IA 360
Marco regulatorio

Anthropic propone un acuerdo de 1.500 millones por libros pirateados

Las partes proponen un fondo para resolver reclamaciones por libros obtenidos de bibliotecas pirata. El acuerdo seguía pendiente de aprobación judicial y no convierte todo entrenamiento en infracción.

5 min de lectura Generado con IA Read in English
Anthropic propone un acuerdo de 1.500 millones por libros pirateados

El 5 de septiembre de 2025, las partes presentaron una propuesta de acuerdo para resolver reclamaciones sobre libros obtenidos de bibliotecas pirata. La fuente original sostiene el núcleo documental del hecho; la propuesta seguía pendiente de aprobación y no concedía por sí sola un pago ni un derecho definitivo.

La cifra equivale a aproximadamente 3.000 dólares por libro. Los abogados de los demandantes lo presentan como la mayor compensación por derechos de autor conocida hasta ahora, pero su alcance jurídico es más limitado de lo que su tamaño sugiere: no establece que entrenar una inteligencia artificial con obras protegidas sea ilegal. Documento que sostiene la cifra.

El problema fue cómo consiguió Anthropic los libros

La demanda fue presentada por los escritores Andrea Bartz, Charles Graeber y Kirk Wallace Johnson. Acusaron a Anthropic de descargar millones de libros desde repositorios pirata como LibGen y PiLiMi para construir una biblioteca interna y entrenar sus modelos de lenguaje.

El juez federal William Alsup separó en junio dos cuestiones que a menudo aparecen mezcladas en el debate sobre la IA generativa.

Por una parte, consideró que usar libros para entrenar modelos podía constituir uso legítimo —la excepción estadounidense conocida como fair use— porque el proceso era suficientemente transformador. También respaldó la digitalización de ejemplares comprados legalmente por Anthropic, que adquirió libros impresos, retiró sus encuadernaciones y los escaneó.

Por otra, el juez rechazó que el propósito de entrenar una IA justificase descargar copias pirata y conservarlas en una biblioteca corporativa. La cuestión pendiente para el juicio no era únicamente qué hizo Claude con los textos, sino cómo obtuvo Anthropic las copias.

Esa distinción explica el acuerdo. No crea una obligación general de pagar una licencia por cada obra usada para entrenar IA. Sí coloca un precio muy elevado a la decisión de obtener los datos desde fuentes ilícitas cuando existían vías legales para comprarlos o licenciarlos.

Un juicio podía amenazar la viabilidad de la empresa

El caso tenía previsto llegar a juicio en diciembre. La ley estadounidense permite indemnizaciones de hasta 150.000 dólares por obra cuando la infracción se considera deliberada. Aplicada a millones de archivos, esa escala abría la puerta a una responsabilidad potencial de cientos de miles de millones de dólares e incluso, en el escenario más extremo, cercana al billón estadounidense. Documento que sostiene la cifra.

Anthropic reconoció ante el tribunal la enorme presión que esa exposición ejercía para alcanzar un acuerdo. La empresa evita así un riesgo difícil de asumir incluso para una de las compañías de IA mejor financiadas.

Además del fondo económico, Anthropic deberá destruir los archivos descargados de las bibliotecas pirata y las copias cubiertas por el pacto que estén bajo su control. El acuerdo se concentra, por tanto, en la procedencia de los libros y no en prohibir Claude ni en deshacer el entrenamiento de sus modelos.

Una referencia económica, no un precedente judicial

Un acuerdo privado no tiene la misma fuerza que una sentencia tras un juicio. Otros tribunales no están obligados a aplicar la cifra de 3.000 dólares por obra ni a resolver del mismo modo casos diferentes. Documento que sostiene la cifra.

Aun así, el importe puede convertirse en una referencia para futuras negociaciones. Meta afronta una demanda por el uso de libros de LibGen, mientras OpenAI y Microsoft están implicadas en varios litigios de propiedad intelectual. También siguen abiertos casos centrados en una cuestión distinta: modelos capaces de generar textos o imágenes demasiado similares a obras y personajes protegidos.

El pacto puede acelerar la creación de mercados de datos para entrenamiento. Grandes editoriales y medios ya han firmado licencias con empresas de IA, pero esos acuerdos suelen ser confidenciales y no ofrecen un precio público comparable. Los 3.000 dólares por libro de este caso no constituyen una tarifa de mercado: incluyen el coste de cerrar una acusación de piratería y eliminar el riesgo de daños legales mucho mayores. Documento que sostiene la cifra.

Esa diferencia importa especialmente para las empresas pequeñas. Comprar, escanear o licenciar colecciones completas exige recursos que los grandes laboratorios pueden asumir con más facilidad. Si la industria adopta controles más estrictos sobre el origen de los datos, el cumplimiento legal podría convertirse en otra barrera de entrada.

Falta la aprobación del juez

El acuerdo necesita ahora la aprobación preliminar del tribunal y, posteriormente, su ratificación definitiva. También deberá cerrarse la lista de obras incluidas y organizarse el reparto entre los titulares de derechos.

Si recibe el visto bueno, el caso Bartz contra Anthropic dejará una regla práctica para el sector: que el entrenamiento pueda considerarse uso legítimo no convierte en legítima cualquier vía para reunir los libros. Para los desarrolladores de IA, documentar de dónde procede cada conjunto de datos empieza a ser tan importante como demostrar para qué se utiliza.

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 propuesta seguía pendiente de aprobación y no concedía por sí sola un pago ni un derecho definitivo. 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 distinguir una propuesta, una aprobación preliminar y una sentencia antes de actuar, 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.

La capacidad transferible de esta pieza es cómo distinguir una propuesta, una aprobación preliminar y una sentencia antes de actuar. El procedimiento es breve: nombrar el documento, conservar la fecha, fijar el eje, buscar la condición y diseñar una comprobación que pueda fallar. Con esos pasos, el lector no necesita aceptar ni rechazar el anuncio por intuición; puede decidir con una cadena visible de evidencia.

Este artículo se ha elaborado con inteligencia artificial bajo supervisión editorial humana.

Compartir este artículo

Este sitio web utiliza cookies para mejorar la experiencia de navegación. Política de cookies.

↑↓ navegar ↵ abrir esc cerrar