Un tribunal federal no dictaminó que entrenar un modelo de IA con libros protegidos por derechos de autor sea ilegal. Tampoco dictaminó que hacerlo sea siempre legal. En el caso Bartz v. Anthropic, el tribunal del distrito norte de California trazó una línea más estrecha de lo que ambos titulares sugieren. Entrenar con esos libros podía calificar plausiblemente como fair use bajo el derecho de autor estadounidense, pero conservar copias pirateadas de esos mismos libros para entrenar con ellas fue un acto separado, y ese acto separado no estaba protegido. La distinción entre estas dos cuestiones, cómo se usó el material frente a cómo se adquirió, es lo que realmente decidió el caso. Es también la parte que la mayoría de la cobertura sobre el consiguiente acuerdo de 1500 millones de dólares pasó por alto.
Lo que el tribunal realmente determinó
El tribunal examinó dos cuestiones jurídicas separadas. Primero, si entrenar un modelo de lenguaje de gran escala con libros protegidos por derechos de autor es un uso transformativo que puede calificar como fair use. Segundo, si la manera en que Anthropic obtuvo los libros usados para el entrenamiento, descargándolos de Library Genesis y Pirate Library Mirror, ambos repositorios conocidos de piratería, era en sí misma lícita. Las respuestas no fueron iguales para ambas cuestiones. Entrenar con esos libros podía calificar plausiblemente como fair use, determinó el tribunal, porque el modelo aprende patrones estadísticos del texto en lugar de reproducir o distribuir los libros en sí. Pero adquirir las copias de sitios de piratería y conservarlas en una biblioteca interna permanente no quedaba cubierto por ese mismo razonamiento. El fair use puede proteger ciertos usos de una obra que ya se posee lícitamente, no legaliza retroactivamente cómo se obtuvo la copia en primer lugar. Esa segunda conclusión, sobre la biblioteca formada con copias pirateadas y no sobre el entrenamiento en sí, fue lo que generó la responsabilidad y dio forma al acuerdo aprobado por la jueza Araceli Martinez-Olguin el 20 de julio de 2026.
Por qué la distinción importa más allá de este caso
Resulta tentador reducir esto a "el entrenamiento de IA está bien" o "el entrenamiento de IA es ilegal". Ninguna afirmación es exacta, y tratar cualquiera de las dos como una regla ya asentada hacia adelante malinterpreta lo ocurrido. El fair use bajo el derecho de autor estadounidense se decide caso por caso, según los hechos: qué se copió, cuánto, con qué propósito y con qué efecto sobre el mercado de la obra original. Bartz v. Anthropic responde estas preguntas para una sola empresa, con un conjunto específico de fuentes, bajo un conjunto específico de hechos. No es un fallo general que cubra a toda empresa de IA o toda canalización de entrenamiento, y otros tribunales que examinen cuestiones similares siguen siendo libres de llegar a conclusiones distintas con hechos distintos. Lo que sí se generaliza, de forma más fiable que un solo veredicto, es la estructura misma del razonamiento: un tribunal que plantea dos preguntas separadas en lugar de una. Qué se hizo con el material, y por separado, cómo se obtuvo. Una empresa puede perder en la segunda pregunta incluso si podría haber ganado la primera.
Qué significa esto para sus propios datos y documentos
Para las direcciones jurídicas y los equipos de cumplimiento, la conclusión práctica no es una opinión legal sobre el entrenamiento de IA. Es una cuestión de procedencia que existía mucho antes de la IA. Si su organización usa herramientas de IA, se apoya en datos de entrenamiento, o licencia contenido a terceros que podrían usarlo para entrenar modelos, la pregunta que vale la pena hacerse no es solo si una actividad se etiqueta como entrenamiento. Es de dónde proviene realmente el material subyacente, y si pueden demostrarlo. Un modelo construido sobre material licenciado lícitamente o adquirido correctamente ocupa una posición legal muy distinta de uno construido sobre repositorios pirateados, incluso cuando el método de entrenamiento parezca idéntico desde fuera.
La misma lógica funciona a la inversa, para el material que crea su propia organización. Poder demostrar cuándo existió un documento, quién lo creó, y que no ha sido alterado desde entonces, es un hecho separado y demostrable, independiente de cualquier argumento sobre cómo lo usó alguien después. Ese tipo de registro fechado y verificable no resuelve por sí solo una disputa de fair use, pero elimina exactamente la ambigüedad que el origen pirateado creó para Anthropic en este caso: la ambigüedad sobre de dónde proviene algo y sobre si la cadena hasta el original fue alguna vez limpia. Los equipos legales y de cumplimiento que trabajan en cuestiones de procedencia de propiedad intelectual, relacionadas con la IA o no, pueden encontrar información sobre cómo sellar y marcar con fecha y hora los documentos respalda una cadena de custodia clara en la página de soluciones legales y de propiedad intelectual de Swiss Trust Layer. No le dirá si un uso determinado califica como fair use. Está pensada para la pregunta adyacente, más fácil de responder: puede demostrar qué tenía, y cuándo.
