Explora los modelos y estilos detrás de historias como esta: cuenta gratis y galería al instante.
Explorar el catálogo
Un juez federal ha aprobado el acuerdo colectivo de 1.500 millones de dólares de Anthropic con autores que acusaron a la compañía de entrenar sus modelos Claude con libros pirateados, pagando alrededor de 3.000 dólares por obra protegida, con solo 350 autores que eligieron excluirse.
Un juez federal aprobó el acuerdo de derechos de autor de 1.500 millones de dólares de Anthropic con autores el lunes.
Imagen: The Verge / The Verge AI
El pago por libro parece ordenado, pero el contexto importa. La mayoría de los autores cuyas obras aparecen en los conjuntos de datos de entrenamiento escribieron varios libros, por lo que un novelista de lista media con diez títulos en el corpus podría recibir alrededor de 30.000 dólares. Para autores con catálogos más amplios, las cifras aumentan aún más. Aun así, para la mayoría de los escritores, el acuerdo es un pago único sin regalías continuas, y viene acompañado de una renuncia a futuras reclamaciones contra Anthropic por la misma conducta.
Según informó The Verge, la jueza Martínez-Olguín consideró que el acuerdo proporciona «alivio significativo», una expresión que señala la satisfacción judicial con la estructura, no un fallo sobre el fondo del asunto.
«El acuerdo proporcionará un ‹alivio significativo›.»
— Jueza Araceli Martínez-Olguín
Las 350 exclusiones son un número notablemente pequeño dado el alcance de la demanda colectiva. Ars Technica señaló que Anthropic intentó bloquear a algunos autores para que no pudieran excluirse en el último momento, una maniobra procesal que generó críticas pero que en última instancia no impidió la aprobación.
Para los creadores de arte con IA, el detalle más relevante del acuerdo es lo que no decide. Ningún tribunal ha dictaminado de forma definitiva si el raspado de texto o imágenes protegidos por derechos de autor para entrenar un modelo constituye una infracción. Anthropic pagó para cerrar este caso, no para establecer un precedente legal, lo que significa que la misma incertidumbre que ha sobrevolado el sector desde 2022 persiste.
Esa ambigüedad tiene implicaciones directas en los flujos de trabajo. Los proveedores de modelos que operan bajo incertidumbre legal tienden a ser conservadores a la hora de revelar las fuentes de sus datos de entrenamiento, lo que dificulta que los creadores evalúen con qué datos se entrenó un modelo antes de comprometerse con él. También mantiene abierta la puerta a futuros litigios que podrían obligar a reentrenar modelos o restringir los conjuntos de datos que los proveedores pueden utilizar, lo que podría reducir el rango estilístico de los modelos futuros.
El acuerdo de Anthropic sigue un patrón observado en otros casos: grandes empresas de IA que absorben los costes de los litigios en lugar de llevarlos hasta un veredicto. Esa estrategia mantiene abierta la cuestión legal, pero eleva el umbral del coste de construir modelos fundacionales con datos sin licencia. Los proveedores más pequeños y los proyectos de código abierto no disponen de presupuestos de 1.500 millones de dólares para acuerdos, lo que podría ir remodelando gradualmente qué actores pueden sostener un entrenamiento a gran escala.
Este fallo llega mientras la presión por los derechos de autor sobre las empresas de IA se intensifica en todos los tipos de medios. La dinámica central —titulares de derechos que exigen compensación por los datos de entrenamiento, empresas de IA que llegan a acuerdos en lugar de litigar— está ya lo suficientemente consolidada como para parecer una norma del sector más que una excepción.
Para los creadores que utilizan herramientas basadas en Claude o construyen flujos de trabajo en torno a la API de Anthropic, el acuerdo significa continuidad: los modelos Claude no van a desaparecer, y la exposición legal de Anthropic respecto a este conjunto de datos concreto está ahora limitada. La pregunta más abierta es cómo la próxima oleada de lanzamientos de modelos —de Anthropic y sus competidores— abordará la divulgación de datos de entrenamiento a medida que acuerdos como este establezcan precedentes financieros sin establecer precedentes legales.
Los creadores que evalúan en torno a qué modelos construir pueden explorar el catálogo de modelos de Charmloop para comparar las opciones actuales, o consultar la sección de guías para conocer técnicas de prompting que siguen siendo eficaces independientemente del modelo subyacente que utilice una plataforma.
