The European Union’s Artificial Intelligence Act (Regulation (EU) 2024/1689) has introduced several implementation guidelines, including the final Code of Practice (CoP) for the Implementation of the AI Act, issued in July 2025. The EU has also published detailed guidelines for reporting on data used for AI model training and obligations for providers of general-purpose AI models. The CoP addresses three key issues: transparency in the construction of AI models, model safety and security, and compliance with copyright in AI training data.
Compliance with transparency and safety requirements is straightforward. Frontier AI models can now generate their own transparency reports and conduct regular safety and security checks, ensuring that regulatory compliance costs do not exceed existing practices. However, copyright presents a more complex challenge. For frontier AI models, increased training data improves performance. Copyright obligations, however, limit the quantity and increase the cost of available data, potentially affecting the EU’s global competitiveness in AI.
Some CoP copyright provisions are logical, such as prohibiting the reproduction of copyright-protected content in model outputs and training only on lawfully accessible data. Other provisions are more problematic. These include transparency about the origins of datasets used for model training and managing the growing number of copyright holders who have opted out of model training in accordance with the EU Copyright Directive (Directive (EU) 2019/790).
EU regulators face a dilemma between adhering to EU copyright law and maintaining global competitiveness in AI. Modifying the law to accommodate AI data needs is not feasible in the short term. Full application of the law could endanger EU access to top AI models and services, eroding competitiveness. The CoP aims to balance these competing interests.
The CoP, along with the AI Act, aims to enhance transparency about the use of model training data. It assumes that this will facilitate licensing of copyright-protected data, ensuring copyright holders receive a fair share of AI revenues. However, this approach overlooks the high transaction costs and licensing fees involved in negotiating deals with millions of online rightsholders. For many small web publishers, transaction costs may exceed the value of licensing fees. The online advertising model is not easily transferable to AI licensing, and collective licensing does not offer a comprehensive solution. It replaces individual pricing with single collective prices determined by intermediaries, which does not solve the issue of tracking and assigning value to content use. Setting overall collective license prices for hundreds of AI models would fragment the EU AI regulatory landscape, as national copyright management organizations in EU countries would propose their own rules and pricing.
In an ideal scenario with a global copyright authority, an AI model might solve the vast computational problem of managing AI training data inputs, outputs, and revenues. However, such an authority does not exist, justifying the need for copyright exceptions. EU policymakers have opted for a different approach. The CoP guidelines for reporting training data require only a summary list of the most relevant online domains from which training data was scraped, allowing smaller publishers to be omitted. This aligns with the European Commission’s goal to improve the copyright framework but creates new challenges, such as biased training datasets, particularly detrimental to smaller EU language and cultural communities. Leading AI models are already biased towards large English-language communities and lack cultural diversity. These CoP copyright provisions undermine the AI Act’s aim to reduce bias in AI models.
The CoP defines AI training data broadly, including personal data protected by privacy rights, synthetic data generated by model developers, and data extracted from other AI models. Models themselves are not protected by copyright. Developers are increasingly secretive about the production of synthetic training data because it is a key factor in their competitiveness. The CoP’s vague formulation allows developers to provide only a brief narrative of data sources, giving considerable discretion to the AI Office responsible for implementing the EU AI Act.
The rapid evolution of AI models is reducing the importance of copyright-protected model training data. The latest generation of ‘reasoning’ models relies more on reinforcement learning with synthetic data, often extracted from other AI models. However, copyright remains crucial at the other end of the AI model lifecycle, when models retrieve data in real-time from external sources to respond to user queries. This data is not covered by the AI Act and CoP because copyright provisions are limited to data used for AI training, not data collected post-training.
La desigualdad en el tratamiento de los datos de entrenamiento y post-entrenamiento llevó a otra disposición de la 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 IA a asegurarse de que la conformidad con las opt-out de minería de datos no afecte negativamente la encontrabilidad de estos contenidos optados fuera de los motores de búsqueda. Esto significa que los datos que están fuera de los límites para los bots y modelos de IA 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 IA. Sin embargo, discrimina entre el aprendizaje por máquina y el aprendizaje humano. Las máquinas podrán recuperar menos información que los usuarios humanos de los motores de búsqueda, reduciendo la calidad de las respuestas de IA y obligando a los usuarios humanos a invertir más tiempo y esfuerzo cognitivo en construir sus propias respuestas. Esto mantiene los costos de aprendizaje humano 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 IA puede hacer que esta disposición de la CoP sea obsoleta pronto. Los datos recolectados por los bots de búsqueda y los bots de IA 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 IA, especialmente con el rápido aumento de los agentes de IA, y están buscando otras formas de generar ingresos.
La competencia global en la era de IA
El régimen de derechos de autor de la UE en IA solo puede mantenerse si los modelos de IA entrenados bajo regímenes más liberales en otras jurisdicciones pueden ser excluidos del mercado de la UE. Para ese propósito, la Ley de Inteligencia Artificial 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 IA. Por ejemplo, Japón aplica los 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 para el entrenamiento de IA. En la ley de derechos de autor de EE. UU., el uso transformador de contenido de medios para fines distintos de los originales puede constituir una excepción aceptable a la protección de los derechos de autor. Los tribunales de EE. UU. parecen estar moviéndose gradualmente en esa dirección para el entrenamiento de datos de IA. 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 IA. 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 IA como un uso transformador de datos de entrenamiento y conceden una excepción a la protección de los derechos de autor para estos datos, la UE tendría que alinearse con EE. UU. en materia de derechos de autor. La alternativa sería que la UE se retirara de la IA por completo. Los desarrolladores no reentrenarían modelos con datos aceptables en el mercado de la UE, reforzando una situación en la que apenas ningún modelo de IA líder ha sido entrenado en la UE hasta ahora. Los intentos de cambiar la ley de derechos de autor de la UE pueden también tener consecuencias negativas, potencialmente llevando a requisitos de transparencia aún más detallados para todos los inputs de entrenamiento de IA y una presunción en la ausencia de transparencia completa de que las obras relevantes se han utilizado para fines de entrenamiento de IA, lo que podría desencadenar procedimientos de infracción.
La CoP y la competencia de la UE
La suave debilitamiento de la aplicación de la ley de derechos de autor en la CoP, limitándola a los datos más relevantes utilizados para el entrenamiento de IA, ha permitido que la mayoría de los desarrolladores de IA 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 IA. Los reguladores de IA están atrapados entre la ley de derechos de autor de la UE y la competencia de la regla de IA con otros países. Los intentos de reformar esa ley pueden llevar muchos años y pueden tener consecuencias negativas. El peregrinaje puede ser la única opción factible a corto plazo.
Una política más satisfactoria
Una política más satisfactoria requeriría un debate sobre el papel de la IA 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. La ley de derechos de autor es el punto de partida incorrecto para ese debate. Fue diseñada originalmente para promover la creatividad e innovación. Pero en la era de IA, ha vuelto a ser una fuerza reaccionaria que disminuye el potencial de innovación, controlada por las industrias de los medios que representan menos del 4 por ciento del PIB. Mantenerse en la cima en la competencia global de IA requiere un régimen pro-innovación eficiente.
Una solución mejor
Una solución mejor sería que la ley de derechos de autor, o al menos su aplicación a los modelos de IA, se inspirara en 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 de la patente tiene el derecho de reproducción comercial de la invención original. Esto acelera la difusión y la acumulación del crecimiento del conocimiento y protege a los innovadores originales. Aplicar este enfoque a los datos para el entrenamiento de modelos de IA y a la recuperación de datos post-entrenamiento permitiría a los modelos de IA 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 de la UE sobre Derechos de Autor en el Mercado Único Digital (Directiva (UE) 2019/790). ¿Hasta qué punto pueden acercarse las salidas de los modelos de IA a los originales es una cuestión de la salida de los modelos de IA, no una cuestión de los inputs de datos. Al menos, mover el debate de política a las salidas permisibles de los modelos de IA abriría el camino para el aprendizaje ilimitado y el uso transformador en el lado de los inputs.
