Aprobado el acuerdo de derechos de autor de $1.5B de Anthropic

Anthropic ahora tiene en marcha un acuerdo de derechos de autor de $1.5 mil millones aprobado por un tribunal, y eso cambia el cálculo de riesgo para cualquiera que use IA. Lo resumiría así: habrá dinero para los titulares de derechos de libros elegibles, Anthropic debe destruir ciertos datasets pirateados y las empresas de IA ahora tienen una advertencia clara de que unos registros descuidados de datos de entrenamiento pueden salir muy caros.

Si construyes, compras o supervisas herramientas de IA, esto es lo que importa de inmediato:

• El acuerdo es final y exigible

• Autores y editoriales elegibles pueden presentar reclamos

• Anthropic debe seguir un plan de pagos

• Los datos pirateados de LibGen y PiLiMi deben destruirse

• El seguimiento de los datos de entrenamiento ahora es indispensable, no algo opcional

• Los reclamos basados en el estilo no forman parte de este acuerdo

La cifra en dólares destaca. $1.5 mil millones marca un nuevo hito para los casos de derechos de autor de IA en EE. UU. El artículo también apunta a pagos esperados de unos $3,000 por obra que califique, con una división 50/50 si tanto el autor como la editorial del mismo título califican.

Aquí va la versión corta: este caso trata sobre la supuesta copia y uso de libros con derechos de autor vigentes provenientes de bibliotecas sombra, no sobre cada asunto de derechos de autor vinculado a la IA. Para calificar, una obra debe cumplir reglas establecidas, incluidos un registro oportuno en EE. UU. y un ISBN o ASIN. Además del fondo en efectivo, Anthropic tiene que certificar la destrucción de los datasets y permanecer bajo supervisión judicial.

Para mí, la conclusión principal es simple: la procedencia de los datos de entrenamiento, las verificaciones de licencias y la revisión de proveedores son ahora controles centrales del riesgo de la IA. Si una empresa no puede demostrar de dónde vinieron sus datos, esa brecha puede convertirse rápido en un problema legal y de negocio.

Quiénes están cubiertos y qué materiales de entrenamiento estaban en cuestión

Qué autores y editoriales son elegibles

El siguiente asunto es simple sobre el papel, pero enredado en la práctica: quién cobra y por cuáles libros.

La clase del acuerdo cubre a los titulares de derechos de ciertos libros que supuestamente se descargaron de LibGen y PiLiMi. Para calificar, un libro debe tener un registro oportuno en EE. UU. y un ISBN o ASIN. Si una obra carece de registro oportuno en EE. UU., o no tiene un ISBN o ASIN, queda fuera.

Un detalle importa mucho aquí: tanto el autor como la editorial del mismo título pueden presentar reclamos contra el fondo. Así que un solo libro puede dar lugar a dos reclamos separados de dos titulares de derechos. Eso cambia cómo se reparte el fondo de $1.5 mil millones y también puede elevar el número total de reclamos.

Qué obras y fuentes se usaron supuestamente

Estas reglas de clase hacen más que definir la elegibilidad. También establecen los límites del supuesto corpus de entrenamiento.

En el centro del caso está la afirmación de que Anthropic descargó libros con derechos de autor vigentes de LibGen y PiLiMi y los usó para entrenar sin permiso. Las demandas contra los desarrolladores de IA alegan la descarga de millones de copias pirateadas de libros con derechos de autor vigentes ^[1].

Los reclamos de derechos de autor detrás del acuerdo

Este acuerdo aborda los reclamos de copia e ingesta. No resuelve la disputa mayor sobre el entrenamiento de IA en su conjunto.

Más concretamente, resuelve las acusaciones de que Anthropic copió, almacenó y usó libros con derechos de autor en el entrenamiento. También cubre los reclamos vinculados a la eliminación u omisión de la Copyright Management Information (CMI), junto con negligencia, enriquecimiento injusto y competencia desleal relacionados con el uso comercial de esos materiales.

Lo que no cubre es igual de importante: el acuerdo no resuelve los reclamos basados en el estilo o el género.

El acuerdo de derechos de autor de IA de $1.5 mil millones de Anthropic obtiene aprobación judicial final

Qué debe hacer Anthropic bajo el acuerdo

El fondo de $1.5 mil millones y cómo funcionan los pagos

Con la elegibilidad definida, el acuerdo pasa al dinero, la limpieza y la supervisión judicial. La aprobación final crea un fondo mínimo de $1.5 mil millones para los titulares de derechos elegibles. El pago esperado es de unos $3,000 por obra que califique. Si tanto un autor como una editorial califican para el mismo título, ese pago se divide 50/50.

Destrucción de datasets y restricciones sobre los datos de entrenamiento

Anthropic también debe destruir los datasets pirateados y todas las copias relacionadas obtenidas de LibGen y PiLiMi. Debe presentar certificaciones escritas que confirmen que los materiales en disputa fueron destruidos.

El acuerdo también exige el seguimiento de la procedencia de los datos para el reentrenamiento y el cumplimiento interno. Dicho de forma simple, Anthropic tiene que demostrar de dónde vinieron los datos de entrenamiento y mantener registros que resistan una revisión. Para los desarrolladores de IA y las empresas, eso convierte la procedencia de los datos en un requisito previo al despliegue, no en algo que resolver después de que una disputa llegue a los tribunales.

Proceso de reclamos, plazos de pago y ejecución

Esos deberes van junto al fondo en efectivo y tienen la misma fuerza. Anthropic debe:

• financiar el acuerdo mediante depósito en garantía y pagos a plazos

• certificar la destrucción de los datasets

• permanecer bajo supervisión judicial

Si Anthropic incumple los pagos o no cumple, el tribunal puede intervenir y hacer cumplir el acuerdo.

Qué significa esto para desarrolladores de IA, integradores y empresas

El cumplimiento en datos de entrenamiento ahora es un riesgo a nivel directivo

El acuerdo de $1.5 mil millones es una gran señal de advertencia para los desarrolladores de IA, integradores y empresas. Si un modelo se entrenó con datos sin licencia de bibliotecas sombra como Library Genesis, Bibliotik y Z-Library, el riesgo legal puede ser severo ^[1][2]. Esto ya no es solo un problema del equipo legal. El cumplimiento en datos de entrenamiento ahora pertenece a las discusiones de la junta directiva.

En términos del día a día, eso significa que los equipos necesitan registros de procedencia claros y auditables de las fuentes de datos, los permisos y los pasos de cumplimiento. Antes de que cualquier modelo llegue a producción, ingeniería y legal deberían aprobar las licencias y la validación del dataset ^[3][4]. Y esa revisión no puede detenerse en tu propio stack. Debe cubrir cada proveedor y cada modalidad antes del despliegue.

Verificaciones de licencias y proveedores para modelos de texto, imagen, audio y video

El mismo nivel de revisión aplica a los modelos de texto, imagen, audio y video. Una sola aprobación general no basta. Cada modelo debería revisarse por su cuenta, con controles claros sobre cómo se entrenó y qué derechos respaldan su uso. Al evaluar a un proveedor, pide divulgaciones directas de las fuentes de datos y confirma que los derechos sobre los datos de entrenamiento estén documentados antes del despliegue ^[3][4].

Aquí tienes una lista simple para mantener las revisiones consistentes:

Usar APIMart para centralizar la gobernanza de modelos

Si tu equipo quiere un control más estricto, una capa de API unificada puede ayudar a reunir estas verificaciones en un solo lugar. La API unificada de APIMart puede centralizar los controles de acceso, la fijación de versiones, los registros de auditoría y las aprobaciones de modelos en los flujos de texto, imagen, audio y video. Cuando el acceso, el registro y el control de versiones viven en una sola capa, es más fácil evitar brechas a medida que los equipos añaden más modelos.

Conclusión: puntos clave sobre derechos de autor, licencias y riesgo de la IA

El acuerdo de $1.5 mil millones de Anthropic viene con términos de pago estrictos y reglas de manejo de datasets. Es un recordatorio contundente de lo que puede pasar cuando las empresas entrenan modelos con datos sin licencia de bibliotecas sombra como LibGen y PiLiMi. El mensaje es bastante simple: los datos de entrenamiento ahora traen riesgo legal y de negocio del día a día.

El punto de fondo es igual de claro. Los sistemas de IA funcionan con datos de entrenamiento, así que las preguntas sobre de dónde vinieron esos datos —y si alguien tenía permiso para usarlos— están recibiendo más atención en EE. UU. y en el extranjero.

Para los equipos que construyen, compran o usan IA, la acción práctica es verificar las fuentes de los datos de entrenamiento, documentar la procedencia de los datasets y confirmar los permisos antes del despliegue.

La gobernanza centralizada también facilita la vida a medida que crece el uso. Ayuda a los equipos a estandarizar los controles de acceso, el versionado y los registros de auditoría en los despliegues.

En conjunto, la procedencia de los datos de entrenamiento, las licencias y la gobernanza de modelos son ahora riesgos centrales del negocio.

Preguntas frecuentes

¿Este acuerdo hace ilegal entrenar IA con libros protegidos por derechos de autor?

No. Este acuerdo no hace ilegal entrenar IA con libros protegidos por derechos de autor.

En Estados Unidos, el estatus legal de usar material protegido por derechos de autor para entrenar IA sigue sin resolverse. Los tribunales aún están sopesando los reclamos por infracción de derechos de autor frente a los argumentos de que el entrenamiento es un uso justo transformador, así que el asunto todavía se debate.

¿Cómo puede mi empresa verificar si un proveedor de IA usó datos de entrenamiento con licencia?

Revisa la documentación, los términos de servicio y los acuerdos de licencia del proveedor para confirmar cómo usa los datos y si hace alguna promesa sobre datos de entrenamiento con licencia.

Para uso empresarial, busca garantías claras sobre la procedencia de los datos y la confirmación de que tus entradas no se usan para entrenar modelos más adelante. También ayuda mantener tus propios registros, como derechos comerciales, registros de consentimiento y aprobaciones, para tener un rastro documental claro de transparencia y cumplimiento.

¿Podrían las próximas demandas apuntar a los datos de entrenamiento de imagen, audio o video?

Sí. Las demandas por datos de entrenamiento de IA no se detienen en el texto. Las empresas ya enfrentan litigios por el uso no autorizado de datos de entrenamiento de imagen, audio y video.

A medida que los modelos de IA se vuelven más multimodales, más de estas disputas se concentran en obras creativas extraídas para construir productos de IA competidores. En el fondo, esto es parte de un impulso más amplio de los creadores de contenido para trazar líneas legales y exigir consentimiento o pago.