Anthropic gana: entrenar IA con libros es fair use, pero piratear no

El 24 de junio de 2025, el juez William Alsup separó el uso de libros para entrenamiento de la adquisición y conservación de copias pirata. La fuente original sostiene el núcleo documental del hecho; la orden resolvió cuestiones distintas en sentidos distintos y no convirtió la piratería en uso legítimo.

La decisión llega en el marco de Bartz v. Anthropic, una demanda colectiva de autores contra la empresa creadora de Claude. Es la primera vez que un tribunal da crédito al argumento que las grandes tecnológicas de IA repiten desde hace años: que entrenar un modelo con obras con copyright es una forma de fair use, la excepción legal que permite usar material protegido sin autorización del titular bajo ciertas condiciones.

Qué significa realmente el fallo

El fair use es una de las piezas más resbaladizas del derecho de propiedad intelectual estadounidense, y no se ha actualizado desde 1976, mucho antes de que existieran internet o el concepto de conjuntos de datos para entrenar IA generativa. Los tribunales evalúan varios factores para decidir si un uso es legítimo: para qué se emplea la obra (la parodia o la educación suelen tener más margen), si hay ánimo de lucro directo con la reproducción (se puede escribir fan fiction de una saga con derechos de autor, pero no venderla), y sobre todo cuán transformativo es el resultado respecto al original.

Alsup ha considerado que el entrenamiento de modelos de Anthropic con libros publicados es transformativo, en línea con el criterio habitual que se aplica a los modelos de lenguaje: la idea de que estos sistemas no se limitan a reproducir las obras, sino que las usan para producir contenido nuevo. Ese argumento es exactamente el que empresas como Meta han usado en sus propias defensas frente a demandas similares, y hasta ahora no estaba nada claro si algún juez lo respaldaría con una resolución de este calibre.

El fallo no obliga a otros jueces a seguir el mismo criterio en las decenas de demandas abiertas contra OpenAI, Meta, Midjourney, Google y otras compañías. Pero sí sienta un precedente: por primera vez, un tribunal ha puesto por escrito que el entrenamiento en sí mismo puede ampararse en el fair use, lo que da a las empresas de IA un argumento con peso jurisprudencial real frente a autores, artistas y editoriales que llevan años intentando bloquear judicialmente esta práctica.

La otra mitad del caso: piratería sin ambigüedad

El fallo de Alsup no cierra el caso Bartz v. Anthropic. Los autores demandantes no solo cuestionaron el entrenamiento del modelo: también pusieron el foco en cómo Anthropic consiguió y almacenó sus obras. Según la demanda, la compañía pretendía construir una "biblioteca central" con "todos los libros del mundo" para conservarlos "para siempre". El problema es que millones de esos libros protegidos por derechos de autor se descargaron gratis de sitios de piratería, algo que la ley no deja lugar a dudas: es ilegal.

Aquí el juez separa completamente los dos asuntos. Que el entrenamiento con esos libros sea fair use no blanquea el método por el que Anthropic los obtuvo. Alsup ha ordenado que se celebre un juicio específico sobre la naturaleza de esa "biblioteca central" y los daños que pudiera haber causado.

En su resolución, el juez lo expresó con claridad: "Tendremos un juicio sobre las copias pirateadas usadas para crear la biblioteca central de Anthropic y los daños resultantes", escribió, según recoge TechCrunch. Y añadió una precisión que deja claro que comprar el libro después no borra el delito original: "Que Anthropic comprara posteriormente una copia de un libro que antes había robado de internet no la exime de responsabilidad por ese robo, aunque puede afectar al alcance de los daños estatutarios".

Por qué esta distinción importa para el resto del sector

El fallo traza una línea que probablemente marcará el resto de litigios de copyright contra empresas de IA: una cosa es cómo se usa un texto para entrenar un modelo, y otra muy distinta es cómo se consiguió ese texto en primer lugar. Una empresa puede tener argumentos sólidos de fair use para el entrenamiento y, al mismo tiempo, enfrentarse a responsabilidad legal y económica por haber recurrido a la piratería para reunir el material.

Para los autores, artistas y editoriales que han presentado demandas similares contra otras compañías, el golpe es doble: pierden el argumento de fondo sobre si el entrenamiento en sí es ilegal, pero conservan una vía de ataque muy concreta si logran demostrar que el material se obtuvo de forma pirata. Para las empresas de IA, el mensaje es igual de nítido: el origen de los datos de entrenamiento puede pesar tanto o más que el uso que se les da después.

El juicio sobre la "biblioteca central" de Anthropic determinará ahora el alcance real de los daños, en un caso que ya funciona como el primer precedente serio en la batalla legal entre la industria del entrenamiento de IA y el mundo editorial.

Cómo convertir el titular en una comprobación

El encabezado del documento indica qué existe: demanda, moción, orden, propuesta o sentencia. Cada palabra cambia lo que el lector puede hacer. Una alegación no está probada; un acuerdo propuesto no está aprobado; una orden puede resolver solo una petición. la orden resolvió cuestiones distintas en sentidos distintos y no convirtió la piratería en uso legítimo. Antes de extraer una regla hay que localizar parte dispositiva, fecha y partes afectadas.

El caso debe descomponerse por conducta y pretensión. Obtener una copia, conservarla, entrenar con ella y generar una salida son actos distintos; el tribunal puede tratarlos de forma distinta. También importan la prueba presentada y el momento procesal. Resumir todo con «ganó» o «perdió» borra precisamente el límite que permite aplicar la resolución.

Para valorar cómo leer cada uso de una obra por separado en vez de resumir todo el caso con una victoria, se construye una línea temporal: presentación, respuesta, decisión, posibles recursos y condiciones pendientes. Luego se pregunta qué remedio se solicitó y cuál se concedió. Dinero máximo, fondo propuesto y pago recibido tampoco son equivalentes. La fecha impide atribuir a un documento temprano lo que ocurrió después.

Qué debe quedar registrado

Una resolución estadounidense tampoco se convierte automáticamente en una regla universal. Jurisdicción, ley aplicable, hechos y partes limitan su alcance. El artículo puede enseñar a leer el documento, pero no sustituye asesoramiento sobre un caso particular. La capacidad útil es saber qué pregunta llevar a un profesional y qué página sostiene cada premisa.

Una ficha de evidencia separa cuatro columnas: lo que afirma la fuente, lo que muestra, lo que no midió y qué tendría que ocurrir para cambiar la conclusión. Esa disciplina evita que una ausencia se convierta en promesa y que una condición desaparezca al resumir. También permite actualizar la pieza sin reescribir la historia desde el resultado posterior.

Conviene incluir un caso negativo antes de decidir. Se busca una situación donde el sistema, norma, operación o estudio no resuelva la necesidad y se anota la señal que obligaría a parar. Los éxitos seleccionados muestran que algo puede ocurrir; el caso negativo revela el límite y reduce el coste de descubrirlo después del despliegue.

La capacidad que sobrevive al anuncio

La comparación válida conserva denominador y eje. No enfrenta una cifra puntual con un promedio, una capacidad futura con una instalada ni una predicción con una observación. Cuando dos fuentes usan palabras parecidas, se reconstruye qué contaron y durante qué periodo. Si no coinciden, se publican como medidas distintas en vez de fabricar una clasificación.

El registro debe sobrevivir al cambio de versión. Guarda URL, fecha de consulta, documento, configuración y decisión tomada. Al aparecer nueva evidencia, se añade con su fecha y se explica qué modifica. Esa trazabilidad protege contra dos errores opuestos: mantener una conclusión caducada o fingir que un dato posterior ya se conocía el día del hecho.