Authors Guild contra OpenAI (2023) es una demanda colectiva presentada en el Tribunal de Distrito de los Estados Unidos para el Distrito Sur de Nueva York el 20 de septiembre de 2023. Los demandantes, el Authors Guild y un grupo de autores prominentes, incluyendo a John Grisham, Jodi Picoult y George R.R. Martin, alegan que OpenAI infringió sus derechos de autor al usar sus libros para entrenar sus modelos de lenguaje de gran escala sin autorización. La demanda busca daños estatutarios, medidas cautelares y la devolución de ganancias, posicionándola como un caso emblemático en la intersección de IA generativa y la ley de derechos de autor.
La queja se centra en el entrenamiento por parte de OpenAI de modelos como GPT-3 y GPT-4, que se basan en arquitecturas de transformadores. Los demandantes argumentan que OpenAI copió sus obras completas en los conjuntos de datos de entrenamiento, permitiendo que los modelos generen texto derivado que compite con los libros originales. Este caso es parte de una ola más amplia de litigios contra empresas de IA, incluidos demandas similares presentadas por The New York Times y otros autores, pero es notable por su representación colectiva de la comunidad de escritores.
Antecedentes y Contexto Legal
La demanda surgió en un contexto de rápidos avances en inteligencia artificial y aprendizaje automático, particularmente el auge de modelos de aprendizaje profundo entrenados en enormes corpus de texto. OpenAI, fundada en 2015, ha desarrollado algunos de los modelos de lenguaje de gran escala más utilizados, incluidos GPT-3 (lanzado en 2020) y GPT-4 (lanzado en marzo de 2023). Estos modelos se entrenan con miles de millones de palabras extraídas de internet, incluidos libros, artículos y otro material protegido por derechos de autor, a menudo sin permiso explícito.
La ley de derechos de autor en los Estados Unidos otorga a los autores derechos exclusivos para reproducir, distribuir y crear obras derivadas de sus creaciones originales. Los demandantes argumentan que entrenar un modelo de IA con libros protegidos por derechos de autor constituye una reproducción no autorizada, incluso si el modelo no produce directamente el texto. También afirman que la capacidad de los modelos para generar resúmenes, paráfrasis o contenido estilísticamente similar viola el derecho de obra derivada.
OpenAI ha defendido sus prácticas invocando la doctrina del uso justo, que permite el uso limitado de material protegido por derechos de autor para fines como crítica, comentario, reportaje de noticias, enseñanza o investigación. La empresa también ha argumentado que los datos de entrenamiento son transformadores, ya que los modelos no reproducen las obras originales sino que aprenden patrones estadísticos. Sin embargo, los demandantes sostienen que la escala de la copia - que involucra miles de libros - va mucho más allá de cualquier uso justo razonable.
Partes Involucradas
Los demandantes principales incluyen a varios autores de best-sellers: John Grisham, conocido por thrillers legales como "The Firm" (1991); Jodi Picoult, autora de "My Sister's Keeper" (2004); y George R.R. Martin, creador de la serie "A Song of Ice and Fire". Otros demandantes nombrados incluyen a David Baldacci, Sylvia Day y Jonathan Franzen. El Authors Guild, una organización profesional fundada en 1912, representa a miles de escritores y ha sido activo en la defensa de los derechos de los autores en la era digital.
El demandado es OpenAI, una empresa con sede en San Francisco, California. El liderazgo de OpenAI incluye al CEO Sam Altman y a la CTO Mira Murati, aunque la demanda no nombra a ejecutivos individuales. La empresa ha recibido inversiones significativas de Microsoft y otros gigantes tecnológicos, y sus modelos se implementan a través de plataformas como Azure y ChatGPT.
Reclamaciones y Alegaciones Principales
La queja alega que el proceso de entrenamiento de OpenAI implicó copiar los libros de los demandantes en su totalidad, ya sea mediante la ingesta directa o a través de conjuntos de datos que incluían copias pirateadas. Específicamente, los demandantes señalan el conjunto de datos Books3, una colección de más de 190,000 libros que se utilizó en el entrenamiento de algunos modelos, que incluía obras de los autores nombrados. La demanda afirma que esta copia fue intencional, ya que OpenAI sabía que el conjunto de datos contenía material protegido por derechos de autor.
Más allá de la reproducción, los demandantes argumentan que los modelos generan resultados que "resumen, parafrasean o derivan de otro modo" de sus obras, creando obras derivadas no autorizadas. Citan ejemplos donde ChatGPT puede producir resúmenes detallados de la trama o imitar el estilo de un autor, lo que argumentan que disminuye el mercado de los libros originales. La demanda también alega que OpenAI no proporcionó atribución ni compensación, violando los derechos morales de los autores bajo ciertos acuerdos internacionales, aunque la ley estadounidense no reconoce explícitamente los derechos morales.
Los demandantes buscan daños estatutarios de hasta $150,000 por obra por infracción intencional, lo que podría ascender a miles de millones de dólares dado el número de obras involucradas. También solicitan una orden judicial para impedir que OpenAI use sus obras en futuros entrenamientos, así como la destrucción de cualquier copia infractora o modelos entrenados con ellas.
Historia Procesal
El caso fue asignado al juez Sidney H. Stein en el Distrito Sur de Nueva York. En noviembre de 2023, OpenAI presentó una moción para desestimar, argumentando que la queja no establecía una reclamación válida porque los demandantes no identificaban copias infractoras o resultados específicos. La empresa también reiteró su defensa de uso justo, citando la naturaleza transformadora del entrenamiento de IA.
Los demandantes enmendaron su queja en enero de 2024, añadiendo alegaciones más específicas y demandantes adicionales. También presentaron una moción para la certificación de clase, buscando representar a todos los autores cuyas obras se usaron en el entrenamiento sin permiso. Hasta principios de 2025, el tribunal no ha fallado sobre la moción para desestimar, y el descubrimiento de pruebas está en curso.
El caso es uno de varios litigios de alto perfil sobre derechos de autor en IA. En diciembre de 2023, The New York Times presentó una demanda separada contra OpenAI y Microsoft, alegando infracción similar. Otros autores, incluidos Sarah Silverman y Christopher Golden, han presentado demandas colectivas en otros distritos. Los resultados de estos casos podrían sentar precedentes sobre cómo se aplica la ley de derechos de autor al entrenamiento de IA.
Argumentos de OpenAI
La defensa de OpenAI se basa principalmente en el uso justo. La empresa argumenta que entrenar modelos con texto protegido por derechos de autor es análogo a que un humano lea un libro y aprenda de él, lo que no constituye infracción. Sostienen que los modelos no almacenan copias de las obras originales sino que aprenden patrones y relaciones abstractas, haciendo que el uso sea transformador.
OpenAI también enfatiza el beneficio público de la tecnología de IA, argumentando que restringir los datos de entrenamiento sofocaría la innovación y dañaría el desarrollo de aplicaciones beneficiosas en campos como la medicina, la educación y la ciencia. La empresa ha implementado mecanismos de exclusión voluntaria para los autores, aunque los críticos argumentan que son insuficientes y colocan la carga sobre los creadores.
En su moción para desestimar, OpenAI argumentó que los demandantes carecían de legitimación porque no alegaban un daño concreto. La empresa afirmó que los modelos no reproducen las obras de los demandantes de una manera que compita con ellas, y que cualquier resultado es transformador. También señalaron que el conjunto de datos Books3 estaba disponible públicamente y que OpenAI había tomado medidas para eliminar ciertas obras protegidas por derechos de autor a petición.
Implicaciones Más Amplias
El caso tiene implicaciones significativas para la industria de la inteligencia artificial. Un fallo contra OpenAI podría requerir que las empresas de IA obtengan licencias para todos los datos de entrenamiento protegidos por derechos de autor, lo que sería costoso y podría ralentizar el desarrollo. También podría llevar a la creación de mercados de licencias, similares a los de la música o la fotografía de stock, donde los autores sean compensados por el uso de sus obras.
Por el contrario, un fallo a favor de OpenAI podría establecer que el entrenamiento de IA es un uso justo, proporcionando luz verde para que las empresas continúen extrayendo datos sin permiso. Esto probablemente aumentaría las tensiones con los creadores de contenido y podría impulsar una acción legislativa. Varios países, incluida la Unión Europea, ya están considerando regulaciones que requerirían transparencia en los datos de entrenamiento y compensación para los titulares de derechos.
El caso también plantea preguntas sobre la naturaleza de la creatividad y la autoría. Si los modelos de IA pueden generar texto que imita a autores humanos, ¿qué significa eso para el valor de las obras originales? Algunos académicos argumentan que el contenido generado por IA es derivado por definición, mientras que otros lo ven como una nueva forma de expresión que debería protegerse.
Casos Relacionados y Desarrollos
Además de la demanda del Authors Guild, se han presentado varios otros casos contra empresas de IA. En julio de 2023, los autores Sarah Silverman, Richard Kadrey y Christopher Golden demandaron a OpenAI y Meta en el Distrito Norte de California, alegando que sus libros se usaron sin permiso. Ese caso fue parcialmente desestimado en noviembre de 2023, pero se permitió a los demandantes enmendar sus reclamaciones.
La demanda de The New York Times, presentada en diciembre de 2023, se considera una de las más significativas, ya que involucra a una organización de medios importante con recursos legales sustanciales. The Times alega que OpenAI y Microsoft usaron millones de sus artículos para entrenar modelos, y que los modelos pueden reproducir contenido de The Times textualmente. El caso está pendiente en el mismo tribunal que la demanda del Authors Guild.
Otras empresas tecnológicas, incluidas Anthropic y Google DeepMind, también han enfrentado escrutinio sobre sus prácticas de entrenamiento. En 2024, la Oficina de Derechos de Autor de los Estados Unidos lanzó una consulta pública sobre IA y derechos de autor, buscando aportes de las partes interesadas. La oficina ha emitido orientación que establece que las obras generadas por IA pueden no ser protegibles por derechos de autor si carecen de autoría humana, pero la cuestión de los datos de entrenamiento sigue sin resolverse.
Resultados Potenciales y Cronología
Los expertos legales esperan que el caso tarde varios años en resolverse, dada la complejidad de los problemas y el potencial de apelaciones. Una moción de juicio sumario podría presentarse en 2025, con un juicio posiblemente en 2026 o más tarde. La Corte Suprema podría finalmente necesitar pronunciarse sobre la cuestión del uso justo, como lo hizo en el caso Google contra Oracle (2021), que involucraba la copia de código.
Si los demandantes prevalecen, podrían recibir daños sustanciales, pero más importante, el fallo podría obligar a OpenAI a cambiar sus prácticas de entrenamiento. La empresa ya ha comenzado a licenciar contenido de algunos editores, como un acuerdo con Axel Springer en diciembre de 2023, pero una orden judicial sería más vinculante.
Si OpenAI gana, validaría el enfoque actual del entrenamiento de IA y probablemente fomentaría una recopilación de datos más agresiva. Esto podría llevar a una reacción negativa de los creadores y posiblemente impulsar nueva legislación. Algunos comentaristas han sugerido que una solución legislativa, como un esquema de licencias obligatorias, podría ser preferible al litigio, ya que proporcionaría certeza para ambas partes.
Conclusión
Authors Guild contra OpenAI (2023) representa un punto crítico en la relación entre IA generativa y la ley de propiedad intelectual. El caso prueba si los marcos de derechos de autor existentes pueden acomodar la práctica novedosa de entrenar modelos con vastas cantidades de texto. Su resultado afectará no solo a las partes involucradas sino también al desarrollo futuro de las tecnologías de IA y los derechos de los creadores en todo el mundo. A medida que el litigio avanza, probablemente dará forma a las normas de la industria y los estándares legales durante años.