Un grupo de grandes editoriales, al que se suma un autor muy conocido, presentó una demanda colectiva que acusa a Google de infracción deliberada de derechos de autor y alega que la empresa usó sus libros y textos protegidos para entrenar sus grandes modelos de lenguaje Gemini sin permiso. La demanda se presentó el 13 de julio ante el Tribunal de Distrito de Estados Unidos para el Distrito Sur de Nueva York por parte de Hachette Book Group, Cengage Learning y Elsevier, junto con el autor superventas Scott Turow, y pide al tribunal una indemnización por daños establecida por ley, una orden judicial permanente contra nuevas infracciones y una orden para que Google destruya todas las copias no autorizadas de las obras que utilizó.

El detalle que distingue esto de una denuncia habitual de extracción de datos es el origen que los demandantes atribuyen al material. En lugar de acusar a Google solo de extraer texto de la web abierta, la demanda alega que Google recurrió a sus propios programas restringidos y de alcance limitado, en concreto Google Books, Google Play y Google Scholar, para entrenar las primeras versiones de Gemini. Esos programas dieron a Google acceso a enormes cantidades de material publicado bajo términos estrictos, para escanear, indexar, previsualizar o vender, y la afirmación es que el contenido obtenido para esos fines limitados fue luego reutilizado para construir un modelo comercial de inteligencia artificial. Eso replantea la disputa: ya no se trata de si era lícito extraer datos de internet, sino de si usaron lo que les entregamos para un propósito con el fin de construir algo completamente distinto.

La composición de los demandantes importa. Hachette, Cengage y Elsevier abarcan la edición comercial, educativa y académica, y Scott Turow es a la vez un novelista superventas y expresidente del Authors Guild, lo que da al caso alcance en rincones muy distintos del mundo editorial. Se presenta como una demanda colectiva putativa, lo que significa que, si el tribunal certifica el grupo, podría llegar a representar a un amplio conjunto de autores y editoriales y no solo a las partes nombradas, lo que eleva de forma acusada la escala potencial tanto de la responsabilidad como de cualquier acuerdo eventual.

Conviene situar esto en contexto, porque no ocurre de forma aislada. En los últimos dos años se ha presentado una oleada de demandas por derechos de autor contra empresas de inteligencia artificial, y los tribunales aún trabajan en la cuestión central que está en el centro de todas ellas: si entrenar un modelo con obras protegidas es un uso legítimo amparado por la ley o una infracción que requiere permiso y pago. Todavía no hay una respuesta firme, los fallos han ido en direcciones distintas y mucho podría depender en última instancia de detalles como el modo en que se adquirió el material y si el resultado compite con el original. El caso de Google se apoya con fuerza en ese primer factor, la adquisición, que es parte de lo que lo hace notable.

La razón por la que esto importa va más allá de una sola empresa. La cuestión del uso legítimo es uno de los asuntos sin resolver de mayor trascendencia en la inteligencia artificial, porque la respuesta determina sobre qué datos se puede construir legalmente la próxima generación de modelos y cuánto costarán esos datos. Esta demanda plantea la cuestión directamente a Google y añade un matiz incómodo: que los mismos programas que convirtieron a Google en un custodio de confianza de los libros del mundo, bajo promesas específicas a los titulares de derechos, sean ahora, según se alega, la fuente de sus datos de entrenamiento. Se trata de acusaciones y no de hechos probados, y los litigios como este suelen prolongarse durante años o resolverse en silencio, pero es otra señal clara de que el ajuste de cuentas por los derechos sobre los datos en la inteligencia artificial está llegando en serio, y que las empresas con el acceso más profundo a contenidos podrían cargar con el mayor riesgo legal.