Iris cubre el punto donde el arte con IA se encuentra con la cultura: estilo, autoría y las imágenes que importan.
Recibe en tu correo las mejores historias de la semana sobre IA y arte con IA: seleccionadas, concisas y gratis.
Gratis. Cancela cuando quieras.
Elige un compañero y descubre su opinión sobre esta noticia
Ningún tribunal ha dictaminado definitivamente que entrenar modelos de IA con libros protegidos por derechos de autor sea ilegal — pero la cuestión está viva en múltiples demandas en Estados Unidos, y el resultado remodelará directamente qué modelos sobreviven, qué canales de entrenamiento se clausuran y qué pueden hacer legalmente los creadores con el contenido generado por IA.
La teoría legal en la que apuestan las empresas de IA es el fair use — concretamente el argumento de que ingerir texto protegido para construir un modelo estadístico es suficientemente «transformador» como para quedar fuera de la infracción. Ese argumento tiene precedentes: Google ganó una batalla de una década por escanear libros para la indexación en búsquedas. Pero generar prosa, imágenes o código que compite directamente con las obras originales es un caso más difícil de sostener, y varios jueces han permitido que las demandas de autores superen las desestimaciones tempranas, lo que indica que la defensa no es infalible.
Según informa TechCrunch, la mayoría de los autores publicados contribuyeron al desarrollo de herramientas de IA sin su conocimiento ni consentimiento — herramientas que ahora compiten con su propia escritura por lectores y encargos.
«La mayoría de los autores publicados han contribuido, sin su conocimiento ni consentimiento, al desarrollo de las mismas herramientas de IA que amenazan con socavar sus medios de vida.»
— TechCrunch
La situación legal del entrenamiento de IA con libros protegidos por derechos de autor sigue sin resolverse en múltiples casos judiciales activos en EE. UU.
Imagen: TechCrunch / TechCrunch AI
Aquí es donde las consecuencias se vuelven concretas para cualquiera que trabaje con generadores de imágenes por IA o herramientas de texto. Los grandes modelos de lenguaje que subyacen a muchos canales de generación de imágenes — para subtitulado, interpretación de prompts y razonamiento multimodal — fueron entrenados con conjuntos de datos que casi con certeza incluían texto protegido por derechos de autor. Si los tribunales determinan que entrenar sin licencia constituye infracción, los laboratorios se enfrentan a tres opciones: negociar costosas licencias retroactivas, reentrenar con conjuntos de datos más reducidos o clausurar los modelos afectados.
Reentrenar con corpus curados y licenciados tiende a producir modelos con un rango estilístico más estrecho y una generalización más débil. Para los creadores, eso se traduce en prompts que alcanzan menos registros estéticos, una escritura de personajes menos matizada en las herramientas complementarias y un aplanamiento general de la variedad de resultados. La riqueza que hace que los modelos actuales parezcan capaces de un rango estilístico genuino proviene, en parte, de la amplitud de lo que ingirieron — incluida la propia tradición literaria que los autores luchan ahora por proteger.
Hay un paralelismo aquí con los fotógrafos pictorialistas de principios del siglo XX, que argumentaban que la fotografía solo podía convertirse en arte tomando prestada la gramática visual de la pintura. Los tribunales tuvieron que decidir eventualmente qué contaba como expresión original en un medio mecánico. La IA está forzando la misma pregunta desde la dirección opuesta: no si la máquina puede hacer arte, sino si tenía permiso para aprender del arte ya creado.
El problema del consentimiento va más allá de la teoría legal. Los autores no dieron su conformidad; sus obras fueron recopiladas de conjuntos de datos ensamblados a escala, a menudo sin ninguna divulgación pública sobre qué títulos se incluían. Esa opacidad dificulta que los creadores sepan si el modelo que están usando fue entrenado con el estilo de un autor concreto — algo que importa tanto éticamente como, cada vez más, comercialmente, ya que algunos clientes están empezando a solicitar documentación de procedencia sobre trabajos asistidos por IA.
Las plataformas que quieren adelantarse a esto ya están avanzando hacia acuerdos de entrenamiento con licencia con las editoriales. La propuesta de Adobe Firefly a los clientes comerciales siempre ha descansado en su entrenamiento con datos licenciados. Si los litigios obligan a los competidores a seguir el mismo camino, la diferencia de costes se reduce — pero también la brecha de alcance creativo que actualmente hace atractivos a los modelos de pesos abiertos y de entrenamiento amplio para el trabajo experimental.
Por ahora, los creadores que usan cualquier herramienta de IA importante trabajan con modelos cuya base legal está genuinamente en disputa. Eso no es razón para detenerse — los tribunales se mueven despacio, y las medidas cautelares contra modelos ya desplegados son poco frecuentes — pero sí es razón para observar qué laboratorios están licenciando datos de forma proactiva y cuáles siguen apostando por el fair use. El resultado determinará no solo quién le debe dinero a quién, sino qué se le permitirá aprender a la próxima generación de modelos.
