Derechos de autor y datos de entrenamiento

Que un texto esté publicado en internet no significa que se pueda copiar para entrenar un modelo. Cada pieza de un corpus tiene que tener un permiso: un contrato con quien la aportó, una licencia que lo permita o una excepción legal aplicable. Las reglas cambian de un país a otro. En la Unión Europea, por ejemplo, la directiva de derechos de autor de 2019 (2019/790) permite la minería de textos y datos sobre contenido al que se accede legalmente, pero el titular puede reservarse ese uso, y en lo que se publica en línea esa reserva se expresa por medios legibles por máquina. El reglamento europeo de IA, además, pide a los proveedores de modelos de uso general una política para cumplir con los derechos de autor que respete esas reservas.

Para un equipo técnico la consecuencia práctica es la misma en cualquier país: registrar la procedencia de cada lote con su permiso, leer los términos de cada sitio y respetar las reservas. Sin ese registro no se puede contestar a un reclamo.

El registro de fuentes es el primer documento que pedirá el área legal: de dónde viene cada parte del corpus y qué permiso la ampara. Una fuente cuyo permiso dice «ninguno» ya es un hallazgo; si además el titular había reservado el uso, la situación es más delicada.

Una política escrita no sirve si la herramienta que recolecta no la aplica. El registro de lotes dice si el rastreador detectó reservas y qué hizo con ellas; su configuración dice por qué. Ese dato separa un descuido de una decisión, y el área legal necesita saber cuál de los dos fue.

Para dimensionar el problema conviene separar lo que tiene permiso documentado de lo que no. Cuenta como permiso un contrato aceptado, una licencia que lo permite o la producción propia del equipo.

Un reclamo de un titular de derechos se trata como un incidente con consecuencias legales: se conserva la evidencia, se deja de usar lo que no tiene permiso y decide el área legal. Borrar el lote de un día para otro destruye justo lo que hace falta para contestar con exactitud, y negar el reclamo sin mirar el registro deja a la empresa sin defensa si luego aparece la prueba.