Las Demandas Colectivas de Autores contra OpenAI son un conjunto de demandas federales consolidadas en Estados Unidos presentadas por escritores de ficción contra OpenAI, el desarrollador de los modelos de lenguaje grandes que sustentan productos como ChatGPT. Los demandantes alegan que OpenAI copió sus libros protegidos por derechos de autor sin permiso para entrenar sus modelos, lo que constituye una infracción directa e indirecta de derechos de autor, y que la empresa se benefició de ese uso no autorizado. El litigio, consolidado en el Tribunal de Distrito de los Estados Unidos para el Distrito Sur de Nueva York, se ha convertido en un caso de prueba central para determinar cómo se aplica la ley de derechos de autor al entrenamiento de sistemas de IA generativa.
Los casos surgieron tras el lanzamiento comercial de ChatGPT a finales de 2022 y la posterior expansión de la familia de modelos de OpenAI. Los autores argumentaron que sus obras se incluyeron en enormes corpus de texto utilizados para el entrenamiento, sin licencia ni compensación, y que los modelos podían reproducir o parafrasear de cerca pasajes de sus libros. OpenAI respondió que su uso de material protegido por derechos de autor se enmarcaba en la doctrina del uso justo, citando la naturaleza transformadora del aprendizaje automático y los patrones estadísticos no expresivos aprendidos por los modelos.
Historia Procesal y Consolidación
La primera demanda importante de autores se presentó en junio de 2023 por la comediante y autora Sarah Silverman, junto con los autores Richard Kadrey y Christopher Golden, en el Distrito Norte de California. Ese caso, Silverman v. OpenAI, alegó que los datos de entrenamiento de OpenAI incluían repositorios de libros pirateados. En julio de 2023, se presentó una demanda colectiva separada en el Distrito Sur de Nueva York por los autores Paul Tremblay y Mona Awad, representados por el mismo bufete de abogados, contra OpenAI y su socio Microsoft.
En septiembre de 2023, el Panel Judicial de Litigios Multidistritales consolidó varias demandas de autores superpuestas en un solo procedimiento, In re OpenAI ChatGPT Litigation, asignado al juez Jed S. Rakoff en el Distrito Sur de Nueva York. La acción consolidada incluyó reclamaciones de autores como George R.R. Martin, John Grisham, Jodi Picoult y otros que se unieron más tarde, aunque algunos autores presentaron demandas separadas que luego se incorporaron al caso principal. A principios de 2024, los demandantes principales presentaron una denuncia enmendada consolidada, añadiendo reclamaciones por enriquecimiento injusto y negligencia, y nombrando a OpenAI y su CEO Sam Altman como demandados.
Reclamaciones Legales Principales
La reclamación principal de los demandantes es la infracción directa de derechos de autor bajo 17 U.S.C. § 501, argumentando que OpenAI reprodujo y distribuyó sus obras durante el entrenamiento y en las salidas del modelo. También alegaron infracción vicaria y contributiva, afirmando que OpenAI tenía el derecho y la capacidad de controlar la actividad infractora y se benefició de ella. La denuncia citó casos específicos en los que ChatGPT supuestamente generó extractos casi verbatim de libros protegidos por derechos de autor, lo que los demandantes argumentaron que demostraba que los modelos almacenaban y recuperaban contenido expresivo.
Una segunda reclamación importante se refería a la eliminación de información de gestión de derechos de autor (CMI), como nombres de autores y títulos, de los datos de entrenamiento, en violación de la Ley de Derechos de Autor del Milenio Digital (DMCA). Los demandantes argumentaron que eliminar la CMI facilitaba la infracción y obstaculizaba la capacidad de los autores para hacer valer sus derechos. OpenAI solicitó la desestimación de esta reclamación, argumentando que la disposición de la DMCA requería la intención de inducir a la infracción, que los demandantes no habían alegado de manera plausible.
Fallos Clave
En febrero de 2024, el juez Rakoff desestimó la reclamación de la DMCA, al considerar que los demandantes no habían alegado adecuadamente que OpenAI eliminó intencionalmente la CMI para ocultar la infracción. Permitió que las reclamaciones principales de derechos de autor continuaran, rechazando el argumento de OpenAI de que las reclamaciones estaban precedidas por la ley estatal y que los demandantes carecían de legitimación porque no habían registrado todas las obras.
En noviembre de 2024, el juez Rakoff emitió un fallo fundamental sobre el uso justo. Denegó la moción de OpenAI para desestimar las reclamaciones de infracción directa, sosteniendo que la defensa del uso justo no podía resolverse en la etapa de alegatos. El tribunal enfatizó que si el uso era transformador y si los modelos competían con las obras originales eran cuestiones de hecho que requerían descubrimiento. El fallo también señaló que los propios documentos de OpenAI, incluidas comunicaciones internas sobre la escasez de datos de texto de alta calidad, podrían influir en el propósito y el carácter del uso.
Sin embargo, en un fallo separado en el mismo mes, el juez Rakoff desestimó las reclamaciones de enriquecimiento injusto y negligencia, al considerar que eran duplicativas de las reclamaciones de derechos de autor y estaban excluidas por la regla de pérdida económica. También eliminó ciertas alegaciones que se basaban en teorías especulativas de daño, como la afirmación de que las salidas de los modelos reducirían las ventas de libros.
Argumentos de Uso Justo
La defensa de uso justo de OpenAI se basa en cuatro factores legales: el propósito y el carácter del uso, la naturaleza de la obra protegida, la cantidad y sustancialidad utilizada, y el efecto en el mercado potencial. La empresa argumentó que entrenar una red neuronal es un uso no expresivo, porque el modelo aprende patrones estadísticos en lugar de reproducir expresiones específicas. Citó la decisión de la Corte Suprema en Google v. Oracle (2021), que sostuvo que copiar código para un propósito transformador era uso justo, y el fallo del Segundo Circuito en Authors Guild v. Google (2015), que encontró que el escaneo de libros de Google para búsqueda era uso justo.
Los demandantes contraargumentaron que el uso de OpenAI era comercial y que los modelos podían generar texto que compite con las obras originales, perjudicando el mercado de reproducciones con licencia. También argumentaron que la escala de la copia - miles de millones de palabras de millones de libros - no era análoga a los fragmentos limitados en el caso de Google Books. El fallo del tribunal de noviembre de 2024 dejó estas cuestiones para el juicio, señalando que se necesitaría descubrimiento para evaluar las salidas reales y el impacto económico.
Litigio Relacionado y Contexto
Los casos de los autores son parte de una ola más amplia de demandas por derechos de autor contra empresas de IA. En 2023, artistas visuales presentaron demandas colectivas contra Stability AI, Midjourney y DeviantArt, y en 2024, editoriales de música demandaron a Anthropic por reproducción de letras. El caso de Anthropic, Concord Music Group v. Anthropic, involucró reclamaciones similares sobre datos de entrenamiento y reproducción de salidas. Los casos de los autores también se cruzan con la demanda del New York Times contra OpenAI y Microsoft, presentada en diciembre de 2023, que alegó que los modelos reproducían artículos de noticias verbatim.
En el litigio de los autores, el tribunal ha coordinado el descubrimiento con el caso del New York Times, permitiendo la producción compartida de documentos y testimonios de expertos. Esta coordinación ha ralentizado el ritmo del litigio, con el tribunal fijando una fecha de juicio para finales de 2025 o principios de 2026. A principios de 2025, las partes estaban involucradas en el descubrimiento de hechos, incluidas declaraciones de ejecutivos y personal técnico de OpenAI, y el intercambio de metadatos de datos de entrenamiento.
Implicaciones para el Desarrollo de la IA
El resultado de las demandas colectivas de los autores podría afectar significativamente a la industria de la inteligencia artificial. Un fallo de que entrenar con obras protegidas por derechos de autor sin licencia no es uso justo obligaría a los desarrolladores de IA a negociar licencias con editoriales y autores, potencialmente aumentando los costos y limitando la diversidad de los datos de entrenamiento. Por el contrario, un fallo a favor de OpenAI afirmaría la legalidad de las prácticas actuales de entrenamiento, aunque podría no resolver las cuestiones sobre la reproducción de salidas.
El caso también ha provocado atención legislativa. En 2024, varios senadores estadounidenses introdujeron proyectos de ley que proponen requisitos de transparencia para los datos de entrenamiento y un esquema de licencias legales para obras protegidas por derechos de autor. El litigio de los autores se ha citado en estos debates como evidencia de la necesidad de reglas más claras. Internacionalmente, la Ley de IA de la Unión Europea, adoptada en 2024, incluye disposiciones que requieren la divulgación de resúmenes de datos de entrenamiento, aunque no aborda directamente la responsabilidad por derechos de autor.
Estado Actual y Perspectivas
A principios de 2025, la acción consolidada se encuentra en la fase de descubrimiento. El tribunal ha denegado las mociones de certificación de clase, pero los demandantes han indicado que buscarán la certificación nuevamente después del descubrimiento de hechos. El juez Rakoff ha programado una conferencia previa al juicio para mediados de 2025, con un posible juicio en 2026. El caso es ampliamente observado por académicos legales y observadores de la industria, ya que podría sentar precedente sobre cómo los tribunales estadounidenses aplican el uso justo al aprendizaje automático a gran escala.
OpenAI también ha enfrentado litigios paralelos en otras jurisdicciones, incluida una demanda colectiva en Canadá y una queja ante la Oficina de Derechos de Autor de los Estados Unidos. La empresa ha comenzado a celebrar acuerdos de licencia con algunos editores, como Axel Springer y Associated Press, pero no ha llegado a acuerdos con autores de ficción individuales. Las demandas colectivas de los autores siguen siendo el desafío más completo a las prácticas de entrenamiento de OpenAI, y su resolución probablemente dará forma al futuro de la IA generativa y la ley de derechos de autor.