Entrenar una IA con obras protegidas: dónde termina la innovación y comienza la infracción del derecho de autor

 

Entrenar una IA con obras protegidas: dónde termina la innovación y comienza la infracción del derecho de autor

Santiago Carretero Sánchez, Profesor Titular de Filosofía del Derecho, Universidad Rey Juan Carlos, Abogado del Ilustre Colegio de Abogados de Madrid

La inteligencia artificial generativa está obligando al Derecho de autor a enfrentarse con una cuestión que hace apenas unos años parecía propia de la ciencia ficción: ¿puede una empresa utilizar millones de obras protegidas para entrenar un modelo de inteligencia artificial sin obtener previamente autorización de sus titulares? La pregunta ya no pertenece al terreno de la especulación. Durante los últimos meses, los litigios promovidos por autores, editores y otros titulares de derechos contra las empresas que desarrollan modelos generativos han convertido el entrenamiento de la inteligencia artificial en uno de los grandes problemas contemporáneos de la propiedad intelectual.

La actualidad jurídica del problema resulta especialmente evidente en Estados Unidos. En julio de 2026, un tribunal federal aprobó un acuerdo de 1.500 millones de dólares entre Anthropic y un colectivo de autores que había denunciado el uso de libros para entrenar el modelo Claude. El asunto es particularmente significativo porque durante el procedimiento judicial se había diferenciado entre el uso de obras para el entrenamiento del modelo y la utilización de copias pirateadas almacenadas en una biblioteca central. El tribunal había considerado que el entrenamiento podía quedar amparado por la doctrina estadounidense del fair use, mientras que la conservación de millones de copias obtenidas ilícitamente podía constituir una infracción independiente.

La importancia del caso no reside únicamente en la extraordinaria cuantía económica del acuerdo. Su verdadera trascendencia jurídica consiste en mostrar que el problema del entrenamiento de la IA no puede resolverse mediante una respuesta binaria según la cual toda utilización de obras protegidas sería necesariamente ilícita o, por el contrario, todo entrenamiento constituiría automáticamente un uso legítimo. Hay que distinguir qué se utiliza, cómo se obtiene, para qué finalidad se reproduce, durante cuánto tiempo se conserva, si existe una reserva de derechos y qué utilización posterior realiza el modelo.

El entrenamiento de la IA y el derecho de reproducción

Desde la perspectiva europea, el punto de partida es diferente y exige acudir al régimen de minería de textos y datos establecido por la Directiva (UE) 2019/790 sobre los derechos de autor y derechos afines en el mercado único digital. Su artículo 4 establece una excepción o limitación para las reproducciones y extracciones de obras y otras prestaciones accesibles lícitamente cuando se realizan con fines de minería de textos y datos, pero condiciona esta posibilidad a que los titulares no hayan reservado expresamente sus derechos de manera adecuada, incluyendo medios legibles por máquina cuando el contenido se encuentre públicamente disponible en línea.

Esta regulación resulta fundamental porque permite comprender que el Derecho europeo no ha construido una autorización general para utilizar cualquier contenido disponible en Internet para entrenar cualquier sistema de inteligencia artificial. Existe una excepción jurídicamente delimitada y, al mismo tiempo, existe la posibilidad de que los titulares manifiesten una reserva de derechos. La cuestión adquiere una complejidad adicional cuando el entrenamiento se realiza a gran escala y con finalidad comercial.

La diferencia es esencial. Que una obra pueda ser técnicamente accesible no significa que pueda ser jurídicamente utilizada para cualquier finalidad. Internet ha generado durante años una peligrosa confusión entre accesibilidad y disponibilidad jurídica. La inteligencia artificial obliga ahora a recuperar una distinción clásica del Derecho de autor: poder acceder a una obra no equivale necesariamente a disponer de autorización para reproducirla, transformarla, explotarla o incorporarla a un proceso industrial de generación de contenidos.

Por ello, el entrenamiento de un modelo no debería analizarse únicamente desde la perspectiva del resultado final. El proceso de formación del modelo también puede implicar actos jurídicamente relevantes. La cuestión consiste en determinar cuándo las reproducciones y extracciones necesarias para entrenar el sistema quedan cubiertas por las excepciones legales y cuándo, por el contrario, requieren autorización del titular.

La gran novedad europea: el AI Act introduce transparencia sobre los datos de entrenamiento

La regulación europea añade una segunda dimensión especialmente interesante. El Reglamento (UE) 2024/1689, conocido como AI Act, establece obligaciones específicas para los proveedores de modelos de IA de uso general. Entre ellas se encuentra la obligación de establecer una política destinada a cumplir el Derecho de la Unión en materia de derechos de autor y derechos afines y la obligación de publicar un resumen suficientemente detallado del contenido utilizado para entrenar el modelo.

Esta obligación de transparencia cambia significativamente el escenario jurídico. El problema deja de ser exclusivamente determinar si una determinada obra fue utilizada legítimamente y comienza también a plantearse cómo puede un titular conocer, identificar y eventualmente hacer valer sus derechos frente al desarrollador del modelo.

La Comisión Europea ha establecido incluso una plantilla específica para los resúmenes públicos de los contenidos utilizados en el entrenamiento. Esta documentación debe proporcionar una base mínima común de información y está pensada, entre otras finalidades, para permitir que quienes tengan intereses legítimos, incluidos los titulares de derechos de autor, puedan ejercer sus derechos conforme al Derecho de la Unión. Desde el 2 de agosto de 2026, además, la Comisión dispone de competencias de ejecución respecto de las obligaciones aplicables a los proveedores de modelos de IA de uso general, incluida la posibilidad de imponer sanciones.

Estamos, por tanto, ante una evolución importante: el debate jurídico pasa de preguntarse únicamente «¿se han utilizado obras protegidas?» a plantear también «¿qué información debe proporcionar el proveedor sobre los contenidos empleados para entrenar su modelo?». La transparencia se convierte así en una condición previa para que el Derecho de autor pueda resultar efectivamente exigible en el ecosistema de la inteligencia artificial.

Innovación tecnológica y propiedad intelectual: el verdadero punto de equilibrio

El problema jurídico de fondo es encontrar un equilibrio razonable entre dos intereses legítimos. Por un lado, la innovación exige que los sistemas de inteligencia artificial puedan entrenarse con grandes cantidades de información. Por otro, los autores y demás titulares de derechos no pueden quedar privados de la protección jurídica que les reconoce el ordenamiento simplemente porque sus obras sean utilizadas como materia prima de una nueva tecnología.

La solución no parece encontrarse ni en prohibir cualquier entrenamiento realizado con obras protegidas ni en aceptar que todo contenido accesible en Internet pueda convertirse gratuitamente en materia prima para modelos comerciales. La respuesta jurídicamente más sofisticada exige atender a las excepciones previstas por el legislador, a las reservas de derechos, a la procedencia lícita de los materiales, a la finalidad del tratamiento, a la naturaleza del modelo y a las obligaciones de transparencia y cumplimiento.

Aquí aparece una cuestión que tendrá una enorme importancia en los próximos años: ¿debe diferenciarse entre la utilización de una obra como dato estadístico para que el modelo aprenda patrones lingüísticos y la reproducción sustancial de la obra o de fragmentos identificables en las respuestas generadas? Son fenómenos jurídicamente distintos y no deberían confundirse.

Precisamente el caso Anthropic muestra la importancia de esta distinción. La decisión judicial estadounidense sobre el fair use del entrenamiento no convirtió en legítima cualquier actuación relacionada con las obras utilizadas. La conservación de copias pirateadas planteó un problema diferente y jurídicamente autónomo. El precedente demuestra que el análisis debe realizarse sobre cada acto relevante y no sobre la inteligencia artificial como categoría tecnológica abstracta.

El nuevo principio: una IA no puede construirse sobre una zona de impunidad jurídica

La cuestión que se está formando ante nuestros ojos es mucho más profunda que el tradicional debate sobre quién es el autor de una imagen, un texto o una composición musical generada mediante inteligencia artificial. Antes de preguntarnos quién es titular de los derechos sobre el resultado, debemos preguntarnos con qué materiales se ha construido el sistema que produce ese resultado.

Esta inversión de perspectiva resulta esencial. Durante los primeros años de la IA generativa, la discusión jurídica se concentró fundamentalmente en las obras producidas por los modelos. Ahora comienza a adquirir mayor importancia la fase anterior: los datos de entrenamiento, las obras utilizadas, las licencias existentes, las reservas de derechos, las reproducciones efectuadas y la documentación que permita reconstruir el origen de los materiales.

El Derecho de autor está pasando, por tanto, de controlar únicamente la obra final a prestar una atención creciente a la infraestructura jurídica que permite producirla. El entrenamiento de la inteligencia artificial se convierte así en un nuevo espacio de responsabilidad jurídica.

La innovación tecnológica no desaparece por la existencia del Derecho de autor. Pero tampoco puede pretenderse que la innovación convierta automáticamente en lícito aquello que el ordenamiento protege. La verdadera cuestión jurídica de nuestro tiempo no es si debemos elegir entre inteligencia artificial y propiedad intelectual, sino cómo construir una inteligencia artificial capaz de innovar respetando los derechos que hacen posible la creación cultural.

Y probablemente esta sea la cuestión que marcará la siguiente etapa del Derecho de la inteligencia artificial: no quién posee la máquina, sino qué derechos debe respetar la máquina antes de comenzar a aprender.

Referencias

European Commission. (2026). Guidelines on obligations for providers of general-purpose AI models. European Commission.

European Parliament & Council of the European Union. (2019). Directive (EU) 2019/790 of the European Parliament and of the Council of 17 April 2019 on copyright and related rights in the Digital Single Market. Official Journal of the European Union.

European Parliament & Council of the European Union. (2024). Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union.