En julio pasado, se hizo público que Bloomsbury Publishing, la editorial detrás de la saga de Harry Potter, y diversos autores, recibirán aproximadamente 19 millones de dólares de la empresa de inteligencia artificial Anthropic. Este monto forma parte de un acuerdo más amplio, valorado en 1.500 millones de dólares, que surge de una demanda colectiva. La demanda alegaba que Anthropic, desarrolladora del modelo de lenguaje Claude, utilizó una vasta cantidad de libros para entrenar sus sistemas de IA sin la debida autorización de las casas editoriales.
Este arreglo se enmarcó dentro del caso "Bartz contra Anthropic PBC", resuelto en un tribunal de distrito del norte de California. Las implicaciones de esta resolución podrían ser significativas para el futuro de la inteligencia artificial, la industria editorial y la gestión del conocimiento en general.
El "Proyecto Panamá": escanear y destruir
Un aspecto revelado durante el proceso judicial es la práctica de Anthropic, denominada internamente "Proyecto Panamá". Este proyecto implica la adquisición de bibliotecas completas de libros usados, su desmantelamiento para escanear las páginas individualmente a alta velocidad y, posteriormente, la destrucción de los volúmenes mediante reciclaje.
Un memorando interno de Anthropic, presentado como prueba en el juicio, define el Proyecto Panamá como "nuestra iniciativa para escanear de forma destructiva todos los libros del mundo". El documento también aconsejaba discreción, indicando que no deseaban que esta práctica fuera ampliamente conocida.
Según reportes de The Washington Post, la empresa encargada del escaneo utilizaba una "máquina hidráulica de corte" para separar los libros, cuyas páginas eran luego procesadas por "escáneres de alta velocidad y calidad, de nivel industrial". Posteriormente, se coordinaba con una empresa de reciclaje para la disposición de los libros procesados.
Derechos de autor y el concepto de "uso justo"
La controversia central radica en la interpretación del "uso justo" (fair use) en el contexto del entrenamiento de modelos de IA. Anthropic pudo haber optado por obtener los permisos de derechos de autor necesarios para utilizar libros electrónicos existentes. Sin embargo, como señaló Kathryn James en The Guardian, el cofundador y director ejecutivo de Anthropic describió esta vía como una "tediosa tarea legal, operativa y empresarial".
Inicialmente, Anthropic recurrió a fuentes pirateadas, una decisión que influyó en el acuerdo extrajudicial de 1.500 millones de dólares. Cuando la piratería se volvió legalmente compleja, la compañía adoptó el escaneo destructivo. Sorprendentemente, un juez dictaminó que el uso de material protegido para "entrenar" un gran modelo de lenguaje no constituye una infracción de los derechos de autor.
James subraya que, a juicio del tribunal, "entrenar" un producto corporativo parece equipararse a la formación de un ser humano, es decir, enseñarle a leer para que aprenda a escribir.
Implicaciones en la Unión Europea y el futuro
La situación no se limita a Estados Unidos. Jannis Lennartz, de la Universidad Humboldt en Berlín, destaca que en la Unión Europea se observa una tendencia similar. Librerías en línea como Zoom Books están adquiriendo grandes volúmenes de títulos de no ficción que ya no tienen un mercado amplio, con el propósito de utilizarlos para el entrenamiento de modelos de IA.
Lennartz explica que, aunque la legislación de la UE no cuenta con un mecanismo tan flexible como la doctrina del "uso legítimo", el sistema de exclusión voluntaria (opt-out) asociado a la excepción para la minería de datos podría permitir que los libros usados se conviertan en material apto para este fin.
Se prevé que la práctica de escaneo destructivo de libros antiguos continúe, dado que muchas editoriales han cesado su actividad y numerosos autores han fallecido, lo que dificulta la gestión de derechos. Además, no todos los autores disponen de los recursos legales para proteger sus intereses.
Este debate sobre los límites legales de la digitalización de libros no es nuevo, remontándose a la era de Google Books, cuando Google digitalizó más de 40 millones de títulos sin el consentimiento inicial de los autores, aunque posteriormente implementó una cláusula de exclusión voluntaria. La llegada de la IA intensifica esta discusión, planteando nuevos desafíos para la protección de la propiedad intelectual en la era digital.
