El Tribunal Superior de Delhi rechazó una solicitud de la agencia de noticias india Asian News International (ANI) para obtener una medida cautelar preliminar contra OpenAI en una disputa de derechos de autor sobre el entrenamiento de IA y las respuestas de ChatGPT.

ANI, una de las agencias de noticias más grandes de India, demandó a OpenAI por el presunto uso de material periodístico protegido por derechos de autor en el entrenamiento de modelos y en respuestas generadas por ChatGPT. En una resolución provisional, el juez Amit Bansal negó la medida solicitada en ambos reclamos, abordando cuestiones sobre la memorización de modelos, la generación aumentada por recuperación (Retrieval Augmented Generation, RAG) y el estatus legal del uso de obras protegidas por derechos de autor para entrenar sistemas de IA. La decisión no pone fin a la demanda; establece la visión preliminar del tribunal y deja varias cuestiones para el proceso principal.

El experto en derecho de autor de IA Andres Guadamuz describió la decisión como una importante victoria inicial para OpenAI. Su análisis está disponible en El documento judicial también fue puesto a disposición en

Las pruebas de ANI no acreditaron una reproducción textual

ANI presentó ante el tribunal varias respuestas de ChatGPT que, según afirmó, eran copias sustanciales de sus artículos. OpenAI respondió que los modelos involucrados, GPT-4 y GPT-4o, habían sido entrenados con conjuntos de datos de abril de 2022 y abril de 2024. La mayoría de los artículos en los que ANI se basó como prueba fueron publicados en agosto y septiembre de 2024, lo que significa que no pudieron haber estado incluidos en esos conjuntos de datos de entrenamiento.

La visión preliminar del juez Bansal fue que las similitudes en las respuestas parecían derivarse de la generación aumentada por recuperación, un método que permite a un modelo de lenguaje recuperar información actual en línea en tiempo real de una manera comparable a un motor de búsqueda. Debido a que ANI no había abordado RAG en su presentación, el tribunal no emitió una decisión final sobre ese punto. El juez dijo que las respuestas basadas en RAG podrían potencialmente calificarse como “comunicación al público”, una cuestión reservada para el proceso principal.

El tribunal también señaló que ANI había usado prompts adversariales, instruyendo específicamente al modelo para reproducir artículos “exactamente”. Incluso con esos prompts, ANI no presentó una sola copia textual. El juez sostuvo que los hechos contenidos en artículos periodísticos, por lo general, no están protegidos por derechos de autor, y que reproducir temas y titulares no equivalía, en este caso, a una competencia directa con ANI.

Las pruebas no respaldaron la afirmación de ANI de que OpenAI almacena permanentemente datos de entrenamiento en sus modelos y puede reproducir las obras de la agencia textualmente a demanda. El tribunal dijo que esa cuestión será examinada nuevamente en el proceso principal.

El tribunal da respaldo preliminar al entrenamiento de IA como uso privado

ANI tampoco acreditó, en la etapa provisional, que la copia de su material por parte de OpenAI para el entrenamiento de IA constituyera una infracción de derechos de autor. Ambas partes coincidieron en que OpenAI había usado contenido de ANI durante el entrenamiento. OpenAI argumentó que ese material representaba solo una parte mínima del conjunto total de datos y que el modelo extrajo elementos no expresivos, incluidos gramática, sintaxis y patrones lingüísticos.

El juez consideró las excepciones previstas en la ley india de derechos de autor y se apoyó en una disposición que cubre el “uso privado o personal, incluida la investigación”. En esta etapa, interpretó “investigación” de manera lo suficientemente amplia como para incluir el entrenamiento de IA.

El tribunal estableció límites a ese enfoque. Las copias de entrenamiento deben provenir de fuentes legales, no de bibliotecas ocultas ni de sitios con muro de pago a los que se haya accedido sin permiso. El juez también señaló que OpenAI no hizo públicas las copias de entrenamiento y las procesó solo internamente. Guadamuz dijo que esta fue la primera vez que un tribunal determinó explícitamente que el entrenamiento de IA entra dentro de una excepción de uso privado.

El tribunal aplicó una prueba de equidad de tres partes y falló a favor de OpenAI en los tres puntos. Dijo que el uso de las obras de ANI por parte de OpenAI se limitó al entrenamiento porque no se había demostrado memorización ni reproducción. ANI tampoco logró demostrar daño económico, en parte porque las dos entidades operan en sectores diferentes. Según la resolución, incluso cuando los usuarios preguntan a ChatGPT sobre titulares de ANI, el modelo devuelve solo temas y, como máximo, algunos títulos de artículos.

El juez Bansal citó casos de Estados Unidos, incluidos Bartz v. Anthropic y Kadrey v. Meta, en los que las respuestas de modelos de lenguaje fueron tratadas como transformativas. También hizo referencia al fallo anterior de Google Books.

El tribunal además concluyó que los modelos de lenguaje entrenados pueden mejorar el acceso a la información, apoyar la educación, impulsar la investigación científica, asistir en el desarrollo de software, permitir la traducción y crear herramientas para personas con discapacidad.

Los fallos globales sobre derechos de autor e IA siguen divididos

La decisión de Delhi se suma a un conjunto creciente de fallos internacionales que han llegado a conclusiones distintas sobre IA y derechos de autor. En Estados Unidos, un juez desestimó una demanda presentada por Raw Story y AlterNet contra OpenAI porque los demandantes no pudieron demostrar un daño suficiente y la probabilidad de copias exactas era baja. Ese tribunal también sostuvo que los hechos no están protegidos por derechos de autor.

El caso GitHub Copilot también fracasó, ya que los demandantes no pudieron identificar un solo ejemplo de código idéntico. The Intercept, en contraste, obtuvo una victoria parcial mediante un reclamo bajo la DMCA relacionado con material protegido por derechos de autor que había sido eliminado antes del entrenamiento.

En Ross Intelligence v. Thomson Reuters, un tribunal rechazó una defensa de uso justo porque la herramienta de investigación de IA competía directamente con la base de datos legal Westlaw de Thomson Reuters, lo que hacía que el uso no fuera transformativo. El tribunal enfatizó que el fallo se aplicaba únicamente a ese caso de uso no generativo y no podía extenderse a los grandes modelos de lenguaje.

En el caso Anthropic, un tribunal federal de San Francisco describió el entrenamiento de IA con obras protegidas por derechos de autor como “espectacularmente” transformativo, una señal fuerte a favor del uso justo. Sin embargo, el tribunal también trazó una “comparación con Napster” porque Anthropic había usado libros pirateados de bibliotecas ocultas como datos de entrenamiento. El uso justo no cubre material obtenido ilegalmente. Anthropic pagó posteriormente $1.5 billion a autores de libros por el uso de esas copias pirateadas.

La Oficina de Derechos de Autor de Estados Unidos rechazó el argumento de la industria de IA de que entrenar con “vastos acervos de obras protegidas por derechos de autor” califica ampliamente como uso justo. La funcionaria que escribió el informe fue despedida por la administración Trump poco después de su publicación.

Los tribunales europeos también se han dividido sobre el tema. El Tribunal Regional de Múnich dictaminó en el caso GEMA que las letras de canciones eran reproducibles en los pesos del modelo, lo que convertía al modelo en una reproducción relevante a efectos de derechos de autor. El High Court de Londres desestimó la demanda Getty Images v. Stability AI, al resolver que un modelo de IA no es una “copia infractora”. Investigaciones que muestran que los modelos de lenguaje pueden memorizar libros protegidos por derechos de autor podrían intensificar el debate sobre la memorización.

En todos estos casos, varias preguntas centrales siguen sin resolverse: si los modelos de IA almacenan permanentemente datos de entrenamiento, si el entrenamiento puede calificarse como uso justo o una excepción comparable, dónde se traza la línea entre datos obtenidos legal e ilegalmente, y si las respuestas generadas mediante prompts adversariales reflejan el uso ordinario. El fallo de Delhi es significativo porque aborda varias de esas preguntas en una sola orden, pero su carácter provisional significa que pruebas posteriores aún podrían afectar la forma en que el tribunal trate el entrenamiento, la recuperación y la responsabilidad por las salidas.

Los medios enfrentan problemas más allá de los derechos de autor

La disputa también destaca una preocupación más amplia para la industria de los medios. Incluso si los tribunales deciden que el entrenamiento de IA es legal, los productos de búsqueda impulsados por IA todavía podrían afectar el mercado de noticias. Un estudio reciente de Pew Research Center encontró que las tasas de clic hacia sitios web externos caen al 8 percent cuando aparecen los AI Overviews de Google, en comparación con el 15 percent sin un resumen de IA. Los usuarios tienden a dejar de buscar después de recibir la respuesta de IA y con frecuencia no consultan otras fuentes.

Para agencias de noticias como ANI, los sistemas de IA que resumen noticias y reducen la necesidad de visitar la fuente original podrían debilitar con el tiempo el modelo de negocio de la industria, incluso sin una conclusión de infracción directa de derechos de autor.

El Tribunal Regional de Múnich I también resolvió recientemente que Google es directamente responsable por afirmaciones falsas en sus resúmenes de IA porque esos resúmenes cuentan como contenido independiente y no como resultados de búsqueda. La responsabilidad limitada que tradicionalmente ha protegido a los operadores de motores de búsqueda no se extiende a los resúmenes generados por IA bajo ese fallo.

Ese razonamiento podría volverse relevante para las respuestas de ChatGPT basadas en RAG. Cuando los sistemas de IA resumen noticias y hacen afirmaciones independientes, sus operadores pueden ser tratados como proveedores de medios con la responsabilidad correspondiente. Un cambio de ese tipo también podría afectar el análisis de uso justo, en el que un factor es si el nuevo producto compite con las obras con las que fue entrenado. Si los resúmenes de IA reemplazan las visitas a sitios de noticias, los tribunales podrían enfrentar mayores dificultades para concluir que el uso no es competitivo.