Thomson Reuters contra ROSS: los datos de entrenamiento tienen dueño

El Tribunal de Apelación del Tercer Circuito de Estados Unidos ha confirmado que ROSS Intelligence no podía ampararse en el fair use (uso legítimo) para entrenar su herramienta de búsqueda jurídica con los resúmenes de jurisprudencia de Westlaw, propiedad de Thomson Reuters. La sentencia se dictó el 29 de septiembre bajo secreto, a la espera de suprimir la información confidencial, y se hizo pública al día siguiente, según IPWatchdog.

Es la primera vez que un tribunal federal de apelación estadounidense se pronuncia sobre el uso legítimo en el entrenamiento de IA.

Qué dice y qué no

El tribunal considera que el uso fue claramente comercial, apenas transformador y perjudicial para el mercado de Westlaw, incluido el mercado emergente de licencias de contenidos para entrenar IA. Ese último punto es el que más dará que hablar.

Conviene, sin embargo, no exagerar su alcance. ROSS no era una IA generativa: era una herramienta de búsqueda que competía directamente con el producto del que tomó los datos. La sentencia no resuelve si entrenar grandes modelos de lenguaje con obras protegidas es uso legítimo. Esa batalla sigue abierta. La Association of American Publishers la ha celebrado; organizaciones como Authors Alliance la han criticado.

La pregunta de fondo

Hace un año escribí aquí sobre el acuerdo de Anthropic con los autores. Desde entonces, la dirección parece clara: el contenido con el que se entrenan los sistemas de IA tiene valor, ese valor tiene dueño y la idea de que «todo lo que está en internet es gratis» pierde terreno en los tribunales.

Desde un punto de vista ético, me parece una evolución sana. Quien crea contenido de calidad —un editor jurídico, un periodista, un ilustrador— no debería subvencionar sin saberlo a quien construye un producto que compite con él.

Qué implica para una empresa usuaria

La mayoría de empresas no entrena modelos, pero sí alimenta sistemas de IA con contenidos: documentación técnica, bases de conocimiento, catálogos. Tres preguntas útiles:

1. ¿Tenemos derecho a usar este contenido así? Que un documento esté en nuestro servidor no significa que tengamos licencia para todo uso, sobre todo si es de terceros.
2. ¿Qué dicen los contratos con nuestros proveedores de IA sobre el origen de sus datos y las garantías frente a reclamaciones?
3. ¿Y nuestro propio contenido? Si es valioso, quizá convenga revisar en qué condiciones lo publicamos y quién puede usarlo para entrenar.

Las reglas sobre datos de entrenamiento se están escribiendo ahora, caso a caso. Mejor anticiparse que descubrirlas en una demanda.