios ocultos.
Regulación y política
A nivel regulatorio, el marco está cambiando: El EU-AI-Act obliga a los proveedores de IA de "propósito general" como ChatGPT y Claude a una mayor transparencia sobre los datos de entrenamiento y a un respeto más estricto de los derechos de autor. Esto inicia una transición de la divulgación voluntaria a obligaciones vinculantes, lo que puede generar un conflicto con los secretos comerciales.
Está demostrado que tanto OpenAI como Anthropic han procesado grandes cantidades de contenido protegido por derechos de autor durante el entrenamiento de sus modelos. Las demandas y los documentos judiciales detallan qué fuentes de datos y bibliotecas clandestinas se sospecha que se han utilizado. Los primeros tribunales envían señales contradictorias: un tribunal de Múnich considera que el uso de fragmentos de canciones protegidas infringe el derecho de autor alemán, mientras que jueces estadounidenses en procedimientos contra Meta y Anthropic llegan a evaluaciones de "Fair Use", al menos para copias adquiridas legalmente.
Los modelos de IA pueden "memorizar" parte de sus datos de entrenamiento, es decir, reproducir extractos más largos casi palabra por palabra. Esto es más un efecto secundario técnico, pero relevante para contenidos sensibles y datos confidenciales. Los estudios muestran porcentajes de un solo dígito aquí.
No está claro si los tribunales considerarán a largo plazo que el simple entrenamiento sobre obras protegidas por derechos de autor es permisible, siempre y cuando los modelos posteriores no devuelvan pasajes extensos e idénticos y el uso se considere suficientemente "transformativo". Los análisis jurídicos enfatizan que mucho depende de la configuración concreta de los modelos, la afectación al mercado y las respectivas normas de limitación.
Tampoco está claro a qué nivel se estabilizarán los futuros costos de licencia y si favorecerán principalmente a los grandes actores con bolsillos profundos. Los paquetes de licencia de datos con empresas de medios alcanzan en parte varios cientos de millones de dólares durante varios años, mientras que los modelos de código abierto siguen dependiendo en gran medida de datos disponibles gratuitamente.
Es falso o engañoso afirmar que el entrenamiento de IA es "robo" en todos los casos, porque un modelo inevitablemente almacena obras completas y puede reproducirlas uno a uno. Los análisis técnicos demuestran que los modelos aprenden principalmente patrones y relaciones estadísticas. Más problemático es una pequeña pero relevante parte de memorización y la cuestión de si la copia inicial de los datos de entrenamiento estaba permitida. Esto relativiza comparaciones simples como "la IA es una copiadora a gran escala".
También es engañoso pensar que una sola sentencia, como la del New York Times contra OpenAI, puede "prohibir" o apagar toda la IA generativa. Son más realistas los ajustes graduales: más licencias, obligaciones de transparencia más estrictas, posiblemente nuevos modelos de remuneración para los datos de entrenamiento y medidas de protección técnica adicionales.
Fuente: user-added
Un diagrama que representa diferentes modelos de IA y su pertenencia a código cerrado o código abierto.
Asociaciones de autores y autoras como la Authors Guild enfatizan que sin sistemas de remuneración efectivos, la existencia de muchos escritores está en peligro y que las empresas de IA construyen negocios multimillonarios sobre libros "robados". Exigen reglas claras según las cuales las obras no deben usarse sin consentimiento o, al menos, debe haber una remuneración colectiva a las sociedades de gestión de derechos.
Los grandes grupos de medios están divididos: The New York Times o algunos periódicos regionales de EE. UU. optan por demandas para asegurar poder de negociación. Otras editoriales, como Axel Springer, News Corp o Financial Times, han optado por amplios contratos de licencia y ven la IA como un canal de distribución y una fuente de ingresos adicional.
OpenAI y Anthropic enfatizan que cumplen la ley, respetan los derechos de autor y dependen cada vez más de datos licenciados o legalmente aclarados. Al mismo tiempo, argumentan que un estricto régimen de licencias para cada uso de entrenamiento individual limitaría el desarrollo de la IA a unos pocos conglomerados.
Organizaciones de la sociedad civil como la Electronic Frontier Foundation advierten contra una expansión excesiva del derecho de autor. Si la investigación, los proyectos de código abierto o las pequeñas empresas ya no tuvieran un margen similar al "Fair Use", la innovación podría terminar en manos de pocos grandes actores. Por otro lado, las asociaciones de creativos y algunos juristas exigen que se introduzcan nuevos mecanismos de remuneración y derechos de protección, que vayan más allá de los escenarios de uso clásicos, precisamente con vistas a la IA.
Implicaciones prácticas
Como creativo, desarrollador o empresa que utiliza IA, usted tiene cada vez más opciones. Si produce contenido, puede licenciar conscientemente sus obras a plataformas adheridas a modelos de remuneración de IA transparentes, ya sea a través de sociedades de gestión de derechos o proveedores de datasets. Al mismo tiempo, puede utilizar medidas de protección técnica, desde configuraciones de robots.txt hasta metatags especiales "noai", que cada vez son más respetados por los grandes proveedores.
Si utiliza servicios de IA profesionalmente, vale la pena consultar las condiciones contractuales. Muchos proveedores permiten hoy desactivar el uso para entrenamiento de datos específicos o ofrecer entornos "Enterprise" separados sin reutilización de las entradas. Especialmente las empresas con contenido sensible o valioso en derechos de autor deben revisar activamente estas opciones.
Para clasificar los titulares, son útiles pasos de verificación sencillos: compruebe si un artículo enlaza a documentos judiciales concretos, si las cifras están probadas de forma coherente y si se distingue claramente entre riesgos legales y meras especulaciones. Las fuentes originales como Courtlistener, Justia o las publicaciones de los propios tribunales, que complementan los informes de los medios, son útiles para ello.
En segundo plano se perfila un cambio técnico: proveedores como Cloudflare ahora ofrecen bloqueos estándar para rastreadores de IA y experimentan con modelos "Pay per Crawl", en los que las empresas de IA deben pagar por el acceso a los contenidos. Esto puede fortalecer la posición negociadora de las plataformas de contenido, pero también puede hacer que algunos contenidos solo sean visibles para los proveedores de IA de pago.
Perspectivas futuras
A pesar de las muchas demandas, sentencias y acuerdos, quedan preguntas importantes sin respuesta. La cuestión dogmática central es si la mera copia de grandes cantidades de obras protegidas por derechos de autor con fines de entrenamiento constituye un uso independiente que requiere licencia, o si se asemeja más a actos de análisis que caen bajo limitaciones como Text and Data Mining o Fair Use.
Tampoco está claro cuán detalladamente deben los proveedores de IA divulgar sus datos de entrenamiento en el futuro. El AI Act de la UE exige un "resumen" de los contenidos utilizados, pero los artículos especializados discuten si esto significa algo más que categorías generales y ejemplos de fuentes, y hasta dónde llega la protección de los secretos comerciales.
Otro frente abierto es la fragmentación internacional: mientras que los tribunales de EE. UU. trabajan en gran medida con argumentos de "Fair Use", los tribunales europeos se basan más en una dogmática de derechos de autor más estricta y reglas específicas de TDM. Esto podría llevar a que los modelos de IA se entrenen o se implementen de manera diferente según la región, con las consecuencias correspondientes para la competitividad y el acceso a sistemas potentes.
Finalmente, aún está poco claro cómo afectarán legalmente los nuevos estándares técnicos – desde extensiones de Robots específicas para IA hasta señales de contenido como "ai-train" o "ai-input" – y si los tribunales los considerarán algún día como instrumentos explícitos de consentimiento o rechazo.
Las demandas por derechos de autor contra OpenAI y Anthropic no marcan una ruptura repentina, sino el síntoma visible de un cambio estructural más profundo: creativos, medios y plataformas luchan por cómo se utilizan y remunera su trabajo en la era de la IA generativa, y las empresas de IA deben aprender que "simplemente sacar todo de la red" no es sostenible a largo plazo ni política ni legalmente. Para usted, esto significa: vale la pena no ver los datos de entrenamiento como una masa abstracta, sino como lo que son: el trabajo de millones de personas. Cuanto más claramente definamos reglas, vías de remuneración y posibilidades de protección técnica, más probable será que se creen sistemas de IA que sean potentes y al mismo tiempo respeten los derechos de aquellos sobre cuyos hombros se apoyan.