Wikimedia propone un punto medio para los derechos de autor y el uso justo en IA

La Fundación Wikimedia ha entrado en la intensa batalla legal entre grandes editoriales y desarrolladores de IA al presentar un escrito de amicus curiae en la demanda que involucra a The New York Times, OpenAI y Microsoft. Presentado a finales de octubre de 2026, el escrito aboga por una interpretación matizada del uso justo que distingue entre cómo aprenden los modelos de los datos y cómo los presentan a los usuarios. Esta intervención busca proteger la web abierta mientras garantiza que los sistemas de IA respeten los términos de licencia del contenido que utilizan.

Qué ocurrió

La organización sin fines de lucro detrás de Wikipedia se está posicionando como mediadora en casos emblemáticos de derechos de autor que podrían definir el futuro de la inteligencia artificial. En su presentación legal, Wikimedia rechaza explícitamente los argumentos binarios presentados por ambas partes. Advierte que una victoria para las editoriales podría permitir a los titulares de derechos de autor controlar tecnologías transformadoras, mientras que una victoria total para las empresas de IA podría animarlas a ignorar los términos de licencia y interrumpir el flujo de conocimiento de los autores hacia las audiencias.

Wikimedia destaca que sus sitios web se han convertido en fuentes críticas de datos de entrenamiento para los sistemas de aprendizaje automático. Sin embargo, estos mismos sistemas a menudo desvían tráfico de Wikipedia, socavando a las comunidades de voluntarios que mantienen el sitio. La fundación argumenta que servicios como ChatGPT reproducen frecuentemente texto licenciado bajo Creative Commons sin cumplir con los requisitos de atribución y licencia compartida (share-alike). Esto crea una paradoja donde las herramientas de IA son útiles para los editores de Wikipedia en la lucha contra el vandalismo y la detección de violaciones, pero los modelos subyacentes pueden estar violando las mismas licencias que hacen disponible el contenido.

Las posiciones legales de los principales demandados varían en sus detalles. OpenAI ha caracterizado la regurgitación de obras protegidas por derechos de autor como un error raro en lugar de una función. Microsoft, en una presentación separada de septiembre, citó análisis de expertos indicando que su herramienta Copilot rara vez reproduce oraciones completas del contenido de noticias utilizado para fundamentar el modelo. Ambas empresas sostienen que su uso de modelos de lenguaje grandes constituye un uso justo. Por el contrario, The New York Times argumenta que extraer datos de su sitio web para construir conjuntos de datos de entrenamiento es una infracción directa de sus derechos de autor.

Cómo funciona

La propuesta de Wikimedia se basa en una distinción técnica y legal entre entrada y salida. La fundación argumenta que el acto de extraer datos de sitios web y utilizar obras protegidas por derechos de autor para preentrenar modelos de lenguaje grandes debe considerarse uso justo. Esto se debe a que el proceso de entrenamiento transforma los datos en un modelo estadístico que ofrece algo nuevo y diferente de las fuentes originales. El modelo aprende patrones, relaciones y estructuras lingüísticas en lugar de simplemente almacenar copias de artículos.

Sin embargo, el escrito establece una línea clara en la etapa de salida. Si un modelo responde a una consulta de usuario extrayendo copias de material y entregándolas de manera que sustituya la interacción del lector con la obra original, no debería calificar como uso justo. En este escenario, la salida de la IA actúa como un sustituto del contenido original en lugar de un análisis transformador. Wikimedia afirma que tales salidas requieren una licencia adecuada y el cumplimiento de términos como los de Creative Commons, que exigen crédito a la fuente original y requieren que las adaptaciones permanezcan bajo la misma licencia.

Detalles clave

• La Fundación Wikimedia presentó un escrito de amicus curiae en octubre de 2026 respecto a las demandas que involucran a The New York Times, OpenAI y Microsoft.
• Wikimedia argumenta que el entrenamiento de IA con datos protegidos por derechos de autor debería estar protegido bajo las doctrinas de uso justo.
• La fundación sostiene que las salidas de IA que reproducen verbatim o sustituyen obras originales requieren licencia.
• Los sitios de Wikipedia se describen como fuentes críticas de datos de entrenamiento, aunque el tráfico de IA desvía visitantes de la plataforma.
• OpenAI afirma que la regurgitación es un error raro, mientras que Microsoft declara que Copilot rara vez reproduce oraciones completas del contenido de noticias.
• Las licencias de Creative Commons requieren atribución y que cualquier remezcla o adaptación permanezca bajo los mismos términos de licencia.

Por qué importa

Para ingenieros de software y fundadores técnicos, esta distinción legal podría dictar cómo se construyen e implementan los productos de IA. Si los tribunales adoptan el punto medio de Wikimedia, los desarrolladores podrían necesitar implementar mecanismos de filtrado robustos para evitar la reproducción verbatim de los datos de entrenamiento en las salidas visibles para el usuario. Esto trasladaría la carga técnica de simplemente adquirir datos a garantizar que el proceso de generación del modelo respete la naturaleza transformadora del uso justo. No hacerlo podría exponer a las empresas a importantes responsabilidades por licencias.

El resultado también impacta la sostenibilidad de los ecosistemas de conocimiento abierto. Si los sistemas de IA pueden entrenarse libremente con datos abiertos pero deben licenciar las salidas directas, se crea una vía viable para la monetización y la atribución que apoya a los creadores de contenido. Este equilibrio asegura que los procesos colaborativos detrás de proyectos como Wikipedia puedan prosperar sin ser socavados por sistemas que extraen valor sin contribuir de vuelta a la comunidad. Refuerza la idea de que el acceso al conocimiento y el respeto a los contribuyentes son responsabilidades compartidas.

Qué puedes hacer

• Audita tus conjuntos de datos de entrenamiento para identificar contenido gobernado por licencias específicas como Creative Commons.
• Implementa filtros de salida para detectar y prevenir la reproducción verbatim de texto protegido por derechos de autor en las respuestas al usuario.
• Asegúrate de que tu aplicación proporcione la atribución adecuada al referirse o adaptar material licenciado.
• Revisa los términos de servicio de las fuentes de datos para entender las restricciones sobre el uso comercial y la redistribución.
• Diseña sistemas que prioricen el análisis transformador sobre la simple recuperación de contenido original.
• Mantente actualizado sobre los desarrollos legales en casos de derechos de autor de IA para ajustar las estrategias de cumplimiento en consecuencia.