Uso justo y competencia en mercados disruptados por la IA

Un proyecto de ley bipartidista, la Ley de Redes de Inteligencia Artificial de Transparencia y Responsabilidad (TRAIN), presentado en enero de 2026, otorgaría a los creadores de contenido el poder de citar a los desarrolladores de IA para que revelen información. Si se aprueba, más titulares de derechos de autor tendrán un mecanismo legal para descubrir si su obra se utilizó para el entrenamiento de IA.

A primera vista, esto puede parecer un poder que permitiría a más titulares de derechos de autor reclamar pagos a los desarrolladores de IA. En realidad, sin embargo, saber que su obra se utilizó sin permiso previo está lejos de ser suficiente.

Al decidir casos de uso justo, los tribunales consideran cuatro factores clave: el propósito del uso, la naturaleza de la obra original, cuánto se tomó y el efecto que dicho uso ha tenido en el valor de mercado del material. Recientes sentencias en tribunales de EE. UU. han reafirmado que el uso justo sigue siendo un pilar de la innovación y no se puede descartar fácilmente. El enfoque está especialmente en el factor de daño al mercado y en demostrarlo.

Daño al mercado como el principal campo de batalla

Las decisiones de derechos de autor de IA del Distrito Norte de California muestran a los tribunales adoptando diferentes enfoques para el análisis de uso justo. En Kadrey v. Meta, el juez Chhabria calificó el daño al mercado como “el elemento más importante del uso justo”. El juez Alsup en Bartz v. Anthropic, por otro lado, consideró los cuatro factores de manera más equilibrada. Pero ambos jueces estuvieron de acuerdo en esto: los demandantes no pueden simplemente alegar daño – deben demostrar que ocurrió o es probable.

El requisito de evidencia es importante para los desarrolladores de IA, especialmente las startups con problemas de liquidez. Si el daño debe demostrarse en lugar de presumirse, los desarrolladores pueden tomar decisiones de diseño para evitarlo. Las decisiones sugieren que los desarrolladores pueden reducir su riesgo adquiriendo datos de fuentes legales, diseñando productos que sirvan a propósitos distintos de la obra con derechos de autor y implementando salvaguardas para prevenir la reproducción de grandes fragmentos de texto.

Los tribunales Bartz y Kadrey encontraron que el entrenamiento de IA califica como “uso transformador” según la ley de derechos de autor. Con eso, el enfoque está cada vez más en el cuarto factor de uso justo: el daño al mercado. Las recientes batallas de derechos de autor de IA ilustran esto. Las reclamaciones cada vez más se centran en la idea de que las reproducciones literales de obras con derechos de autor dañan el valor de mercado de los editores.

Estos casos siguen sin resolverse. Lo que importa es que los editores cada vez más entienden que, si quieren ganar, deben alegar dos cosas: que las salidas de IA reemplazan efectivamente la necesidad de acceder a obras originales y que, como resultado, los titulares de derechos de autor sufren un daño económico concreto.

Requisitos de evidencia

Tanto Bartz como Kadrey enfatizan que el daño al mercado debe demostrarse, no suponerse. En Kadrey, se realizó una prueba exhaustiva que mostró que Llama de Meta reprodujo no más de 50 tokens de las obras de los demandantes, y solo el 60% de las veces bajo instrucciones de prueba diseñadas para que el modelo reprodujera la obra original.

El juez Alsup en Bartz se centró en si Claude de Anthropic realmente entregó texto infractor a los usuarios – los demandantes no sostuvieron que esto había ocurrido. Sin reproducción, se vuelve más difícil alegar sustitución de la obra original.

Este enfoque de evidencia muestra que, incluso cuando los titulares de derechos de autor demuestran que sus obras se utilizaron para el entrenamiento, no necesariamente tienen un caso sólido para la infracción. Si el sistema de IA resultante no produce salidas que causen daño identificable al mercado, el simple uso es de poca importancia según la ley.

Cuándo se reconoce el daño al mercado

En Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc., el Tribunal de Distrito de Delaware rechazó la defensa de uso justo de Ross Intelligence después de que Ross utilizó los resúmenes de Westlaw de Thomson Reuters para entrenar una herramienta de investigación legal de IA que competía directamente con Westlaw. Tanto el factor 1 (propósito y carácter) como el factor 4 (efecto en el mercado) del análisis de uso justo fueron cruciales para la sentencia.

El juez del circuito Stephanos Bibas encontró que el uso de Ross no fue transformador porque creó un sustituto de mercado directo. Ross inicialmente buscó licenciar el contenido de Westlaw, pero Thomson Reuters se negó específicamente porque Ross era su competidor. La alineación entre el propósito de los materiales originales y el propósito del producto de IA también respalda la reclamación de daño potencial.

Por el contrario, cuando los productos de IA apuntan a mercados diferentes de los utilizados para el entrenamiento, establecer la sustitución del mercado se vuelve difícil. En Bartz y Kadrey, los modelos de lenguaje de propósito general servían funciones fundamentalmente diferentes de los libros individuales utilizados para el entrenamiento. Esta distinción puede ser crucial – cuanto más alejado esté el propósito de un sistema de IA de sus fuentes de datos de entrenamiento, más difícil es demostrar la sustitución del mercado.

El argumento del “mercado de licencias” rechazado

Ambos tribunales rechazaron explícitamente los argumentos de que los desarrolladores de IA dañan los mercados potenciales de licencias para los datos de entrenamiento. El juez Chhabria explicó que tratar las tarifas de licencia perdidas como daño haría que el análisis de uso justo fuera circular, favoreciendo automáticamente a los titulares de derechos de autor. El juez Alsup, por su parte, encontró que un mercado para licenciar libros específicamente para el entrenamiento de IA “no es uno al que la Ley de Derechos de Autor otorga a los autores el derecho de explotar”.

Los tribunales declinaron tratar los acuerdos de licencia voluntaria como estableciendo un derecho legal a tarifas, al menos donde el uso es lo suficientemente transformador. Estas sentencias demuestran que el mercado de licencia emergente no otorga automáticamente a los titulares de derechos de autor el derecho de prohibir el uso justo de su obra.

Implicaciones estratégicas

Para los titulares de derechos de autor, los casos más sólidos serán aquellos en los que la sustitución del mercado sea claramente identificable. Podrían centrarse estratégicamente en los sistemas de IA cuyas salidas se asemejan más a sus obras originales en lugar de perseguir desafíos generales al entrenamiento en sí.

Si la Ley TRAIN se convierte en ley, los titulares de derechos de autor obtendrán herramientas de descubrimiento para investigar cómo se utilizan sus obras. Sin embargo, obtener información sería solo el primer paso. Demostrar el daño al mercado seguiría siendo central para el éxito de cualquier reclamación de infracción.

Para los desarrolladores de IA, las decisiones recientes proporcionan un marco para reducir la exposición. Primero, asegúrense de que la fuente de datos sea legal. Tanto Bartz como Kadrey distinguieron entre el uso de obras para el entrenamiento (potencialmente uso justo) y la adquisición a través de la piratería . El juez Alsup encontró que la descarga de Anthropic desde sitios pirata era “inherentemente, irremediablemente infractora”, incluso si el entrenamiento posterior podría ser uso justo.

Segundo, diseñen productos para propósitos diferentes de las fuentes de datos de entrenamiento. Un sistema de IA que ayuda a los usuarios a redactar documentos sirve a propósitos diferentes de las novelas o artículos en sus datos de entrenamiento. Un sistema que simplemente recupera o reproduce esas obras no lo hace.

Tercero, implementen salvaguardas para prevenir la reproducción sustancial de textos literales. El tribunal Kadrey señaló que el sistema de Meta reprodujo un contenido mínimo incluso bajo pruebas adversas, lo que respalda el uso justo. Los desarrolladores que permiten que sus sistemas regurgiten grandes fragmentos de obras con derechos de autor pueden enfrentar un riesgo legal significativamente mayor.

Conclusión

La Ley TRAIN puede pronto otorgar a los titulares de derechos de autor herramientas para descubrir si sus obras se utilizaron para el entrenamiento de IA. Sin embargo, las decisiones recientes dejan claro que tal descubrimiento sería solo el comienzo. El marco emergente en EE. UU. se centra en el daño al mercado, requiriendo la demostración de daño económico identificable en lugar de solo el uso de entrenamiento.

Los desarrolladores de IA deben centrarse en tres cosas: obtener sus datos de manera legal, construir productos que sirvan a propósitos más allá de sus materiales de entrenamiento y prevenir que sus sistemas reproduzcan pasajes largos de manera literal. Los titulares de derechos de autor, por otro lado, tendrán los casos más sólidos cuando puedan demostrar que un producto de IA reemplaza efectivamente su obra en el mercado.