Meta gana el caso Kadrey, pero el juez abre otra vía contra la IA

El 25 de junio de 2025, el juez Vince Chhabria concedió a Meta sentencia sumaria sobre la teoría presentada por esos demandantes. La fuente original sostiene el núcleo documental del hecho; la resolución limita expresamente su alcance y no declara lícito todo entrenamiento con obras protegidas.

La decisión, dictada este 25 de junio, no convierte el entrenamiento de modelos de lenguaje con obras protegidas en una práctica automáticamente legal. Al contrario: el juez ha dejado una advertencia muy clara a las empresas de IA. Los autores perdieron, en buena parte, porque no aportaron pruebas suficientes sobre cómo los modelos pueden deteriorar el mercado de los libros.

El entrenamiento de Llama fue considerado transformador

La demanda, Kadrey v. Meta, fue presentada por 13 autores, entre ellos el novelista Richard Kadrey. Acusaban a Meta de copiar sus libros sin permiso para entrenar Llama, su familia de modelos de lenguaje de código abierto. Los textos procedían de las llamadas bibliotecas sombra: repositorios en internet que distribuyen gratuitamente obras protegidas sin autorización de sus titulares. Documento que sostiene la cifra.

Meta no negó que hubiera usado libros protegidos. La cuestión era si ese uso encajaba en los cuatro factores que la legislación estadounidense emplea para determinar el fair use: propósito del uso, naturaleza de la obra, cantidad copiada y efecto sobre su mercado.

Chhabria ha dado la razón a Meta en tres de esos cuatro puntos. Considera que entrenar un modelo tiene un propósito «altamente transformador»: los libros fueron creados para ser leídos, mientras que la compañía los empleó para desarrollar un sistema capaz de procesar y generar lenguaje.

El juez sí reconoce que novelas, memorias y obras de teatro son creaciones muy expresivas, una circunstancia que favorece a los autores. Pero estima razonable que Meta copiase las obras completas para el objetivo de entrenamiento. También rechaza que los demandantes hayan demostrado que Llama reproduce sus libros de manera que sustituya a los originales.

El mercado que importa no es solo el de las licencias

El núcleo más importante de la sentencia está en el cuarto factor: el daño al mercado. Los escritores argumentaron, entre otras cosas, que Meta les había privado de un mercado potencial de licencias para entrenar IA. El tribunal no aceptó esa tesis. Que exista un mercado hipotético para licenciar datos no basta por sí mismo para impedir el uso legítimo.

Pero Chhabria identifica una vía distinta y potencialmente más fuerte: la dilución del mercado. Un modelo entrenado con millones de libros puede facilitar la producción rápida de innumerables obras que compitan con las originales por lectores, atención o ingresos, aunque esas nuevas obras no infrinjan literalmente el copyright de ningún texto concreto.

El juez advirtió que, por transformador que sea el entrenamiento de modelos de lenguaje, difícilmente podría considerarse uso legítimo emplear libros protegidos para desarrollar una herramienta que genere miles de millones o billones de dólares y permita un flujo potencialmente interminable de obras competidoras capaz de perjudicar significativamente el mercado de esos libros.

No obstante, esa idea no salvó la demanda. Los autores presentaron una teoría de dilución demasiado débil y sin evidencia concreta suficiente para llevar el asunto a juicio. Por eso, la resolución es limitada. El juez describió la resolución como limitada: no declara legal en general el uso de obras protegidas para entrenar modelos, sino que concluye que estos demandantes formularon argumentos equivocados y no desarrollaron pruebas para la teoría adecuada.

Una victoria distinta de la obtenida por Anthropic

La resolución llega dos días después de la decisión del juez William Alsup en el caso contra Anthropic. Alsup también consideró transformador el entrenamiento de modelos de lenguaje, pero separó jurídicamente varias actuaciones: el entrenamiento, la digitalización de libros impresos y la creación de una biblioteca central con copias pirateadas.

Chhabria ha adoptado un enfoque diferente. Ha analizado las descargas de Meta bajo su finalidad última, el entrenamiento de Llama, sin tratarlas como usos independientes. Esa divergencia importa porque las compañías de IA no solo se enfrentan a la pregunta de qué hace el modelo con una obra, sino también a cómo obtuvo la copia y qué infraestructura construyó con ella.

Para editoriales, escritores y empresas de IA, el caso Kadrey desplaza el próximo frente de batalla. La discusión ya no se limita a si un modelo memoriza o regurgita pasajes protegidos. Los futuros litigios probablemente intentarán medir si los sistemas generativos crean una oferta sustitutiva suficientemente amplia como para reducir el valor comercial de las obras humanas.

Esa prueba será difícil: exigirá datos sobre ventas, comportamiento de usuarios y competencia real, no solo la posibilidad abstracta de que una IA escriba un libro parecido. Pero la sentencia deja claro que, si esos datos llegan a un tribunal, el carácter transformador del entrenamiento podría no ser suficiente para proteger a una empresa de IA.

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 resolución limita expresamente su alcance y no declara lícito todo entrenamiento con obras protegidas. 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 parte, pretensión, prueba aportada y alcance antes de convertir un fallo en regla general, 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 leer parte, pretensión, prueba aportada y alcance antes de convertir un fallo en regla general. 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.