El 20 de julio de 2026, un juez federal de California aprobó el mayor acuerdo en la historia del derecho de autor: 1.500 millones de dólares por 482.460 libros. Si se hace la división, sale a unos 3.109 dólares por obra, casi cuatro veces el mínimo legal estadounidense por infracción dolosa del copyright según el 17 U.S.C. 504. Esa cifra no es una multa que Anthropic negociara por entrenar un modelo de IA con libros. Se acerca más al precio de no haber podido demostrar, para cientos de miles de obras individuales, que la empresa tenía derecho legítimo a poseer una copia.
Lo que el tribunal decidió realmente
El caso se llama Bartz v. Anthropic, visto ante el Tribunal de Distrito de Estados Unidos para el Distrito Norte de California. La jueza Araceli Martínez-Olguín concedió la aprobación final del acuerdo de la demanda colectiva el 20 de julio de 2026, cerrando un caso seguido de cerca por editoriales, autores y cualquier otro laboratorio de IA con un conjunto de datos de entrenamiento construido a partir de libros. La clase certificada abarca 482.460 obras, y la Authors Guild lo calificó como la mayor indemnización en la historia de los litigios de derechos de autor en Estados Unidos.
1.500 millones de dólares divididos entre 482.460 obras dan casi exactamente 3.109 dólares por libro. Esa cifra importa menos por lo que le costó a Anthropic y más por lo que la provocó: para cada una de esas obras, nadie pudo señalar una licencia, un comprobante de compra ni ningún otro rastro documental que demostrara el derecho a poseer esa copia. Acuerdos como este no son un caso aislado. Los datos de Copyright Alliance muestran que las demandas por derechos de autor relacionadas con IA pasaron de unas 30 a más de 70 solo durante 2025, así que el número de casos en los que un tribunal hará la misma pregunta no deja de crecer.
Entrenamiento frente a almacenamiento: la línea que importó
Sería fácil leer este acuerdo como si "entrenar IA con libros fuera ilegal". Eso no es lo que dice la resolución de fondo, y confundir ambas cosas es un error que conviene evitar. La decisión anterior del tribunal, que dio pie a este acuerdo, sostuvo que entrenar un modelo de IA con libros protegidos por derechos de autor puede calificar como fair use. Lo que no disculpó fue cómo Anthropic obtuvo gran parte de esos libros: adquiriendo y almacenando copias pirateadas extraídas de bibliotecas clandestinas como Library Genesis y el Pirate Library Mirror. El entrenamiento fue una cuestión legal. Poseer copias pirateadas fue otra distinta, y es la que produjo la cifra de 1.500 millones de dólares.
Esa distinción importa para cualquiera que intente sacar una lección de este caso. El riesgo no vino del acto de entrenar un modelo. Vino de un vacío en la trazabilidad: la incapacidad de demostrar, obra por obra, exactamente cuándo y cómo una copia llegó a manos de la empresa.
Qué significa esto si a ti no te están demandando
La mayoría de los creadores y empresas nunca serán demandados en un caso como este. Pero el mismo vacío de trazabilidad aparece también al otro lado de la mesa, ya sea que tengas un reclamo que hacer o que te pidan responder por uno. Si tu obra termina en el conjunto de datos de entrenamiento de otro, o si un competidor cuestiona tu derecho sobre un contenido sobre el que construiste un producto o una marca, la primera pregunta que hará un tribunal o una contraparte en una negociación es la misma que decidió Bartz v. Anthropic: ¿puedes demostrar, con una fecha y un registro verificable, que la poseías antes de que alguien más la reclamara?
Un sello fechado y verificable criptográficamente en un documento no hace desaparecer una demanda ni reescribe los hechos de una disputa. Lo que cambia es la posición de partida. En lugar de reconstruir un rastro documental después de los hechos, bajo plazo, frente a la contraparte, presentas un registro que ya existe. El cálculo en una disputa sobre entrenamiento de IA se basa exactamente en ese tipo de prueba: quién tenía qué, y desde cuándo.
Si quieres saber dónde se ubica tu propio contenido en ese espectro, antes de que una disputa te obligue a responder, la calculadora de exposición de PI repasa las mismas variables que pondría a prueba un reclamo como este: qué parte de tu obra publicada tiene algún registro de propiedad fechado, cómo se licenció, y dónde están los vacíos.
