Tener acceso a un documento no te da permiso para entrenar una IA

Qué ha ocurrido

Un tribunal federal de apelación de Estados Unidos ha confirmado la victoria de Thomson Reuters frente a ROSS Intelligence. El litigio trataba sobre el uso de resúmenes jurídicos de Westlaw para entrenar un buscador legal con inteligencia artificial. ROSS defendía que ese uso estaba permitido por la excepción estadounidense de uso legítimo, pero el tribunal mantuvo la decisión contraria.

El mismo día, la Comisión Europea abrió una consulta sobre posibles medidas futuras en materia de derechos de autor y tecnología. Uno de sus cuatro temas es precisamente el uso de contenidos protegidos en inteligencia artificial. La consulta no cambia hoy la ley europea, pero confirma que el origen y el permiso de los datos de entrenamiento siguen siendo una cuestión abierta y relevante.

La diferencia que una empresa puede pasar por alto

Tener acceso significa que puedes leer o consultar un contenido en unas condiciones concretas. Entrenar una IA puede exigir copiarlo, transformarlo, conservarlo o entregarlo a un proveedor para que el sistema aprenda patrones. Son acciones distintas y el contrato de acceso puede permitir unas y prohibir otras.

Pagar una suscripción tampoco concede automáticamente todos los usos posibles. Es parecido a comprar una entrada para ver una película: te permite verla, pero no copiarla y utilizarla como material de un curso comercial. Con los datos ocurre algo similar. La clave no es solo si el archivo está disponible, sino de dónde procede, qué licencia tiene y para qué se va a utilizar.

Un ejemplo: el asistente que aprende de informes de pago

Ejemplo hipotético: una consultora paga por acceder a informes sectoriales y quiere crear un asistente que redacte análisis para sus clientes. Descarga todos los informes y los utiliza para ajustar un modelo. El equipo tiene acceso legítimo para leerlos, pero todavía no ha comprobado si la licencia permite copiarlos de forma masiva, incorporarlos a un sistema de IA o generar un producto que compita con la fuente.

La primera prueba segura no necesita empezar con ese material. La consultora puede utilizar informes propios, documentos de dominio público o contenidos con una licencia clara para ese uso. Después puede preguntar al proveedor de los informes por una autorización específica o diseñar una consulta limitada que respete el contrato. El objetivo no es paralizar el proyecto, sino evitar que una demostración técnica cree un problema contractual o de propiedad intelectual.

Cuatro usos que conviene separar

No todos los proyectos que consultan documentos hacen lo mismo. Antes de decidir, identifica cuál de estas acciones realizará el sistema:

• Leer un documento para una tarea interna puntual.
• Buscar fragmentos y mostrarlos como fuente al responder.
• Ajustar un modelo para que cambie su comportamiento con esos contenidos.
• Entregar los archivos a un proveedor que pueda conservarlos o utilizarlos para mejorar sus propios modelos.

Qué haríamos antes de cargar los documentos

Prepararíamos un inventario pequeño con cinco datos: propietario, origen, licencia o contrato, finalidad prevista y sistema que recibirá el contenido. Separaríamos los materiales en tres grupos: uso aprobado, uso pendiente de comprobar y uso descartado. Esa clasificación debe seguir al archivo cuando se copie a una carpeta, una base de conocimiento o una herramienta externa.

También revisaríamos la configuración del proveedor de IA. Hay que saber si guarda los datos, durante cuánto tiempo, quién puede acceder y si los usa para mejorar modelos generales. Una promesa comercial de privacidad no sustituye las condiciones aplicables a la cuenta y al servicio concretos.

Empezaríamos con documentos propios y una tarea reversible. Comprobaríamos las respuestas, las citas y la eliminación de los archivos antes de ampliar el conjunto. Si un contenido es imprescindible pero el permiso no está claro, lo dejaríamos fuera hasta resolverlo.

Fuentes consultadas

• Reuters — Un tribunal de apelación confirma la victoria de Thomson Reuters en el caso de entrenamiento de IA
• Comisión Europea — La Comisión consulta sobre tecnología, IA y derechos de autor