¿De quién es la cultura que entrenó a la IA? Entrenar es legal, piratear no: la línea que está decidiendo el juicio del siglo

LA TESIS. El «juicio del siglo» por los datos de la IA no es un juicio: son decenas de pleitos en tres continentes. Pero de ese ruido ya emerge una línea sorprendentemente nítida. Los tribunales de EE.UU., Reino Unido y Alemania están aceptando que entrenar una IA con obras protegidas puede ser legal. Lo que castigan es otra cosa: cómo se obtienen esos datos (la piratería sale carísima) y qué reproduce el modelo después (regurgitar letras de canciones o artículos enteros no está cubierto). Nuestra tesis: el copyright de la era de la imprenta no va a parar el entrenamiento de la IA, pero tampoco va a salir gratis. El resultado será un sistema híbrido —excepciones legales, mercado de licencias y obligaciones de transparencia— que hoy se escribe a golpe de sentencia. Quién cobra y cuánto definirá el contrato social entre la IA y la cultura que la alimenta.

EL MAPA DE LOS PLEITOS. Conviene separar los casos, porque no dicen lo mismo. El más caro ya está cerrado: Bartz v. Anthropic. Una jueza federal dio en julio de 2026 la aprobación final al acuerdo de 1.500 millones de dólares —el mayor de la historia del copyright en EE.UU.— por el que Anthropic pagará unos 3.000 dólares por libro a los autores de unas 482.000 obras descargadas de bibliotecas piratas como LibGen. Ojo al matiz, porque es la clave de todo: el juez William Alsup ya había dictaminado en 2025 que entrenar con libros comprados legalmente es fair use —la doctrina estadounidense que permite usos «transformadores» de obras ajenas sin permiso—, y que lo ilegal fue piratearlos. Anthropic no pagó por entrenar; pagó por cómo consiguió los libros. Además, el acuerdo no sienta precedente vinculante: es un pacto, no una sentencia.

El caso del New York Times contra OpenAI y Microsoft, en cambio, sigue vivo y se ha vuelto una guerra de trincheras. Está en fase de «discovery» (el intercambio de pruebas previo al juicio) y no tiene fecha de vista. En noviembre de 2025 una jueza ordenó entregar al Times una muestra de 20 millones de conversaciones de ChatGPT, decisión confirmada en enero de 2026. Y en julio de 2026 los editores pidieron sanciones acusando a OpenAI de ocultar pruebas; el juez no ha resuelto y OpenAI rechaza las acusaciones y defiende que su uso es legal. Este es el pleito que puede fijar si entrenar con periodismo de pago es fair use. Getty contra Stability AI, en Reino Unido, terminó en noviembre de 2025 con otra lección: Getty perdió casi todo, pero no porque entrenar sea legal allí, sino por territorialidad —el entrenamiento ocurrió fuera del Reino Unido y el tribunal no podía juzgarlo—; solo prosperó una infracción de marca muy limitada (las marcas de agua de Getty que aparecían en imágenes generadas). Traducción: los labs pueden elegir dónde entrenan, y la jurisdicción se convierte en estrategia. En la música, el guion fue distinto: las discográficas demandaron a Suno y Udio… y acabaron firmando. Universal pactó con Udio en octubre de 2025 y Warner con Suno en noviembre; solo Sony sigue en los tribunales. Forbes lo resumió como «lanza, entrena, negocia»: infringir primero y licenciar después salió rentable.

LA DOCTRINA QUE EMERGE. En EE.UU., tres sentencias dibujan el mapa. Alsup (Anthropic): entrenar es transformador; piratear, no. Chhabria (Meta, junio de 2025): Meta ganó, pero el propio juez avisó en su sentencia de que los autores podrían haber ganado con otro argumento, la «dilución de mercado» — la idea de que una IA entrenada con tus libros puede inundar el mercado de sustitutos y devaluar tu obra aunque no copie ni una frase. Esa es la puerta que los demandantes intentarán abrir a partir de ahora. Y Thomson Reuters v. Ross (febrero de 2025) marca el límite por el otro lado: cuando la IA compite directamente con la obra que copió (un buscador legal entrenado con los resúmenes de Westlaw), no hay fair use; su apelación, vista en junio de 2026, es la primera vez que un tribunal de apelaciones de EE.UU. examina fair use e IA. Europa juega con otras reglas. No hay fair use: hay una excepción de «minería de textos y datos» (TDM) en la directiva de copyright de 2019, que permite extraer información de obras accesibles legalmente salvo que el titular se oponga («opt-out») por medios legibles por máquina. El problema: no existe un estándar reconocido para ese opt-out, así que en la práctica es un veto que muchos no saben ejercer. Dos sentencias alemanas de 2025 lo confirmaron con matices: LAION ganó (recopilar datos quedó amparado) y OpenAI perdió ante GEMA, la sociedad de autores musicales — el tribunal de Múnich aceptó que la excepción TDM cubre el entrenamiento en general, pero condenó que ChatGPT memorizara y reprodujera letras de canciones. Misma línea que en EE.UU.: el problema no es aprender, es regurgitar. Y la ley europea de IA añade la pieza que faltaba: obliga a publicar un «resumen suficientemente detallado» del contenido de entrenamiento. Sin transparencia no hay ni opt-out ni licencia posibles.

LAS CUENTAS QUE NO SALEN. ¿Y si se licenciara todo? Aquí está el dato que desmonta la solución fácil. Los acuerdos existen y mueven dinero real: News Corp–OpenAI, más de 250 millones de dólares en cinco años, el mayor conocido; Reddit–Google, unos 60 millones al año; Amazon–New York Times, 20-25 millones al año; Axel Springer–OpenAI, unos 13 millones al año; Financial Times, 5-10 millones al año, según el recuento de Quartz. Reddit declaró en su folleto de salida a bolsa contratos de datos por 203 millones. Pero la aritmética es implacable: Llama 3 se entrenó con 15 billones de tokens (los fragmentos de texto con los que aprende un modelo) y al New York Times le costaría unos 316.000 años producir ese volumen, según el cálculo de ProMarket. La aportación marginal de una obra individual a un modelo es casi cero, así que negociar obra a obra es inviable por puros costes de transacción. Conclusión incómoda pero honesta: licenciarlo todo es imposible. Los acuerdos compensan a los titulares grandes y concentrados —medios, discográficas, plataformas— y dejan fuera al creador individual. Por eso la salida realista no es «todo licencia» ni «todo excepción», sino excepción más licencias colectivas más transparencia obligatoria.

CUANDO TODOS ACUSAN A TODOS. La última vuelta de tuerca: los acusados de beber de la cultura ajena ahora denuncian que otros beben de ellos. El 22 de julio de 2026, Michael Kratsios, director de política tecnológica de la Casa Blanca, acusó a la china Moonshot AI de construir su modelo Kimi K3 mediante «destilación» encubierta y a escala industrial de Fable, el modelo de Anthropic —destilar es entrenar un modelo para que imite las respuestas de otro más potente—, y de acceder a chips Nvidia vetados a través de servidores en Tailandia; el Tesoro amenazó con sanciones. Son acusaciones, no hechos probados: investigadores independientes dudan de que un modelo publicado días después del lanzamiento de Fable pudiera destilarse tan rápido. Y Anthropic, a su vez, está demandada por Reddit —un pleito por scraping masivo, con más de 100.000 accesos no autorizados según Reddit, que en abril de 2026 volvió a un tribunal estatal de California— por tomar sin permiso justo aquello que Reddit cobra a Google a 60 millones al año. La ironía es completa: los labs que invocan fair use para entrenar blindan sus propias salidas contra la destilación ajena. Los datos ya no son un insumo: son un activo estratégico, y hasta geopolítico.

NUESTRA LECTURA. Queda la pregunta filosófica: si un humano puede leerse la biblioteca entera y crear a partir de ahí, ¿por qué una máquina no? Nuestra respuesta: porque la escala cambia la especie. Un humano lee cientos de libros en una vida y compite con otros humanos; un modelo ingiere millones y puede sustituir de golpe el mercado del que aprendió. La analogía del «lector aplicado» es útil pero insuficiente, y por eso la «dilución de mercado» de Chhabria nos parece el concepto jurídico más importante de este ciclo: no pregunta si la máquina copió, pregunta si empobrece el ecosistema del que se alimenta. Dicho esto, rechazamos los dos extremos. «La IA es robo» ignora que los tribunales están validando el aprendizaje automático como uso transformador, y que sin esa vía solo entrenarían quienes ya lo hicieron o quienes ignoran la ley, que suelen operar fuera de Occidente. «La información quiere ser libre» ignora que sin ingresos no habrá periodismo ni libros con los que entrenar a la próxima generación de modelos: la IA que agota su propia fuente se envenena. A corto plazo, el daño es real y desigual: cobran Reddit y News Corp, no el ensayista ni el ilustrador, y eso exige mecanismos colectivos de compensación como los que ya existen en la música. A largo plazo, mantenemos el optimismo de fondo: una IA entrenada legítimamente sobre el conocimiento humano es la mejor herramienta que hemos tenido para curar, enseñar y generar abundancia. El objetivo no es frenarla: es que la cultura que la hizo posible sea socia, no cantera. Los 1.500 millones de Anthropic no son el final del juicio del siglo; son la primera factura de un contrato social que todavía estamos negociando.