Autores contra OpenAI: cómo leer una demanda sin convertir alegaciones en hechos

El 19 de septiembre de 2023, la Authors Guild y 17 escritores presentaron una demanda colectiva propuesta contra varias entidades de OpenAI en el tribunal federal del Distrito Sur de Nueva York. El escrito inicial, caso 1:23-cv-08292, alegaba que sus libros habían sido copiados sin permiso para entrenar modelos de lenguaje. En esa fecha, un juez no había decidido si esas afirmaciones eran ciertas ni si el uso infringía copyright.

Esa última frase es la pieza que evita deformar un litigio. Una demanda cuenta la teoría de una parte y solicita remedios; no es una sentencia ni una investigación neutral. Para informar con rigor hay que separar lo alegado, el soporte aportado, lo que la parte contraria contesta, la cuestión jurídica y la decisión del tribunal.

Quién demandó y qué pidió

El documento nombraba como demandantes a la Authors Guild y a David Baldacci, Mary Bly, Michael Connelly, Sylvia Day, Jonathan Franzen, John Grisham, Elin Hilderbrand, Christina Baker Kline, Maya Shanbhag Lang, Victor LaValle, George R. R. Martin, Jodi Picoult, Douglas Preston, Roxana Robinson, George Saunders, Scott Turow y Rachel Vail. Eran 17 autores, no «otros 17» además de Martin y Grisham.

La demanda se presentó en nombre de una clase propuesta de escritores de ficción profesionales. «Colectiva» no significaba que esa clase ya hubiera sido certificada. El tribunal tendría que decidir más adelante si cumplía los requisitos procesales. Mientras tanto, los autores identificados y la asociación eran quienes sostenían el caso.

Los demandantes formularon reclamaciones de infracción directa de copyright y pidieron daños, restitución de beneficios, medidas cautelares, costes y otras reparaciones. El lector debe buscar las páginas finales de cualquier demanda: allí se distingue el relato amplio de la conducta jurídica que se pide al tribunal declarar y reparar.

Las afirmaciones centrales

El escrito alegaba que OpenAI había copiado obras registradas completas y las había incorporado a conjuntos usados para entrenar sus modelos. También sostenía que colecciones de libros procedentes de repositorios piratas habían sido una fuente probable. «Alegaba» y «sostenía» deben acompañar esas frases hasta que exista prueba admitida o una conclusión judicial.

La inferencia sobre los datos no procedía de una lista publicada por OpenAI. De hecho, el informe técnico de GPT-4 decía que no ofrecía más detalles sobre arquitectura, hardware, cómputo de entrenamiento, construcción del conjunto ni método de entrenamiento. Esa falta de transparencia hacía difícil comprobar obra por obra qué entró en el modelo; no demostraba por sí sola que un título concreto hubiera sido copiado.

La demanda usaba respuestas y resúmenes producidos por ChatGPT como indicios de familiaridad con las obras y describía ejemplos de textos que empleaban personajes o mundos de los autores. Un resumen detallado puede orientar una investigación, pero no revela directamente la ruta del dato. Podría proceder del libro, de reseñas, de bases autorizadas u otras fuentes. Para atribuir el origen hacen falta registros, versiones de los conjuntos, fechas y evidencia técnica obtenida durante el proceso.

Entrenamiento y salida son actos distintos

El litigio mezclaba dos lugares donde puede ocurrir una copia. En la preparación de datos, una obra puede descargarse, almacenarse y transformarse en ejemplos para entrenamiento. En el uso, el sistema puede producir una salida que reproduzca expresión protegida o sea sustancialmente similar. Cada acto tiene participantes, evidencia y análisis jurídico propios.

Un modelo capaz de responder sobre una novela no contiene necesariamente una biblioteca legible de ejemplares, pero tampoco esa descripción técnica resuelve si se hicieron copias durante el entrenamiento. Preguntar solo si el modelo «memoriza» confunde la conducta previa con el estado final. La investigación debe seguir el ciclo completo: adquisición, almacenamiento, filtrado, entrenamiento, retención y generación.

La identidad artística añade otra distinción. Un estilo general no recibe automáticamente la misma protección que una frase, personaje o secuencia expresiva concreta. Un libro fraudulento vendido con el nombre de otra persona puede plantear además problemas de marca, atribución o competencia. No toda preocupación legítima cae bajo la misma causa de acción.

Qué significa fair use

La Oficina de Copyright de Estados Unidos explica que el fair use se evalúa caso por caso mediante cuatro factores: propósito y carácter del uso, naturaleza de la obra, cantidad y sustancialidad empleadas, y efecto sobre el mercado potencial. No existe una regla automática según la cual «investigación» o «transformación» vuelva lícita cualquier copia.

Tampoco basta que una obra pudiera encontrarse en internet. Accesible no significa sin copyright ni autorizada para cualquier uso. En el otro sentido, que una copia sea completa no decide por sí solo el resultado: los tribunales ponderan los cuatro factores y precedentes aplicables. Presentar cualquiera de las dos fórmulas como respuesta cerrada sustituiría al tribunal.

Al 19 de septiembre, OpenAI aún no había presentado en ese expediente una respuesta que fijara sus defensas. Atribuirle ya una tesis específica sobre esos libros habría sido prematuro. Una cobertura equilibrada no inventa la réplica; dice que falta y la incorpora cuando aparece en el registro.

La matriz de evidencia

Para cada obra, una tabla útil tendría seis columnas: registro de copyright, copia concreta, procedencia, momento de adquisición, uso en una versión del modelo y salida cuestionada. La primera puede documentarse con un certificado. Las columnas centrales suelen requerir descubrimiento judicial: inventarios, registros, comunicaciones y testimonio. La última exige conservar instrucción, fecha, modelo y respuesta completa.

Después se marca el tipo de soporte: documento público, declaración de una parte, inferencia experta o hecho admitido. Una coincidencia de personajes puede apoyar una pregunta sin resolver de qué fuente salió. Una línea idéntica puede ser más informativa, pero necesita contexto y una comparación que descarte material no protegible.

La reproducibilidad importa. Una respuesta obtenida una vez puede cambiar con modelo, filtros o aleatoriedad. Quien la usa como evidencia debería guardar captura, exportación, parámetros disponibles y varios intentos, sin pedir ni publicar extensos pasajes protegidos. La meta es demostrar el comportamiento relevante con el mínimo material necesario.

Qué puede decidir un tribunal

Antes de llegar al fondo, el caso podía afrontar cuestiones de legitimación, suficiencia de las alegaciones, definición de la clase y alcance del descubrimiento. Superar una moción inicial tampoco equivaldría a ganar: significaría que una reclamación podía continuar bajo el estándar procesal aplicable. Un acuerdo entre partes tampoco produciría necesariamente una regla para todo el sector.

Una decisión sobre responsabilidad tendría que identificar actos concretos y aplicar la ley a ese registro. Los remedios podrían diferir: daños respecto de obras, límites sobre determinadas prácticas, información o medidas técnicas. «Prohibir la IA» no era una descripción del petitorio.

El efecto industrial dependería del alcance. Una regla sobre un conjunto pirata no sería idéntica a otra sobre datos licenciados. Una conclusión sobre salidas sustancialmente similares no resolvería automáticamente el entrenamiento. Las palabras exactas de la decisión importarían más que quién apareciera como ganador en un titular.

Cómo seguir el caso sin perderse

Empieza por número de expediente, tribunal, fecha y documento. Después registra para cada reclamación su estado: alegada, contestada, desestimada, en descubrimiento o decidida. Enlaza siempre la orden, no el resumen de una parte. Si el escrito se modifica, conserva ambas versiones y no atribuyas la nueva alegación a la fecha anterior.

La Authors Guild explicó su posición al día siguiente y publicó la lista de autores. Es una fuente primaria sobre lo que la parte pretende y por qué actúa; no es una fuente independiente sobre si OpenAI infringió. Identificar esa función permite usarla sin adoptar su conclusión.

La capacidad transferible es leer un litigio como un mapa de estados: alegación, evidencia, defensa, regla, decisión y remedio. En septiembre de 2023 existían una demanda seria y preguntas técnicas difíciles; no existía un veredicto. Conservar esa frontera protege al lector y también hace visible cuándo el tribunal la cruza.