Un acuerdo de 1500 millones de dólares. Millones de libros pirateados. Y una distinción legal tan sutil que un juez federal la usó para eximir a una empresa de IA por entrenar sus modelos — mientras aún la consideraba responsable de cómo obtuvo los datos de entrenamiento en primer lugar.
Si usas un asistente de escritura de IA, un copiloto de codificación o una herramienta de investigación impulsada por IA en tu negocio, dos casos judiciales decididos el año pasado reescribieron silenciosamente las reglas para las herramientas en las que confías a diario. Ninguno de los casos te involucró. Pero juntos responden una pregunta que todo dueño de una pequeña empresa que usa IA debería hacerse: cuando uso una herramienta de IA construida sobre contenido protegido por derechos de autor de otra persona, ¿estoy expuesto?
La pregunta de los 1500 millones de dólares: Bartz contra Anthropic
El caso comenzó con tres autores — los escritores de no ficción Charles Graeber y Kirk Wallace Johnson, y la novelista de suspenso Andrea Bartz — quienes descubrieron que Anthropic había usado sus libros, sin permiso ni pago, para entrenar sus modelos de IA Claude.
Lo que decidió el juez William Alsup dividió el caso en dos preguntas muy diferentes, con dos respuestas muy diferentes.
Pregunta uno: ¿Es el entrenamiento de un modelo de IA en libros protegidos por derechos de autor un uso legítimo? Sí — pero solo para libros que Anthropic poseía o había licenciado legítimamente. El tribunal describió el proceso de entrenamiento como "transformador — espectacularmente", comparándolo con cómo una persona lee ampliamente para aprender a escribir. Dado que los datos de entrenamiento permanecen ocultos dentro del modelo y no sustituyen la compra del libro original, el juez consideró que el uso no perjudicaba el mercado de la obra de los autores.
Pregunta dos: ¿Importa cómo la empresa consiguió los libros? Absolutamente. Anthropic no solo usó libros que compró — había descargado más de 7 millones de obras protegidas por derechos de autor de "bibliotecas fantasma" como Library Genesis (LibGen) y Pirate Library Mirror, sitios que alojan copias pirateadas de libros protegidos de forma gratuita. El tribunal se mostró escéptico de que cualquier cantidad de uso legítimo posterior pudiera borrar el hecho de que los libros se obtuvieron ilegalmente en primer lugar. El entrenamiento puede ser legal. La piratería es piratería independientemente de lo que hagas con el archivo pirateado después.
Esa distinción se convirtió en el acuerdo de derechos de autor más grande en la historia de EE. UU.: 1500 millones de dólares, lo que resulta en aproximadamente 3000 dólares por obra pirateada antes de honorarios legales, con alrededor de 120,000 autores y titulares de derechos presentando reclamaciones. Como parte del acuerdo, Anthropic también aceptó destruir los conjuntos de datos pirateados y certificar que no están incrustados en ningún modelo implementado comercialmente. La audiencia de aprobación final está programada para mayo de 2026, con pagos comenzando poco después.
El caso que va en sentido contrario: Thomson Reuters contra Ross Intelligence
Si Bartz muestra dónde se dobla la línea del uso legítimo a favor de una empresa de IA, Thomson Reuters contra Ross Intelligence muestra dónde se rompe.
Ross Intelligence construyó una herramienta de investigación legal impulsada por IA para competir directamente con Westlaw de Thomson Reuters. Para entrenarla, Ross usó "Bulk Memos" (memorandos masivos) construidos a partir de los headnotes (notas de cabecera) de Westlaw — los resúmenes editoriales que destilan lo que un tribunal realmente decidió en un caso — y su Key Number System (sistema de números clave), un esquema de clasificación legal que Thomson Reuters pasó décadas desarrollando.
El tribunal determinó que los headnotes y el sistema de clasificación eran trabajos originales protegibles por derechos de autor, y que los memorandos de entrenamiento de Ross coincidían tan estrechamente con el material fuente que "ningún jurado razonable podría concluir lo contrario" de que se produjo copia. De manera crucial, el tribunal también rechazó la defensa de uso legítimo de Ross, por una razón que importa mucho si estás evaluando herramientas de IA para tu propio negocio: la herramienta de Ross no era IA generativa creando texto nuevo, sino un motor de búsqueda compitiendo directamente con el producto en el que se entrenó. Esa competencia directa en el mercado, combinada con el uso del trabajo analítico propietario de un competidor en lugar de contenido creativo publicado, inclinó el análisis de uso legítimo en contra de Ross. El caso ahora está en apelación ante el Tercer Circuito, con argumentos orales celebrados en junio de 2026; el fallo establecerá el primer precedente vinculante de apelación sobre uso legítimo en entrenamiento de IA.
Interpretando los dos casos juntos
Puestos uno al lado del otro, los casos esbozan un marco emergente (aunque aún no resuelto):
- Entrenar con contenido creativo publicado adquirido legalmente — el tipo de cosa que puedes comprar en una librería — tiene una posibilidad real de ser uso legítimo, incluso sin el permiso del autor.
- Entrenar con copias pirateadas de ese mismo contenido es un problema legal separado, independientemente de cómo se caracterice el entrenamiento en sí.
- Entrenar con el trabajo analítico propietario de un competidor — bases de datos internas, sistemas de clasificación u otros activos no públicos — enfrenta probabilidades mucho más difíciles de uso legítimo, especialmente cuando el producto resultante compite directamente con la fuente.
Nada de esto es ley completamente establecida aún. Pero es la señal más clara hasta ahora de cómo los tribunales están pensando sobre las herramientas de IA que estás incorporando cada vez más en tu flujo de trabajo.
Lo que esto realmente significa si usas herramientas de IA
Es muy poco probable que te demanden por usar ChatGPT, Claude, GitHub Copilot o una herramienta de investigación legal con IA. Las demandas apuntan a las empresas que construyeron los modelos, no a las empresas que los usan. Pero "poco probable que te demanden" no es lo mismo que "sin exposición", y algunas conclusiones prácticas valen la pena incorporarlas en cómo evalúas y contratas herramientas de IA:
-
Revisa qué promete realmente el contrato de tu proveedor. Muchos acuerdos de proveedores de IA aún están redactados con un lenguaje tradicional de licencias de software que no cubre claramente el riesgo específico de la IA. Busca un lenguaje de indemnización que cubra explícitamente reclamaciones que surjan de los datos de entrenamiento y de las salidas del modelo — no solo del software en sí. Un proveedor que te indemnice por un error en su código pero guarde silencio sobre la procedencia de los datos de entrenamiento en realidad no te ha protegido del riesgo que destacan estas demandas.
-
Pregunta de dónde vinieron los datos de entrenamiento. No necesitas una auditoría forense, pero un proveedor que pueda señalar acuerdos de licencia, asociaciones con editoriales o prácticas documentadas de adquisición de datos está en una posición de riesgo fundamentalmente diferente a uno que no puede responder la pregunta. Después de Bartz, "no revelamos nuestras fuentes de datos de entrenamiento" es una respuesta menos tranquilizadora de lo que solía ser.
-
Entiende qué sucede con tus propios datos. Aparte de la cuestión de derechos de autor, la mayoría de los proveedores de IA por defecto usan tus entradas para seguir entrenando sus modelos a menos que tu contrato diga lo contrario. Si estás introduciendo en una herramienta de IA registros financieros de clientes, borradores de contratos o datos comerciales propietarios, quieres una cláusula de "sin entrenamiento, sin retención" por escrito — no solo un interruptor de configuración que tengas que recordar activar.
-
Sigue la apelación de Ross Intelligence. Si el fallo del Tercer Circuito (esperado en algún momento después de los argumentos de junio de 2026) reduce el uso legítimo para herramientas de IA que compiten directamente con los datos en los que se entrenaron, podría remodelar los precios, las licencias y la disponibilidad en toda una categoría de herramientas de investigación y análisis impulsadas por IA — el tipo que cada vez más toca el software de contabilidad, investigación fiscal y análisis financiero.
Una lista de verificación práctica antes de firmar (o renovar) un contrato de herramienta de IA
No necesitas un título en derecho para hacer una debida diligencia básica sobre las herramientas de IA que ya funcionan en tu negocio. Antes de tu próxima renovación, repasa esto:
-
Lee la cláusula de indemnización, no solo su título. ¿Cubre reclamaciones de que las salidas infringen los derechos de autor de alguien, o solo reclamaciones sobre el mal funcionamiento del software? Esas son promesas legalmente diferentes, y los proveedores que no han actualizado sus plantillas desde antes del auge de la IA generativa a menudo solo cubren lo segundo.
-
Pregunta directamente: "¿De dónde provienen sus datos de entrenamiento?" Un proveedor con una respuesta clara y documentada — contenido bajo licencia, datos propios, material de dominio público — es un proveedor de menor riesgo que uno que evade la pregunta. No estás pidiendo auditar todo su conjunto de datos; estás preguntando si han pensado en ello siquiera.
-
Encuentra la configuración predeterminada de retención de datos. Busca en el contrato (o en la configuración de administración del producto) palabras como "entrenamiento", "mejorar nuestros servicios" o "retener". Si no ves una opción de exclusión, asume que tus entradas se están utilizando para entrenar la próxima versión del modelo del proveedor, incluyendo cualquier cosa sensible que hayas pegado.
-
Verifica si la herramienta compite con un conjunto de datos propietario específico. Este es el patrón de Ross Intelligence: una herramienta que se entrenó con el trabajo analítico interno de un competidor y ahora compite directamente con ese competidor se encuentra en un terreno legal mucho más inestable que un asistente de escritura o codificación de uso general.
-
Mantén un registro simple. Anota qué herramientas de IA usas, para qué, y si tocan datos de clientes o financieros. Si la exposición legal de un proveedor alguna vez se convierte en tu problema — debido a una interrupción del servicio, la eliminación de una función o una disputa de licencias — querrás conocer tu propia huella sin tener que reconstruirla de memoria.
Nada de esto toma más de una hora, y la mayor parte solo necesita hacerse una vez por proveedor, no cada vez que inicies sesión.
Por qué esto pertenece a tu conversación sobre contabilidad
Es tentador archivar los litigios de derechos de autor de IA bajo la categoría de "noticias interesantes, no es mi problema". Pero si tu negocio usa una herramienta impulsada por IA en algún lugar de su flujo de trabajo financiero — categorizando transacciones, redactando comunicaciones con clientes, resumiendo orientación fiscal — eres un usuario final del tipo exacto de tecnología sobre la que tratan estos casos. El riesgo del proveedor en tu pila tecnológica es un riesgo comercial real, y revisar lo que realmente dicen los contratos de tus herramientas de IA no cuesta nada y toma una tarde.
También es un buen recordatorio de un principio más amplio: cuanto más transparentes y auditables sean tus propios sistemas, menos expuesto estarás cuando el terreno se mueva bajo un proveedor del que dependes. Eso es cierto para las herramientas de IA, y es igualmente cierto para tus registros financieros.
Mantén tus propios registros transparentes y auditables
Sean cuales sean las cuestiones legales que se resuelvan sobre las herramientas de IA que usas, tus propios registros financieros no deberían ser una caja negra. Beancount.io ofrece contabilidad en texto plano que es completamente transparente, controlada por versiones y fácil de auditar — sin formato propietario que bloquee tus datos, sin proveedor en quien confiar ciegamente. Comienza gratis y descubre por qué los desarrolladores y profesionales financieros están migrando a la contabilidad en texto plano.