Derechos de autor en iA: Trazabilidad, único recurso.
Autoría, originalidad y la ilusión de control en la iA generativa
La semana pasada quedó abierta una pregunta fundamental: el trabajo final hecho con inteligencia artificial, ¿a quién pertenece? La respuesta no reside en el código, sino en los tribunales, y varía drásticamente según el hemisferio en el que se entregue el resultado.
Sin embargo, hay una pregunta aún más incómoda que rara vez nos hacemos: ¿cuánto de lo que generamos con iA es realmente nuestro y cuánto estamos infringiendo sin saberlo?
El mito del porcentaje: por qué la originalidad no es matemática
Existe la tentación de pensar en términos aritméticos: "el 70% lo hizo la iA, el 30% lo edité yo, por lo tanto, es mío". Esta es una falacia. Ninguna jurisdicción en el mundo utiliza una fórmula porcentual para determinar la autoría; el derecho no opera con calculadora, sino con criterios cualitativos.
Aquí entra en juego el umbral de originalidad, un requisito jurídico que exige que una obra refleje una elección creativa personal y no una mera ejecución mecánica. Por lo tanto, la autoría no se mide en porcentajes, sino en la calidad de la intervención humana.
¿Por qué es imposible medir esto en porcentajes?
Primero, porque la iA no deja una "huella dactilar" proporcional en el resultado. No existe ninguna herramienta forense capaz de diseccionar un archivo final y sentenciar que "esta frase es 80% del modelo y 20% del usuario". Lo que sí se puede rastrear —la trazabilidad— es el proceso (los prompts, las iteraciones, los logs), pero no el resultado final en sí mismo.
Además, solemos confundir el "tiempo invertido" con la "autoría". Pasar tres horas ajustando prompts para que una iA genere una imagen no equivale legalmente a la autoría de esa imagen si no hubo una dirección creativa humana tangible sobre el resultado final. El esfuerzo no es autoría; la intervención crítica, sí.
La ilegalidad invisible: cómo infringimos sin saberlo
Para entender dónde comienza el riesgo, debemos mirar hacia atrás, al entrenamiento del modelo. El llamado copyright upstream (derechos de autor en la cadena de entrenamiento) plantea un problema jurídico crítico: si el entrenamiento de modelos de iA con obras protegidas constituye una infracción y si esa infracción se transmite a los resultados generados.
Todo modelo de iA fue entrenado con billones de tokens extraídos de internet: libros, artículos, imágenes, código y música. Gran parte de ese material está protegido por derechos de autor. Cuando el modelo genera un resultado, está interpolando patrones aprendidos de ese entrenamiento.
¿El resultado es una infracción?
Depende. Si el modelo genera algo sustancialmente similar a una obra protegida específica (por ejemplo, un personaje de una franquicia conocida o un logo registrado), la respuesta es sí. Si genera algo genérico que no se parece a ninguna obra específica, probablemente no. Pero la línea es difusa y el riesgo siempre existe.
La trampa de la autoría por sentido inverso: el error de confiar en Lens
Muchos profesionales intentan validar su autoría mediante una "búsqueda por sentido inverso": utilizan Google Lens (búsqueda inversa de imágenes) o herramientas similares como TinEye o Reverse Image Search para verificar si una imagen generada con iA es "original". La lógica es: "si la herramienta no encuentra una imagen idéntica en la web, entonces el resultado es original y, por extensión, es mío".
Es un error grave de concepto. Lens busca coincidencias visuales superficiales y exactas; no detecta si el modelo fue entrenado con obras protegidas, ni si el resultado es una derivación estilística de un artista específico, ni si el logo generado es una variación sutil de una marca registrada diseñada para evadir la búsqueda inversa.
En la práctica, esto significa que puedes entregar un logo a un cliente, creer que es original porque "no aparece en Lens", y meses después recibir una demanda por infracción de marca registrada. La herramienta de verificación no es un certificado de originalidad; es solo una búsqueda de coincidencias superficiales.
iA Local vs. iA Nube: la trazabilidad de la autoría
En este escenario, la trazabilidad —la capacidad de reconstruir el proceso completo de creación: qué modelo se usó, qué versión exacta, qué prompts se emplearon, qué parámetros de generación se aplicaron, cuántas iteraciones se realizaron y qué ediciones humanas se aplicaron al final— es lo que convierte una sospecha en evidencia. Es la diferencia entre decir "yo lo hice" y poder demostrarlo.
La clave técnica es el log: ese registro que documenta cada acción (fecha, hora, versión del modelo, prompt enviado, parámetros de generación como temperatura o top-p, y el resultado obtenido). Es la evidencia forense del proceso creativo.
En la iA local: Quien opera un modelo en Ollama o LM Studio con pesos bajo licencia Apache 2.0 o MIT controla el log completo. Posee el registro de la versión exacta del modelo, los prompts empleados y las iteraciones. Esa trazabilidad es evidencia defendible de la intervención humana, donde el operador decide qué conservar, cómo archivarlo y cuándo presentarlo.
En la iA en la nube: Quien opera ChatGPT, Claude o Gemini depende de los registros que el proveedor decida conservar y entregar. Las Condiciones de Servicio suelen limitar ese acceso: el usuario no siempre puede exportar el historial completo de iteraciones ni verificar con qué versión exacta del modelo se generó cada resultado.
En un litigio, quien no puede probar su proceso creativo, pierde la autoría. La autoría no se declara: se demuestra. Y lo que no se puede demostrar, no se puede defender.
Cómo varía la autoría según la región
Esta complejidad se agrava con la fragmentación jurisdiccional, situación en la que una misma obra puede tener distintos estatus legales según el país donde se registre o se dispute.
Para un profesional que entrega trabajo a clientes en múltiples jurisdicciones, esto no es un detalle académico, sino un riesgo contractual. Una misma pieza generada con Qwen (modelo asiático de pesos abiertos) o con Gemini (la oferta de iA en la nube de Google) puede estar protegida en un país y ser de libre uso en otro.
Estados Unidos: la U.S. Copyright Office ha sido taxativa: solo los seres humanos pueden ser autores. Los prompts no equivalen a autoría; solo la edición humana posterior puede protegerse. La iA es un pincel, no un pintor.
Unión Europea: Europa reguló la iA con el AI Act (Ley de IA), pero dejó la propiedad intelectual en un limbo. Cada Estado miembro interpreta el vacío a su manera. El Reino Unido, ya fuera de la UE, mantiene una excepción singular que otorga autoría a "la persona que realizó los arreglos necesarios" para una obra generada por computadora. Es una ficción jurídica útil, pero frágil ante un tribunal internacional.
China: En 2023, un tribunal de Beijing reconoció derechos de autor sobre una imagen generada con iA, atribuyéndolos al usuario que diseñó el prompt con esfuerzo creativo demostrable. El razonamiento fue utilitarista: si no se protege la inversión creativa en iA, se frena la industria.
Suiza: el IGE/IPI (Instituto Federal Suizo de Propiedad Intelectual) exige una contribución humana individual, pero reconoce que la línea entre herramienta y co-autor se vuelve difusa cuando el operador ejerce un control creativo sostenido. Es una posición técnica, sin dramatismos, coherente con la tradición jurídica suiza de ponderar casos concretos sobre principios abstractos.
La autoría no se declara: se demuestra
Para el diseñador, el consultor o el educador, la lección es operativa: documentar el proceso.
¿Cómo documentar?
Conservar los prompts exactos empleados.
Registrar la versión del modelo (no solo el nombre, sino el checkpoint específico).
Anotar los parámetros de generación (temperatura, top-p, etc.).
Guardar las iteraciones: qué se generó, qué se rechazó, qué se editó.
Documentar las ediciones humanas posteriores.
No confiar ciegamente en Lens o búsquedas inversas: son herramientas de verificación superficial, no certificados de originalidad.
No basta con decir "lo hice yo"; hay que poder mostrar cómo se hizo. La iA no resta autoría cuando el humano ejerce dirección crítica; la resta cuando el humano delega sin criterio. La herramienta es irrelevante; lo que importa es la huella del operador.
La pregunta que queda abierta
Pero queda otra pregunta, aún más incómoda: si el humano firma, ¿qué decide el modelo por él? La censura que se hereda sin saberlo será el tema de la próxima editorial.
Autor: Leo Utzinger
Asistente investigación: Qwen
Fuentes y verificación
Propiedad intelectual y jurisdicciones:
Herramientas de búsqueda inversa (verificación superficial, no certificación de originalidad):
Trazabilidad y herramientas de registro:
