Las cosas están a punto de empeorar para la IA generativa

Responsabilidad y la cuestión de “a quién demandan”

• Fuerte desacuerdo sobre si el principal infractor es:
  • El usuario final que publica contenido generado por IA.
  • El proveedor del modelo que entrenó con datos con copyright y distribuye las salidas.
• Analogías utilizadas:
  • Músico de sesión cuyo riff copia “Stairway to Heaven”.
  • Contratista frente a la propiedad de IP del empleador.
  • Photoshop/Xerox como herramientas neutrales frente a un modelo que ya “contiene” obras protegidas.
• Algunos señalan que proveedores como OpenAI/Microsoft/AWS ofrecen indemnización limitada, aceptando implícitamente cierto riesgo.

Entrenamiento con datos con copyright frente a infracción en la salida

• Un bando: entrenar con obras protegidas ya es una infracción; los curadores deben asegurarse de usar solo datos debidamente licenciados o de dominio público.
• Otro bando: el entrenamiento es un “text and data mining” transformador y probablemente fair use (o está explícitamente exento en algunas jurisdicciones), con la infracción solo en el uso/la salida.
• Se citan la UE y Japón como lugares con excepciones específicas para TDM, aunque con matices de opt-out o “perjuicio irrazonable”; los resultados legales se ven como no resueltos/no claros.

Personajes con marca registrada y con copyright a partir de prompts vagos

• Ejemplos: “fontanero de videojuegos”, “droide dorado de una película clásica de ciencia ficción”, “esponja animada”, produciendo claras analogías de Mario/C-3PO/SpongeBob.
• Algunos dicen que estos prompts son, en efecto, solo solicitudes indirectas de IP específica, así que no resulta sorprendente ni exculpatorio.
• Otros subrayan que esto facilita que los usuarios infrinjan sin darse cuenta; los modelos actuales no advierten ni atribuyen.
• Mitigaciones propuestas:
  • Filtros de posprocesamiento o modelos de detección separados (como YouTube ContentID).
  • Bloqueo a nivel de prompt o de salida basado en bases de datos de marcas o reconocedores basados en modelos.
  • Los críticos argumentan que esto es técnicamente frágil, legalmente ambiguo y propenso a bloquear de más.

Impacto en artistas, incentivos y política de copyright

• Muchos artistas/creativos en el hilo ven la GenAI como algo que ya está dañando el trabajo freelance y los encargos, especialmente a individuos más que a grandes titulares de derechos.
• Contraargumento: la gente crea por razones intrínsecas; tecnologías pasadas (fotografía, sintetizadores) no mataron el arte; la creación se adaptará.
• Críticas más amplias:
  • Varios consideran que los plazos actuales del copyright (vida + décadas) son excesivos y favorecen a grandes corporaciones.
  • Las propuestas van desde acortar los plazos y fortalecer el fair use, hasta abolir el copyright o pasar a modelos de mecenazgo/gratuidad.
  • Otros advierten que vaciar el copyright principalmente empoderaría a las grandes tecnológicas para monetizar el trabajo de todos sin compensación.

Regulación, geopolítica y trayectorias futuras

• Algunos predicen que fuertes restricciones basadas en copyright “cojerán de un golpe” a la GenAI comercial en EE. UU./UE, mientras que los modelos abiertos/pirata y las jurisdicciones no occidentales avanzarán.
• Se trazan analogías con Napster frente a los torrents: incluso si los grandes servicios quedan restringidos o se ven obligados a reentrenar, los modelos y conjuntos de datos no censurados persistirán.
• Especulación sobre resultados:
  • Acuerdos de licencia e “impuestos de IA” sobre prompts o modelos.
  • Reglas separadas y más estrictas para usos de alto riesgo, con un trato más leve para la generación privada y no comercial.
  • Posible efecto disuasorio sobre la confianza en las salidas de IA si están fuertemente posfiltradas y son opacas.