La Unión Europea ha introducido varias directrices de implementación a través de la Ley de Inteligencia Artificial (Regulación (UE) 2024/1689), incluyendo el Código de Práctica (CoP) final para la Implementación de la Ley de AI, publicado en julio de 2025. El EU también ha publicado directrices detalladas para informar sobre los datos utilizados para el entrenamiento de modelos de AI y las obligaciones para los proveedores de modelos de AI generales. El CoP aborda tres problemas clave: transparencia en la construcción de modelos de AI, seguridad y seguridad de modelos, y cumplimiento con derechos de autor en los datos de entrenamiento de AI.
El cumplimiento con los requisitos de transparencia y seguridad es sencillo. Los modelos de AI fronterizos pueden generar ahora informes de transparencia y realizar revisiones de seguridad y seguridad regulares, asegurando que los costos de cumplimiento regulatorio no excedan las prácticas existentes. Sin embargo, los derechos de autor presentan un desafío más complejo. Para los modelos de AI fronterizos, el entrenamiento con datos aumentados mejora el rendimiento. Las obligaciones de derechos de autor, sin embargo, limitan la cantidad y aumentan el costo de los datos disponibles, lo que podría afectar la competitividad global de la UE en AI.
Algunas disposiciones del CoP sobre derechos de autor son lógicas, como la prohibición de la reproducción de contenido protegido por derechos de autor en las salidas de modelos y el entrenamiento solo en datos accesibles legalmente. Otras disposiciones son más problemáticas. Estas incluyen la transparencia sobre las fuentes de los conjuntos de datos utilizados para el entrenamiento de modelos y la gestión del creciente número de titulares de derechos de autor que han optado por no entrenar modelos en conformidad con la Directiva de Derechos de Autor de la UE (Directiva (UE) 2019/790).
Un dilema para los reguladores de la UE
Los reguladores de la UE se enfrentan a un dilema entre cumplir con la ley de derechos de autor de la UE y mantener la competitividad global en AI. Modificar la ley para adaptarla a las necesidades de datos de AI no es factible a corto plazo. La aplicación completa de la ley podría poner en peligro el acceso de la UE a los modelos de AI y servicios de vanguardia, erosionando la competitividad. El CoP busca equilibrar estos intereses en competencia.
El CoP, junto con la Ley de AI, busca mejorar la transparencia sobre el uso de datos de entrenamiento de modelos. Supone que esto facilitará la licencia de datos protegidos por derechos de autor, asegurando que los titulares de derechos de autor reciban una participación justa de las ganancias de AI. Sin embargo, esta aproximación pasa por alto los altos costos de transacción y las tarifas de licencia involucrados en negociar acuerdos con millones de titulares de derechos de autor en línea. Para muchos pequeños editores web, los costos de transacción pueden exceder el valor de las tarifas de licencia. El modelo de publicidad en línea no se puede transferir fácilmente a la licencia de AI, y la licencia colectiva no ofrece una solución integral. Reemplaza el precio individual por precios colectivos determinados por intermediarios, lo que no resuelve el problema de rastrear y asignar valor al uso del contenido.
Un desafío para la competitividad de la UE en AI
En un escenario ideal con una autoridad global de derechos de autor, un modelo de AI podría resolver el vasto problema computacional de gestionar los datos de entrada, salida y ganancias de entrenamiento de AI. Sin embargo, tal autoridad no existe, justificando la necesidad de excepciones de derechos de autor. Los políticos de la UE han optado por un enfoque diferente. Las directrices del CoP para informar sobre los datos de entrenamiento requieren solo una lista resumida de los dominios en línea más relevantes de los que se extrajeron los datos de entrenamiento, permitiendo que los pequeños editores web sean omitidos. Esto se alinea con el objetivo de la Comisión Europea de mejorar el marco de derechos de autor, pero crea nuevos desafíos, como los conjuntos de datos de entrenamiento sesgados, particularmente perjudiciales para las comunidades lingüísticas y culturales menores de la UE. Los modelos de AI líderes ya están sesgados hacia las comunidades de idioma inglés grande y carecen de diversidad cultural. Las disposiciones del CoP sobre derechos de autor socavan el objetivo del Acto de AI de reducir la sesgo en los modelos de AI.
El CoP define ampliamente los datos de entrenamiento de AI, incluyendo los datos personales protegidos por derechos de privacidad, los datos sintéticos generados por los desarrolladores de modelos y los datos extraídos de otros modelos de AI. Los modelos en sí mismos no están protegidos por derechos de autor. Los desarrolladores están cada vez más secretos sobre la producción de datos de entrenamiento sintéticos porque es un factor clave en su competitividad. La formulación vaga del CoP permite a los desarrolladores proporcionar solo una narrativa breve de las fuentes de los datos, dando considerable discreción a la Oficina de AI responsable de implementar el Acto de AI de la UE.
La evolución rápida de los modelos de AI
La evolución rápida de los modelos de AI está reduciendo la importancia de los datos de entrenamiento de modelo protegidos por derechos de autor. La última generación de modelos de ‘razonamiento’ depende más del aprendizaje por refuerzo con datos sintéticos, a menudo extraídos de otros modelos de AI. Sin embargo, los derechos de autor siguen siendo cruciales en el otro extremo del ciclo de vida del modelo de AI, cuando los modelos recuperan datos en tiempo real de fuentes externas para responder a consultas de usuarios. Este dato no está cubierto por el Acto de AI y el CoP porque las disposiciones de derechos de autor se limitan a los datos utilizados para el entrenamiento de modelos, no a los datos recopilados post-entrenamiento.
La desigualdad en el tratamiento de datos de entrenamiento y post-entrenamiento llevó a otra disposición de CoP que se extiende más allá de la ley de derechos de autor de la UE. La CoP instruye a los desarrolladores de modelos de AI a asegurarse de que la conformidad con las exclusiones de minería de datos no afecte negativamente la encontrabilidad a través de motores de búsqueda de estos contenidos optados fuera. Esto significa que los datos que están fuera de los límites para los bots y modelos de AI deberían aún ser recolectables por los bots de búsqueda operados por la misma empresa, manteniendo el flujo de tráfico de motores, ventas en línea y ingresos publicitarios a los sitios web de los editores. Esta disposición tiene como objetivo ayudar a los editores web a empujar hacia atrás contra la caída en el tráfico a sus sitios inducida por los motores de respuesta de AI. Sin embargo, discrimina entre el aprendizaje de máquina y el aprendizaje humano. Las máquinas podrán recuperar menos información que los usuarios humanos de motores de búsqueda, reduciendo la calidad de las respuestas de AI y obligando a los usuarios humanos a invertir más tiempo y esfuerzo cognitivo en construir sus propias respuestas. Esto mantiene los costos de aprendizaje humanos artificialmente altos, en comparación con lo que podrían ser con un campo de juego nivelado en el acceso a los datos entre motores de búsqueda y motores de respuesta. Finalmente, esto reduce la eficiencia del aprendizaje humano y ralentiza la innovación en la sociedad. La rápida convergencia entre motores de búsqueda y tecnologías de respuesta de AI puede hacer que esta disposición de CoP sea obsoleta pronto. Los datos recolectados por los bots de búsqueda y los bots de AI convergerán en la misma página. Las principales empresas de tecnología como Google, Microsoft y OpenAI ya ofrecen servicios de búsqueda y respuesta conjuntamente. Los editores web y las plataformas de comercio electrónico se dan cuenta de que la transición de la búsqueda a la respuesta es inevitable en la era de AI, especialmente con el rápido aumento de los agentes de AI, y están buscando otras formas de generar ingresos.
La regulación de derechos de autor de AI de la UE solo puede mantenerse si los modelos de AI entrenados bajo regímenes más liberales en otras jurisdicciones pueden ser excluidos del mercado de la UE
El Acta de AI de la UE incluye una cláusula de extraterritorialidad, una disposición controvertida porque la ley de derechos de autor es esencialmente territorial. Los países con regímenes de derechos de autor menos restrictivos tienden a hacer mejor en la innovación de AI. Por ejemplo, Japón aplica derechos de autor al uso de datos de medios ‘para el disfrute’ de los consumidores, pero permite una excepción de derechos de autor para el uso intermedio de AI. La ley de derechos de autor de EE. UU. permite una excepción de derechos de autor para el uso transformador de contenido de medios para fines diferentes de los originalmente previstos. Los tribunales de EE. UU. parecen estar moviéndose gradualmente en esa dirección para los datos de entrenamiento de AI. La administración de EE. UU. reconoce que la geopolítica EE. UU.-China y el deseo de EE. UU. de lograr la dominancia global es el principal impulsor de la carrera de AI. Quiere eliminar todas las barreras, incluidas las barreras regulatorias, que se oponen a lograr ese objetivo. Si los tribunales de EE. UU. aceptan los modelos de AI como un uso transformador de datos de entrenamiento y conceden una excepción a la protección de derechos de autor para estos datos, la UE necesitaría alinearse con EE. UU. en derechos de autor. La alternativa sería que la UE se retirara de la AI. Los desarrolladores no reentrenarían modelos con datos aceptables en el mercado de la UE, reforzando una situación en la que apenas ningún modelo de AI líder ha sido entrenado en la UE hasta ahora. Los intentos de cambiar la ley de derechos de autor de la UE también pueden tener consecuencias negativas, potencialmente llevando a requisitos de transparencia aún más detallados para todos los inputs de entrenamiento de AI y una presunción en la ausencia de transparencia completa de que las obras relevantes se han utilizado para fines de entrenamiento de AI, lo que podría desencadenar procedimientos de infracción.
La suave debilitación de la aplicación de la ley de derechos de autor en la CoP, limitándola a los datos más relevantes utilizados para el entrenamiento de AI, ha permitido que la mayoría de los desarrolladores de AI importantes se unan a la CoP, excepto por algunas excepciones notables
Los firmantes se han consolado con formulaciones vagas que dejan un margen considerable para la interpretación por la Oficina de AI. Los reguladores de AI están atrapados entre la ley de derechos de autor de la UE y la competencia de la regla de AI con otros países. Los intentos de reformar esa ley pueden llevar muchos años y pueden tener consecuencias negativas. El paseo por el agua puede ser la única opción factible a corto plazo.
Una política más satisfactoria requeriría un debate sobre el papel de la AI en la mejora del aprendizaje, la investigación y la innovación, y las condiciones bajo las cuales puede acceder a los datos para alimentar ese proceso
Los derechos de autor son el punto de partida incorrecto para ese debate. Fueron diseñados originalmente para promover la creatividad e innovación. Pero en la era de AI, han vuelto a ser una fuerza reaccionaria que disminuye el potencial de innovación, controlada por las industrias de medios que representan menos del 4 por ciento del PIB. Mantenerse en la cima en la competencia global de AI requiere un régimen pro-innovación eficiente.
Una solución mejor sería que la ley de derechos de autor, o al menos su aplicación a los modelos de AI, tomara algunas inspiraciones de las características pro-innovación de la ley de patentes
El contenido innovador de las patentes está disponible públicamente, y cualquier persona puede aprender de él, construir nuevas innovaciones alrededor o encima de él. Pero solo el titular del patente tiene el derecho a la reproducción comercial de la invención original. Esto acelera la difusión y la acumulación del crecimiento del conocimiento y aún protege a los innovadores originales. Aplicar este enfoque a los datos para el entrenamiento de modelos de AI y a la recuperación de datos post-entrenamiento permitiría a los modelos de AI y a los usuarios aprender de todo el contenido y los datos legítimamente accesibles. Esto podría lograrse ampliando la interpretación y la aplicación de la excepción de protección de derechos de autor para el procesamiento de datos digitales en el artículo 4§3 de la Directiva del Mercado Único Digital (Directiva (UE) 2019/790). ¿Cómo cerca pueden llegar los resultados de salida de AI a la original es una cuestión de salida de AI, no una cuestión de entradas de datos. Al menos, mover el debate político a los resultados de salida permitiría la libertad de aprendizaje y el uso transformador en la entrada.
