A continuaciónSiguiente guía
La plantilla de resumen público de datos de entrenamiento de la UE
sociedad
GUÍA de sociedad
Uso legítimo y datos de entrenamiento de IA
El uso legítimo es la doctrina de derechos de autor de EE. UU. que los tribunales están utilizando para decidir si es legal entrenar modelos de IA en obras protegidas por derechos de autor sin permiso.
Escuche esta guíaNarrado por IA · ~3 min
En esta pagina4 minutos de lectura
Descripción general
Los jueces sopesan cuatro factores: el propósito del uso, la naturaleza de la obra, cuánto se copió y el efecto en el mercado del original. Las primeras sentencias de 2025 se dividieron. Se consideró que la capacitación era altamente transformadora en algunos casos de IA generativa, mientras que los datos pirateados y la copia no generativa generaban responsabilidad. La respuesta afecta a todos los desarrolladores de IA y a todos los creadores cuyo trabajo consiste en entrenar datos.
Buceo profundo
El artículo 107 de la Ley de derechos de autor enumera cuatro factores. El primer factor se pregunta si el uso es transformador y comercial. La decisión de la Corte Suprema de 2023 sobre Warhol v. Goldsmith enfatizó que un propósito diferente importa más que agregar un nuevo significado. El segundo factor considera si el trabajo es creativo o factual. El factor tres analiza cuánto se tomó. El cuarto factor pregunta si el uso perjudica el mercado del original, y los tribunales a menudo lo tratan como el más importante. Los primeros fallos se produjeron en 2025. En febrero, el juez Stephanos Bibas sostuvo en Thomson Reuters contra Ross que la copia de Ross de las notas de Westlaw para entrenar una herramienta de búsqueda legal no era un uso legítimo. Ross estaba construyendo un competidor directo y la IA no era generativa. El caso pasó al Tercer Circuito en apelación interlocutoria. En junio, el juez William Alsup dictaminó en Bartz v. Anthropic que la capacitación sobre libros era "extremadamente transformadora" y de uso justo, y que escanear libros impresos comprados también era justo. Sostuvo que construir una biblioteca central a partir de sitios piratas era un uso separado que el uso legítimo no cubría. Después de la certificación colectiva, Anthropic acordó un acuerdo de 1.500 millones de dólares, unos 3.000 dólares por obra cubierta. Días después, el juez Vince Chhabria falló a favor de Meta en Kadrey v. Meta, pero sólo porque los autores no desarrollaron pruebas de daño al mercado. Hizo hincapié en que la "dilución del mercado" debido a las avalanchas de obras competidoras generadas por IA podría pesar mucho en contra del uso legítimo en un caso mejor argumentado. Un error común es que los tribunales han declarado que el entrenamiento de IA es un uso legítimo en todos los ámbitos. Se trata de sentencias de tribunales de distrito sobre hechos específicos. Las apelaciones, otros casos y el método de adquisición de datos son importantes.
Implementación en el mundo real
En Bartz v. Anthropic, un juez determinó que capacitar a Claude sobre libros comprados y escaneados legalmente era un uso legítimo, pero descargar millones de libros pirateados en una biblioteca no era excusa.
En Thomson Reuters v. Ross Intelligence, un tribunal rechazó el uso legítimo de una startup de investigación jurídica que utilizaba notas de cabecera de Westlaw para crear una herramienta de búsqueda no generativa competitiva.
En Kadrey v. Meta, los autores perdieron en el juicio sumario porque no demostraron daño al mercado, a pesar de que el juez sugirió que tal daño podría existir en otros casos.
Un editor de noticias firma un acuerdo de licencia paga con una empresa de inteligencia artificial, que obtiene ingresos y respalda los argumentos de que existe un mercado de licencias de capacitación.
El futuro del uso legítimo y los datos de entrenamiento de IA
Es probable que las decisiones de apelación, incluida la revisión del caso Thomson Reuters v. Ross por parte del Tercer Circuito, den forma a la doctrina más que cualquier fallo de un solo juicio. Es de esperar que los tribunales sigan separando cómo se adquirieron los datos de cómo se utilizaron, y que examinen de cerca las pruebas de daños al mercado. Los acuerdos de licencia probablemente seguirán creciendo, ya que reducen el riesgo legal independientemente del resultado. El Congreso podría legislar y la Oficina de Derechos de Autor ha publicado su propio análisis sobre la formación en IA generativa. Hasta entonces la ley sigue sin resolverse y depende de los hechos de cada caso.
Poniéndolo en práctica
Por qué es importante
- Riesgo y seguridad. Los daños catastróficos y cotidianos de la IA dependen de quién comprende los riesgos y quién puede actuar.
- Decisiones más claras. La alfabetización pública y profesional determina si es políticamente posible una política de seguridad sólida.
- Cortando el bombo. Las explicaciones claras reducen la captación por la exageración, las relaciones públicas de laboratorio y el vago teatro de ética.
cuidado con
- Tratar el riesgo existencial como ciencia ficción mientras que la capacidad se agrava.
- Confundir la seguridad del producto superficial con la alineación en condiciones de alta autonomía.
- Dejando a las audiencias que no hablan inglés ni a expertos solo con fuentes de baja calidad.
Próximos pasos
- Separe los riesgos de daños al producto, mal uso y pérdida de control/desalineación.
- Pregunte qué evidencia cambiaría su opinión sobre los plazos y la gravedad.
- Prefiera fuentes primarias y evaluaciones concretas a afirmaciones de marketing.
- Identifique un camino de acción: carrera, política, financiamiento o habilidades, no solo concientización.
Sigue explorando
Boletín gratuito
Recibe el resumen diario de IA
Tres noticias verificadas sobre IA cada mañana de lunes a viernes, explicadas con claridad. Gratis para siempre y sin anuncios.
Un correo cada día laborable. Date de baja con un clic. Nunca vendemos ni compartimos tu dirección.
Ponte a prueba
Take the Fair Use and AI Training Data quiz
Corrección inmediata en cada respuesta y un certificado para compartir, con un ID verificable, cuando apruebas un curso.
Apoya la educación gratuita sobre IA. AI Understanding es una organización sin fines de lucro 501(c)(3): sin anuncios ni muros de pago, nunca. Hacer una donación
Preguntas frecuentes
¿Qué son los datos de entrenamiento de IA y uso legítimo?
El uso legítimo es la doctrina de derechos de autor de EE. UU. que los tribunales están utilizando para decidir si es legal entrenar modelos de IA en obras protegidas por derechos de autor sin permiso. Los jueces sopesan cuatro factores: el propósito del uso, la naturaleza de la obra, cuánto se copió y el efecto en el mercado del original. Las primeras sentencias de 2025 se dividieron. Se consideró que la capacitación era altamente transformadora en algunos casos de IA generativa, mientras que los datos pirateados y la copia no generativa generaban responsabilidad. La respuesta afecta a todos los desarrolladores de IA y a todos los creadores cuyo trabajo consiste en entrenar datos.
¿Qué factor de uso legítimo pregunta sobre el daño al mercado por la obra original?
El cuarto factor considera el efecto sobre el mercado potencial o el valor del original, y los tribunales a menudo lo tratan como el más importante.
¿Por qué el tribunal rechazó el uso legítimo en Thomson Reuters v. Ross Intelligence?
El juez Bibas concluyó que el uso de Ross no fue lo suficientemente transformador y sirvió como un sustituto directo de Westlaw en el mercado.
En Bartz v. Anthropic, ¿qué encontró el juez Alsup que NO estaba cubierto por el uso legítimo?
Alsup sostuvo que la capacitación y el escaneo de libros comprados legalmente eran un uso legítimo, pero adquirir y mantener libros pirateados en una biblioteca era un uso separado e injustificado.
¿A qué acuerdo llegó Anthropic en Bartz, según se informó?
Después de la certificación de la clase, el acuerdo informado fue de aproximadamente $1.5 mil millones, aproximadamente $3.000 por trabajo cubierto.
¿Por qué ganó Meta en Kadrey v. Meta?
El juez Chhabria falló por estrecho margen porque los demandantes no demostraron daños al mercado, aunque sugirió que un caso mejor argumentado podría tener éxito.
sigue aprendiendo
Guías relacionadas
Más guías seleccionadas para este tema.