Entrenar una inteligencia artificial con libros protegidos puede ser legal en EE.UU., pero a Anthropic le ha costado 1.500 millones
La justicia estadounidense ha trazado una primera frontera sobre el uso de libros protegidos por derechos de autor para entrenar modelos de inteligencia artificial. En el caso Bartz contra Anthropic, resuelto en 2025 por el Tribunal de Distrito del Norte de California, el juez William Alsup concluyó que entrenar un modelo de lenguaje con obras adquiridas legalmente puede considerarse uso legítimo o fair use.
La decisión supone una victoria parcial para Anthropic, la compañía responsable de Claude. Sin embargo, la empresa terminó aceptando un acuerdo de 1.500 millones de dólares por haber obtenido millones de libros mediante copias no autorizadas y haberlos almacenado en una biblioteca centralizada. La diferencia entre ambos aspectos puede marcar el futuro legal de toda la industria de la IA.
El entrenamiento no equivale a publicar los libros
Un modelo de lenguaje grande, conocido como LLM, analiza enormes cantidades de texto para aprender patrones estadísticos del lenguaje. No funciona como una biblioteca digital que entrega al usuario una copia íntegra de cada obra, sino como un sistema que genera respuestas nuevas a partir de lo aprendido.
En su razonamiento, el juez Alsup consideró que el entrenamiento tenía un propósito «espectacularmente transformador». Anthropic no habría utilizado los libros para sustituirlos o redistribuirlos, sino para desarrollar una tecnología capaz de producir textos diferentes. Esa transformación fue determinante para considerar legítimo el entrenamiento con obras compradas de forma legal.
El tribunal, no obstante, separó el entrenamiento del modo en que se obtuvieron algunos de los materiales. Anthropic descargó millones de libros de las denominadas shadow libraries, repositorios que distribuyen contenidos protegidos sin autorización. Aunque los libros se empleasen después para entrenar un modelo de la misma manera que otros adquiridos legalmente, su obtención constituía una infracción independiente.
La procedencia de los datos se convierte en una cuestión empresarial
La principal lección del caso es clara: la legalidad del entrenamiento depende también de la procedencia de los datos. Una empresa puede defender que el aprendizaje automático sobre libros protegidos es transformador, pero tendrá una posición mucho más débil si no puede demostrar que obtuvo esos libros mediante una compra, una licencia u otra vía autorizada.
El acuerdo de Anthropic no sanciona necesariamente el hecho de que Claude haya aprendido de libros con copyright. La compensación está vinculada a las copias pirateadas y al daño causado a los titulares cuando sus obras fueron reproducidas sin pagar por ellas. Para los autores, esta distinción ofrece una victoria jurídica, aunque también limita sus expectativas de convertir automáticamente cada libro usado en el entrenamiento en una fuente de ingresos por licencias.
El coste puede ser asumible para una compañía con grandes ingresos, pero sería potencialmente devastador para una empresa emergente. Por eso, los registros de compras, licencias, fechas de adquisición y permisos de uso se han convertido en documentos esenciales para cualquier desarrollador de modelos de IA.
Más litigios contra los grandes modelos de IA
La resolución afecta a otros procedimientos abiertos en Estados Unidos. Meta se enfrenta a demandas de grandes editoriales por el supuesto uso de más de 267 terabytes de material protegido descargado de sitios piratas para entrenar sus modelos Llama. Si se confirma esa procedencia, el precedente de Anthropic puede reforzar la posición de los demandantes.
Google también afronta una demanda relacionada con el uso de libros y publicaciones académicas para entrenar Gemini más allá de la finalidad con la que habría obtenido determinados contenidos a través de Google Books y Google Play Books. Por su parte, The New York Times mantiene su litigio contra OpenAI y Microsoft, con nuevas acusaciones incorporadas en junio de 2026.
Otro caso relevante es el de Thomson Reuters contra Ross Intelligence, resuelto definitivamente en febrero de 2025. En ese procedimiento, el tribunal concluyó que Ross había utilizado resúmenes jurídicos de Westlaw para crear un producto competidor. La competencia directa con el servicio original fue un elemento decisivo para rechazar la defensa basada en el uso legítimo.
La comparación con Anthropic resulta importante. Claude no compite directamente con los libros utilizados durante su entrenamiento, mientras que el producto de Ross sí pretendía rivalizar con Westlaw. Así, el mismo acto general —entrenar una IA con contenido ajeno— puede recibir un tratamiento diferente según el propósito del sistema y su relación con el mercado original.
Una sentencia estadounidense con alcance limitado
El caso Bartz establece una referencia relevante en Estados Unidos, pero no crea una regla aplicable automáticamente en Europa o en otros mercados. La Unión Europea cuenta con excepciones de extracción de texto y datos destinadas a la investigación, mientras que las empresas comerciales deben atender a las condiciones fijadas por los titulares y a sus posibles reservas de derechos.
Además, el Reglamento de Inteligencia Artificial de la UE introduce obligaciones de transparencia para los proveedores de modelos de propósito general. Entre ellas figura la publicación de un resumen suficientemente detallado de los datos utilizados durante el entrenamiento.
Japón mantiene una de las posiciones más permisivas para la extracción de datos, lo que ha favorecido la actividad de investigadores y empresas. El Reino Unido, mientras tanto, continúa debatiendo cómo equilibrar la innovación en inteligencia artificial con la remuneración y el control de los creadores.
Para la industria, el mensaje de la justicia estadounidense es doble: entrenar una IA con libros protegidos no es automáticamente ilegal, pero utilizar copias pirateadas puede generar una factura multimillonaria. La auditoría de los datos, hasta ahora un asunto técnico, se ha convertido en una prioridad legal, financiera y reputacional.
