El 17 de junio un tribunal federal del norte de California recibió una demanda colectiva presentada por más de cien autores contra Anthropic. Los demandantes reclaman más de 75 millones de dólares alegando que la empresa utilizó al menos 500 libros pirateados para entrenar sus modelos de inteligencia artificial. Cada obra presuntamente infringida genera una petición de 150.000 dólares en daños. La cifra supera con creces los precedentes recientes y sitúa el litigio en el centro de la discusión sobre la legalidad del entrenamiento de sistemas generativos.
La acusación no se limita a la obtención ilícita de los textos. Los demandantes sostienen que Anthropic incorporó obras completas sin autorización, sin atribución y sin compensación, vulnerando de forma sistemática los derechos patrimoniales y morales de los autores. La empresa, con sede en San Francisco, ha mantenido hasta ahora una postura de defensa basada en el uso transformador y en la supuesta inexistencia de reproducción sustancial en los resultados de sus modelos.
El alcance real de la exposición económica
Si el tribunal acepta la tesis de los demandantes y fija la indemnización en 150.000 dólares por obra, el monto total podría superar los 75 millones solo por los 500 títulos identificados. Esta cantidad no incluye posibles ampliaciones de la demanda ni costas procesales. Para una empresa valorada en varios miles de millones, el desembolso directo es asumible, pero el precedente jurídico resulta mucho más costoso. Cualquier sentencia favorable a los autores obligaría a revisar los conjuntos de datos de entrenamiento de prácticamente todas las compañías que operan modelos de lenguaje de gran escala.
El sector editorial español e hispanoamericano observa el caso con especial atención. Muchas de las obras pirateadas circulan en plataformas de acceso abierto que operan fuera de Estados Unidos, lo que complica la trazabilidad pero no elimina la responsabilidad de quien las descarga y utiliza. Los autores latinoamericanos que han visto sus libros reproducidos sin permiso carecen, en la mayoría de los casos, de recursos para litigar individualmente; la demanda colectiva estadounidense les ofrece una vía de reparación que antes no existía.
Tres efectos estructurales en la cadena de valor
El primer efecto es la aparición de un nuevo coste de transacción para las empresas de IA. Hasta ahora el entrenamiento se basaba en la premisa de que los datos disponibles en internet eran de libre uso. La demanda de Anthropic demuestra que esa premisa puede ser cuestionada judicialmente con éxito. Las compañías deberán presupuestar licencias explícitas o asumir el riesgo de litigios masivos.
El segundo efecto recae sobre los autores y las editoriales medianas. La posibilidad de obtener compensaciones significativas por cada obra incluida en un corpus de entrenamiento modifica el cálculo económico de la publicación digital. Autores que antes veían la piratería como una pérdida inevitable ahora cuentan con un mecanismo de monetización indirecta de su catálogo.
El tercer efecto afecta a los distribuidores de datos de entrenamiento. Empresas que comercializan datasets limpios o servicios de filtrado verán incrementada su demanda, mientras que los repositorios de libros pirateados enfrentarán mayor presión legal y técnica para desaparecer.
Perspectivas enfrentadas entre los actores
Anthropic argumenta que el uso de libros completos es necesario para alcanzar rendimiento óptimo y que los modelos no reproducen fragmentos extensos de las obras originales. Los autores replican que la calidad del modelo se construye precisamente sobre la apropiación del estilo, la estructura narrativa y el conocimiento contenido en los textos, por lo que la transformación no elimina la necesidad de autorización previa.
Las grandes tecnológicas que aún no han sido demandadas observan el caso con cautela. Una derrota de Anthropic podría acelerar reclamaciones similares contra OpenAI, Google o Meta. Al mismo tiempo, una victoria de la empresa reforzaría la tesis del fair use y retrasaría la regulación específica sobre datos de entrenamiento.
Los organismos reguladores europeos y estadounidenses siguen el litigio de cerca. La Ley de IA de la Unión Europea exige transparencia sobre los datos utilizados en el entrenamiento; una sentencia que declare ilícito el uso de material pirateado ofrecería un criterio claro para las autoridades de supervisión.
Riesgos de innovación y protección de la propiedad intelectual
El principal riesgo para la innovación radica en la posible ralentización del desarrollo de modelos abiertos. Si cada libro requiere una licencia individual, los proyectos de investigación académica y las startups con menor capacidad financiera quedarán en desventaja frente a las grandes corporaciones que puedan negociar acuerdos marco con editoriales. El equilibrio entre protección de derechos y acceso a datos de calidad se vuelve más frágil.
Otro riesgo es la fragmentación regulatoria. Mientras Estados Unidos resuelve el litigio caso por caso, la Unión Europea avanza hacia requisitos de transparencia obligatorios. Las empresas que operan globalmente deberán diseñar procesos de cumplimiento distintos según jurisdicción, elevando los costes de cumplimiento y reduciendo la velocidad de iteración de los modelos.
Escenarios probables a medio plazo
El primer escenario contempla un acuerdo extrajudicial en el que Anthropic reconozca la necesidad de licencias y establezca un fondo de compensación para autores. Este resultado evitaría un precedente vinculante pero sentaría las bases para contratos estandarizados de uso de obras para entrenamiento.
El segundo escenario implica una sentencia parcial favorable a los autores que declare ilícito el uso de libros pirateados pero reconozca la posibilidad de fair use cuando se utilicen resúmenes o fragmentos limitados. Las empresas ajustarían entonces sus pipelines de datos para eliminar obras completas y retener solo metadatos o extractos breves.
El tercer escenario, menos probable pero de mayor impacto, es una regulación específica que obligue a todas las compañías a registrar los datasets de entrenamiento y a obtener autorización expresa para cualquier obra protegida. Este marco reduciría drásticamente la disponibilidad de datos en español y otras lenguas con menor volumen editorial digitalizado.
En cualquiera de los tres casos, el litigio contra Anthropic marca el final de una etapa en la que el entrenamiento de modelos de lenguaje se consideraba una actividad de bajo riesgo jurídico. A partir de ahora, la propiedad intelectual deja de ser una cuestión secundaria y pasa a formar parte del diseño mismo de los sistemas de inteligencia artificial.
