El gobierno de EE. UU. se pone del lado de OpenAI en el caso NYT: sostiene que el entrenamiento es 'uso justo transformador'

El poder ejecutivo ha elegido bando en la disputa de derechos de autor que define a la IA. La administración Trump presentó un escrito de interés de 20 páginas en la demanda de The New York Times contra OpenAI, sosteniendo que entrenar LLM con texto protegido por derechos de autor es uso justo transformador (TechCrunch). No es una sentencia, y sus autores no tienen jurisdicción sobre el Distrito Sur de Nueva York — pero es el respaldo más explícito del gobierno hasta la fecha a la doctrina de la que depende el proceso de entrenamiento de OpenAI. Nuestra lectura: ningún cambio operativo hoy, y la sentencia del SDNY — no este escrito — sigue siendo el evento decisivo. El peso real de la presentación es político: replantea el caso de "¿robó OpenAI?" hacia "¿una sentencia contra OpenAI frenaría la IA estadounidense?"

Qué pasó

TechCrunch informó el 2 de septiembre que la administración presentó el escrito en el caso del SDNY, apoyando a OpenAI contra las afirmaciones de NYT de que la empresa entrenó con los artículos del periódico sin permiso. La presentación sostiene que Estados Unidos tiene "un fuerte interés en seguir desarrollando una industria de inteligencia artificial robusta y competitiva que marque el estándar para la práctica y el procedimiento del uso de IA a nivel global", y se apoya en la orden ejecutiva que Trump firmó el año pasado comprometiendo al país a "mantener el liderazgo global en inteligencia artificial" (TechCrunch). Su afirmación central:

"Restringir el desarrollo de LLM por una mala comprensión de la doctrina del uso justo frustraría ese progreso creativo y científico al tiempo que obstaculizaría la prosperidad y la movilidad económica estadounidenses." — escrito de interés del gobierno de EE. UU. (vía TechCrunch)

El escrito aterriza en un entorno litigioso que ha venido favoreciendo a las empresas de IA en la cuestión del uso justo. El año pasado, el juez William Alsup aprobó un acuerdo de 1.500 millones de dólares entre Anthropic y un grupo de escritores — una sanción dirigida al uso por parte de Anthropic de bibliotecas en la sombra ilegales (shadow libraries) para piratear libros de entrenamiento, no al acto de entrenar en sí (TechCrunch). Alsup comparó el entrenamiento de un LLM con la lectura humana de un libro: "Como cualquier lector que aspira a ser escritor, los LLM de Anthropic se entrenaron con obras no para adelantarse, replicarlas o suplantarlas, sino para dar un giro y crear algo distinto" (TechCrunch).

Los límites importan tanto como el respaldo: el escrito no es vinculante, el caso se juzga en el Distrito Sur de Nueva York y el poder ejecutivo no controla esa sala (TechCrunch).

Por qué importa

Para quien construye con IA, la cuestión de los datos de entrenamiento es existencial: si el entrenamiento sin licencia no es uso justo, toda la pila de modelos de frontera es retroactivamente ilegal — y también lo es cada producto construido sobre ella. Esta presentación es una señal tanto como una jugada legal. El poder ejecutivo les dice a los tribunales y a la industria editorial que ve el entrenamiento de LLM como el tipo de uso transformador que la ley de derechos de autor existe para proteger. Las presentaciones no vinculantes igual mueven a los jueces, y esta le entrega al tribunal que lleva el caso del NYT un marco geopolítico para una cuestión doctrinal.

Qué cambia para ti

• Nada operativo hoy. Sin cambio de veredicto, sin cambio de código, sin fecha límite de cumplimiento — el escrito de interés es un alegato de parte, no derecho vigente.
• Si construyes sobre APIs de frontera: la presentación recorta — no elimina — el riesgo de cola de que la responsabilidad por los datos de entrenamiento termine en cascada hacia los modelos de los que dependes. Los eventos decisivos siguen siendo la sentencia del SDNY y lo que venga en apelación.
• Editores y negocios de licencias de contenido: espera que la posición de uso justo del gobierno endurezca la postura negociadora de la contraparte en la mesa de licencias.