Detrás de cada modelo de inteligencia artificial generativa hay un volumen masivo de obras que fueron utilizadas como insumo para su desarrollo. Textos, imágenes, música, código fuente, artículos periodísticos y libros completos son procesados por estos sistemas durante su fase de entrenamiento de inteligencia artificial, que es el proceso mediante el cual el modelo analiza patrones en grandes volúmenes de datos para aprender a generar contenido nuevo. La pregunta que los tribunales de medio mundo están intentando responder —y que la legislación argentina todavía no ha abordado de manera específica— es si esa utilización masiva de obras protegidas por derecho de autor constituye una infracción o si puede encuadrarse como un uso legítimo.
Esta cuestión es distinta al debate sobre la titularidad del output, es decir, sobre quién es el dueño de lo que la IA genera, un tema que ya analizamos en otra oportunidad. Lo que se discute aquí es la legalidad del input, es decir, si las obras de terceros que alimentaron el proceso de entrenamiento fueron utilizadas con autorización suficiente o si, por el contrario, esa utilización viola los derechos de sus autores. La diferencia no es menor, porque las consecuencias jurídicas y económicas de cada respuesta son radicalmente distintas.
Cómo funciona el entrenamiento de inteligencia artificial y por qué involucra derechos de autor
Para entrenar un modelo de lenguaje o de generación de imágenes, los desarrolladores necesitan compilar un corpus de datos de entrenamiento que, en la práctica, consiste en millones o miles de millones de obras obtenidas de internet, de bases de datos, de repositorios académicos o de bibliotecas digitales. El modelo procesa ese corpus y aprende a identificar patrones estadísticos que luego utiliza para generar contenido nuevo. El proceso implica, al menos, una reproducción técnica de las obras que componen el corpus, y es ahí donde entra en juego el derecho de autor.
Desde el punto de vista técnico, los desarrolladores de modelos de IA sostienen que el entrenamiento es un uso transformativo, porque el sistema no almacena las obras originales sino que extrae patrones abstractos que luego se manifiestan en la generación de contenido nuevo. Sin embargo, la reproducción de las obras existe —al menos en la fase de ingesta y procesamiento—, y en muchos casos los modelos son capaces de generar outputs que reproducen de manera sustancial fragmentos de las obras con las que fueron entrenados. Esta capacidad de reproducción en el output es uno de los factores que los tribunales están evaluando para determinar si el entrenamiento constituye un uso legítimo o una infracción.
El panorama de litigios a nivel global
El año 2025 marcó un punto de inflexión en la discusión judicial sobre el entrenamiento de inteligencia artificial y derechos de autor. En Estados Unidos, el caso Thomson Reuters v. Ross Intelligence produjo la primera sentencia definitiva, determinando que el uso de notas editoriales de Westlaw para entrenar un sistema de investigación jurídica no constituía fair use, porque el producto resultante competía directamente con el servicio original. Esta decisión fue particularmente relevante porque puso el foco en el factor de impacto de mercado como criterio determinante.
En el caso Bartz v. Anthropic, el tribunal estableció una distinción que reorganizó todo el panorama litigioso. El entrenamiento con obras adquiridas legítimamente fue considerado un uso transformativo protegido por fair use, pero el entrenamiento con obras obtenidas de fuentes piratas no lo fue, exponiendo al desarrollador a indemnizaciones por infracción intencional. Anthropic acordó un convenio de 1.500 millones de dólares para resolver la porción de piratería del caso, sin que ello afectara la determinación favorable de fair use sobre el corpus lícito. La lección que dejó este caso es contundente y apunta a la procedencia de los datos como factor crítico del análisis.
En Europa, los tribunales se movieron en una dirección más restrictiva. En Alemania, el tribunal de Múnich determinó en noviembre de 2025 que el entrenamiento con letras de canciones sin licencia era ilícito bajo el derecho de autor alemán, rechazando la aplicación de la excepción de minería de texto y datos. En el Reino Unido, la Alta Corte estableció que los pesos del modelo no constituyen una “copia infractora” de las obras originales, pero dejó abierta la cuestión sobre la reproducción en la fase de ingesta. Mientras tanto, la demanda del New York Times contra OpenAI sigue su curso en Nueva York, centrándose en si ChatGPT puede reproducir artículos del diario con una similitud suficiente como para configurar infracción en el output.
El marco de la Ley 11.723 argentina y la ausencia de fair use
Argentina no tiene doctrina de fair use. A diferencia del sistema estadounidense, donde el uso legítimo se evalúa caso por caso mediante un test de cuatro factores (propósito y carácter del uso, naturaleza de la obra, cantidad utilizada e impacto en el mercado), la Ley 11.723 de Propiedad Intelectual establece un régimen de excepciones cerradas. El artículo 10 permite la cita con fines didácticos o científicos, hasta un máximo de mil palabras u ocho compases en obras musicales. Los artículos 27 y 28 prevn excepciones para fines educativos. Y nada más.
Esto significa que, bajo el derecho argentino, el entrenamiento de inteligencia artificial con obras protegidas difícilmente pueda ampararse en alguna excepción legal. La reproducción de una obra —total o parcial, transitoria o permanente— requiere autorización del titular como regla general. No existe una excepción de minería de texto y datos (text and data mining o TDM) como la que prevé la Directiva europea de derechos de autor en sus artículos 3 y 4. No hay un test flexible de fair use como el del derecho estadounidense. Y las excepciones existentes —cita académica, uso educativo— no fueron diseñadas para cubrir la ingesta masiva de obras con fines de entrenamiento de modelos comerciales.
Para las organizaciones que desarrollan o utilizan modelos de IA en Argentina, esta ausencia de excepciones no es un dato teórico. Si un titular de derechos demuestra que su obra fue utilizada como dato de entrenamiento sin autorización, el régimen de la Ley 11.723 ofrece pocas defensas. La falta de una regulación específica sobre IA no equivale a un permiso. Equivale, más bien, a la aplicación lisa y llana de las reglas generales de propiedad intelectual, que en Argentina son considerablemente más restrictivas que en los países donde se están definiendo los contornos de esta discusión.
El rol de los términos de uso y el archivo robots.txt
Una parte significativa de los datos de entrenamiento de inteligencia artificial se obtiene mediante técnicas de scraping o extracción automatizada de contenido desde sitios web. Esto añade una capa adicional de análisis, porque muchos sitios web prohíben expresamente en sus términos de uso la extracción automatizada de contenido, y un número creciente de plataformas están actualizando sus archivos robots.txt específicamente para bloquear los bots de entrenamiento de modelos de IA.
En la Unión Europea, la Directiva de Derechos de Autor establece que la excepción de minería de texto y datos para fines comerciales solo aplica si el titular de los derechos no la ha excluido de forma apropiada, lo que en la práctica se instrumenta mediante señales legibles por máquina como el archivo robots.txt. Esto significa que un robots.txt que bloquee el acceso de bots de IA funciona, en el contexto europeo, como una reserva de derechos jurídicamente relevante. En Argentina, aunque el robots.txt no tiene una consagración legal específica, ignorar las restricciones de acceso establecidas por el titular del sitio puede ser interpretado como un indicio de mala fe, especialmente cuando se combina con términos de uso que prohíben el scraping.
La transparencia como exigencia emergente
Una tendencia regulatoria que está ganándose terreno a nivel global es la exigencia de transparencia sobre las fuentes de datos utilizadas en el entrenamiento de inteligencia artificial. El Reglamento Europeo de IA (AI Act), en su artículo 53.1.d, obliga a los proveedores de modelos de IA de propósito general a publicar un resumen suficientemente detallado del contenido utilizado para el entrenamiento. La Organización Mundial de la Propiedad Intelectual ha identificado esta cuestión como una de las prioridades de su agenda sobre IA y propiedad intelectual. Y en el ámbito judicial, los tribunales estadounidenses ordenaron a OpenAI la producción de aproximadamente 20 millones de registros desidentificados de ChatGPT como parte del proceso de discovery en el litigio consolidado.
Para las organizaciones que desarrollan modelos de IA en Argentina o que utilizan modelos entrenados por terceros, esta tendencia tiene implicancias prácticas concretas. La pregunta “¿de dónde salieron los datos de entrenamiento?” es una pregunta que, tarde o temprano, deberán responder, ya sea ante un regulador, ante un tribunal, ante un inversor en un proceso de due diligence o ante un titular de derechos que identifique su obra en el corpus. Documentar la procedencia de los datos, las licencias obtenidas y las decisiones adoptadas respecto de la composición del corpus es una medida de diligencia que puede marcar la diferencia entre una posición defensiva sostenible y una exposición difícil de justificar.
Implicancias del entrenamiento de inteligencia artificial para desarrolladores y usuarios de modelos
El panorama actual del entrenamiento de inteligencia artificial y su relación con los derechos de autor genera obligaciones concretas tanto para quienes desarrollan modelos como para quienes los utilizan. Para los desarrolladores, la procedencia del corpus de entrenamiento se ha convertido en un factor crítico de riesgo legal. Utilizar obras obtenidas de fuentes piratas, ignorar los términos de uso de los sitios de los que se extraía contenido o prescindir de licencias cuando están disponibles son conductas que, a la luz de la jurisprudencia reciente, agravan significativamente la exposición.
Para quienes utilizan modelos de IA desarrollados por terceros, la cuestión no es menos relevante. Si el modelo fue entrenado con datos obtenidos ilícitamente, la cadena de responsabilidad puede alcanzar a quien lo implementó y lo utilizó para generar contenido con valor comercial. Los contratos con proveedores de IA deberían incluir representaciones y garantías sobre la legalidad de los datos de entrenamiento, cláusulas de indemnidad y mecanismos de auditoría, especialmente cuando el output se integra en productos o servicios destinados al mercado. El asesoramiento legal especializado en la evaluación de estos contratos y en la estructuración de políticas internas de uso de IA es una necesidad que las organizaciones no pueden seguir postergando.
Un debate que recién comienza
La discusión sobre la legalidad del entrenamiento de inteligencia artificial con obras protegidas está lejos de resolverse. Los tribunales de distintos países están llegando a conclusiones parcialmente contradictorias, los marcos regulatorios están en construcción y las soluciones de mercado —como los acuerdos de licenciamiento entre titulares de derechos y desarrolladores de IA— recién empiezan a consolidarse. Lo que ya está claro es que la era del entrenamiento masivo sin restricciones está terminando, y que tanto la regulación como la jurisprudencia avanzan hacia un escenario donde la procedencia de los datos, la transparencia del proceso y el impacto en el mercado de las obras originales serán los criterios determinantes.
Para el ecosistema tecnológico argentino, donde la Ley 11.723 no ofrece las válvulas de escape que otros ordenamientos contemplan, la prudencia es especialmente aconsejable. Quienes desarrollen modelos de IA con datos de entrenamiento obtenidos de fuentes no licenciadas, o quienes implementen modelos de terceros sin evaluar la procedencia de sus datos, están asumiendo un riesgo que la evolución regulatoria y jurisprudencial solo va a incrementar.
Preguntas frecuentes sobre entrenamiento de IA y derechos de autor
¿Es legal usar obras protegidas para entrenar un modelo de IA?
Depende de la jurisdicción y de las circunstancias. En Estados Unidos, los tribunales están evaluando caso por caso bajo la doctrina de fair use, con resultados dispares. En la Unión Europea, la excepción de minería de texto y datos permite ciertos usos si el titular no los excluyó mediante señales legibles por máquina. En Argentina, la Ley 11.723 no contempla una excepción para este tipo de uso, lo que hace que la reproducción de obras con fines de entrenamiento quede sujeta a la regla general de autorización del titular.
¿Qué importancia tiene la procedencia de los datos de entrenamiento?
Es un factor crítico. El caso Bartz v. Anthropic estableció que el entrenamiento con obras adquiridas legítimamente puede constituir fair use, pero que el uso de obras obtenidas de fuentes piratas no lo es y expone al desarrollador a responsabilidad agravada. Esta distinción entre corpus lícito e ilícito es, posiblemente, la línea más clara que ha trazado la jurisprudencia hasta ahora.
¿Qué pasa si uso un modelo de IA entrenado por un tercero?
La responsabilidad puede alcanzar también a quien implementa y utiliza el modelo, especialmente si genera contenido con valor comercial. Es recomendable que los contratos con proveedores de IA incluyan garantías sobre la legalidad de los datos de entrenamiento y cláusulas de indemnidad frente a reclamos de titulares de derechos.
¿Existe en Argentina alguna excepción que ampare el entrenamiento de IA con obras protegidas?
No existe a la fecha una excepción específica. La Ley 11.723 prevé excepciones cerradas (cita académica, uso educativo) que no fueron diseñadas para cubrir la ingesta masiva de obras con fines de entrenamiento de modelos comerciales. Tampoco existe una excepción de minería de texto y datos como la del derecho europeo. Hasta que la legislación se actualice, la regla general es que la reproducción requiere autorización del titular.
¿Qué medidas de diligencia se recomiendan?
Documentar la procedencia de los datos de entrenamiento, obtener licencias cuando estén disponibles, respetar las restricciones de los términos de uso y los archivos robots.txt de los sitios fuente, evaluar contractualmente la legalidad de los datos cuando se utilizan modelos de terceros, y monitorear la evolución regulatoria y jurisprudencial en esta materia.
