Organizaciones civiles instan a la FTC a investigar la adquisición no autorizada de libros para entrenamiento de IA

La tensión regulatoria en torno a los derechos de propiedad intelectual y los macrodatos de entrenamiento ha alcanzado un nuevo punto de inflexión. Una coalición de más de doce organizaciones de derechos digitales, sindicatos de autores y defensores del interés público ha presentado una petición formal ante la Comisión Federal de Comercio de EE. UU. (FTC), solicitando una investigación exhaustiva sobre las prácticas de adquisición masiva de literatura comercial sin licencia por parte de las principales corporaciones de inteligencia artificial.

El dilema de los conjuntos de datos en la era de los LLMs de frontera

Durante los últimos tres años, la carrera por alcanzar modelos de lenguaje cada vez más competentes ha empujado a las empresas a agotar los repositorios de texto público en la web. Según el informe presentado ante la FTC, diversos laboratorios recurrieron a la compra de bases de datos pirateadas y copias no autorizadas de cientos de miles de obras literarias protegidas para alimentar sus arquitecturas de entrenamiento previo.

«El entrenamiento de modelos fundacionales no puede construirse sobre la base de la apropiación indebida sistemática del trabajo creativo. La ley antimonopolio y de protección al consumidor debe intervenir para garantizar un mercado justo y remunerado para los creadores.» — Petición conjunta ante la FTC, agosto 2026.

Impacto legal y comercial para los desarrolladores de IA

El reclamo legal presentado ante el organismo regulador sostiene que esta práctica constituye un método de competencia desleal y prácticas comerciales engañosas bajo la Sección 5 de la Ley de la FTC. Entre las medidas solicitadas destacan:

• Auditorías algorítmicas independientes de los conjuntos de datos de pre-entrenamiento para identificar obras sin licencia.
• Retención y segregación de pesos de modelos generados a partir de material con infracción comprobada de derechos de autor.
• Establecimiento de marcos obligatorios de compensación económica y licencias colectivas para autores y editoriales.

Hacia una gobernanza transparente de los datos de entrenamiento

Para los directores de tecnología y empresas que integran modelos comerciales, esta investigación resalta la imperiosa necesidad de exigir certificaciones de procedencia ética de datos a sus proveedores de IA. Utilizar modelos cuyos conjuntos de entrenamiento estén sujetos a litigios federales puede representar un riesgo operativo y de cumplimiento normativo considerable en el mediano plazo.