Cuando entrenar IA con libros es “uso justo”: lecciones del caso Anthropic para la abogacía española

La noticia que recoge WWWhat's new resume en pocas líneas un giro relevante en la discusión global sobre IA y propiedad intelectual: un tribunal estadounidense ha considerado que entrenar modelos de lenguaje con libros sujetos a copyright puede constituir uso legítimo (fair use). Es la cuestión que llevaba sobre la mesa desde 2022: si los datasets masivos que alimentan los grandes modelos de lenguaje pueden construirse a partir de obras protegidas sin autorización previa. La respuesta en este caso concreto es afirmativa, pero con matices importantes: la misma compañía que obtiene ese reconocimiento jurídico, Anthropic, acepta a la vez un acuerdo por valor de 1.500 millones de dólares. Es decir, el aval al fair use no ha impedido un desenlace económicamente muy oneroso.

Para la práctica jurídica, el mensaje es menos triunfalista de lo que algunos titulares sugieren. La decisión apunta a que, en el derecho estadounidense, el entrenamiento de modelos puede beneficiarse de un paraguas de uso legítimo cuando concurren determinados factores (transformatividad, impacto en el mercado, naturaleza de la obra, etc.). Sin embargo, el acuerdo millonario evidencia que los litigios en esta materia son largos, complejos y con una exposición económica considerable. Entre la teoría del uso legítimo y la realidad del coste procesal se abre un espacio de riesgo en el que están hoy buena parte de las empresas de IA generalista y de quienes se apoyan en ellas sin una visibilidad clara de cómo y con qué se han entrenado sus modelos.

Desde España y la Unión Europea, además, el análisis no es trasladable sin más. Aquí la discusión pasa por las excepciones y límites al derecho de autor en materia de minería de textos y datos, por el margen que se reconoce a los titulares para reservar derechos mediante condiciones de uso y por un entorno regulatorio —incluido el Reglamento de IA— que mira con especial atención a los sistemas de propósito general y a la transparencia en sus datos de entrenamiento. En este contexto, despachos, editoriales, administraciones y empresas que trabajan con información jurídicamente sensible necesitan algo más que la promesa genérica de que “el modelo fue entrenado de forma legal”: necesitan entender qué ocurre con sus propios datos cuando utilizan una herramienta concreta y qué responsabilidad asumen en esa cadena.

Aquí es donde la aproximación de soluciones como HAL9000 se separa de las grandes plataformas generalistas descritas en el litigio estadounidense. Según la documentación pública de AbogaTIC, HAL9000 se ejecuta en infraestructura propia en España o en entornos privados del cliente, utilizando modelos open‑source servidos localmente, sin enviar las consultas, documentos o transcripciones a proveedores externos de IA ni utilizarlos para entrenamientos ajenos al cliente. El informe de auditoría de privacidad describe una arquitectura orientada a la minimización y el control: cifrado en reposo de los adjuntos, eliminación física de archivos una vez indexados y mecanismos de purga por identificador, así como una política de logs que excluye contenidos sensibles. No es una promesa abstracta de privacidad, sino un diseño técnico y organizativo que busca reducir la exposición de los datos jurídicos con los que trabaja el profesional.

La otra pieza clave es la trazabilidad. Frente a modelos que responden como cajas negras, HAL9000 ha sido evaluado en un benchmark end‑to‑end que no se limita a medir una API, sino la experiencia real de interfaz: en una muestra de 120 consultas, se mostraron 794 citas visibles y se abrió correctamente la totalidad de las fuentes verificadas. Esto no garantiza por sí solo exactitud semántica perfecta, pero sí introduce una señal relevante de robustez documental: el abogado ve qué norma o resolución respalda una afirmación y puede revisarla, en lugar de tener que fiarse de una respuesta sin rastro. En un escenario en el que los litigios por uso de obras protegidas pivotan precisamente sobre qué se ha utilizado, cómo se ha transformado y qué se reproduce, disponer de fuentes verificables y de un mapa de entidades ayuda a mantener el control sobre el fundamento jurídico que se está manejando.

En el plano funcional y ético, los propios términos de servicio de HAL9000 insisten en un punto que el caso Anthropic también pone en relieve desde otro ángulo: la IA no sustituye el juicio humano. La plataforma se define como herramienta de asistencia para investigación, análisis documental y apoyo a la redacción, destinada a profesionales del Derecho y supeditada a su criterio y supervisión. Incluso en el eventual uso por jueces o magistrados, los términos acotan esa utilización a tareas auxiliares (búsqueda, organización, anonimizaciones) que no impliquen valorar pruebas ni aplicar el Derecho a hechos concretos ni influir materialmente en una resolución. Esa delimitación encaja con una tendencia regulatoria europea que mira con especial cuidado la automatización de decisiones en el ámbito jurisdiccional y con una práctica prudente: aprovechar las capacidades de la IA sin delegar en ella funciones que el ordenamiento reserva a la persona.

El caso estadounidense sobre entrenamiento con libros protegidos, leído desde la abogacía tecnológica española, no debe interpretarse como carta blanca para cualquier uso de datos ni como aviso apocalíptico que desaconseje toda integración de IA; sí como recordatorio de que la elección de arquitectura, modelo de datos y gobernanza de la información es ya una decisión jurídica estratégica. Optar por una infraestructura controlada, localizada en España, sin subcontratación opaca con IA genérica y con trazabilidad reforzada no elimina por completo los riesgos —ninguna tecnología lo hace—, pero permite situarlos en un terreno más manejable: el del expediente controlado, las fuentes revisables y la supervisión profesional que sigue siendo, pese a todo, el último filtro. En ese espacio intermedio es donde probablemente se decidirá la próxima década de la abogacía y de la edición jurídica frente a la IA.

Para un análisis más amplio del caso y del contexto tecnológico, puede consultarse la entrada original en WWWhat's new: “Entrenar IA con libros protegidos por copyright es legal en EE.UU., pero le costó a Anthropic 1.500 millones”, disponible en https://wwwhatsnew.com.