GitHub Copilot esquiva demanda de US$9.000M por DMCA

El Noveno Circuito cierra (a medias) el caso Copilot

El Noveno Circuito de Apelaciones de Estados Unidos confirmó este miércoles la desestimación de las demandas presentadas por programadores anónimos contra GitHub Copilot y OpenAI Codex por violación de la sección 1202(b) de la DMCA (Digital Millennium Copyright Act). La sentencia, fechada el 16 de septiembre de 2026 y firmada de forma unánime por el juez Eric Miller, cierra una vía jurídica que los demandantes eligieron para pedir más de US$9.000 millones en daños —pero deja viva la pregunta de fondo que importa al resto de la industria.

El caso es Doe v. GitHub, Inc., número 24-7700, y llega cuatro años después de que el bufete Joseph Saveri y el abogado Matthew Butterick presentaran la demanda colectiva (expediente 4:22-cv-06823) en el Distrito Norte de California, en noviembre de 2022. El panel escuchó los argumentos en San Francisco el 11 de febrero de 2026 y publicó la opinión siete meses después.

¿Qué dice exactamente la sección 1202(b) de la DMCA?

La disputa gira en torno a una sola disposición. La sección 1202(b) prohíbe eliminar o alterar la llamada información de gestión de copyright (CMI): el nombre del autor, el aviso de copyright y los términos de la licencia. En código abierto, esa información aparece en la cabecera del archivo.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Los programadores sostenían que Copilot reproducía su código sin esas cabeceras, lo que —según su tesis— constituía una «eliminación» de CMI. Miller rechaza el argumento con una frase que probablemente se cite en futuros litigios: «Quien crea una obra nueva y omite incluir CMI no puede decirse que haya eliminado ni alterado nada».

El tribunal distingue entre dos comportamientos. Un motor de búsqueda recupera copias existentes y, si les quita el aviso, infringe la sección 1202(b). Copilot, según la propia descripción de los demandantes, predice una continuación estadísticamente probable a partir de patrones. No hay copia de la que quitar nada: hay una obra nueva que nunca tuvo CMI. Esa diferencia —recuperar frente a generar— es el corazón del razonamiento del Noveno Circuito, según el resumen del caso publicado por The Next Web.

El panel también aclara que no exige identidad literal entre la copia y el original: cambios cosméticos menores no protegen a quien reproduce sustancialmente una obra y le quita el aviso. La doctrina, escribe Miller en términos del fallo, es un «gloss» sobre el texto legal, no un elemento separado. Es decir, la puerta no queda cerrada del todo para casos futuros donde Copilot —u otra herramienta— emita código casi idéntico al del entrenamiento.

¿Por qué no se resolvió la pregunta del entrenamiento?

Los demandantes plantearon dos teorías. La primera —la de los outputs, ya perdida— decía que Copilot emite código memorizado del entrenamiento sin los avisos. La segunda —la de los inputs— atacaba el origen: que GitHub y OpenAI eliminaron los avisos del código antes de cargarlo como dato de entrenamiento.

El Noveno Circuito no entra en la segunda. No porque considere que no tiene fundamento, sino porque los propios abogados de los programadores la abandonaron en la vista. Cuando el juez de distrito preguntó directamente si la queja versaba sobre el uso del código en el entrenamiento, la respuesta fue «quizás no». El tribunal dejó escrito que «la queja no versa sobre el entrenamiento. Simplemente no lo hace». Nadie lo corrigió.

En términos jurídicos eso se llama forfeiture (renuncia o pérdida del derecho a alegar). El tribunal no dice que entrenar modelos con código bajo licencia sea legal: dice que estos demandantes ya no pueden alegarlo porque no lo plantearon a tiempo. La pregunta queda abierta para el próximo litigio.

La aritmética que explica el rechazo

El fallo no se limita a desestimar: explica por qué era necesario hacerlo. La sección 1203 de la DMCA permite hasta US$25.000 por violación. El copyright ordinario topa en US$30.000 por obra. Para una herramienta que responde a millones de consultas al día, la diferencia entre contar «violaciones» y contar «obras» es astronómica.

Miller escribe, según recoge el resumen de The Next Web: «Rechazamos la invitación de los demandantes a transformar reclamaciones ordinarias de infracción de copyright en reclamaciones bajo la DMCA». Permitir esa conversión, añade, expondría a los demandados a una responsabilidad «potencialmente ruinosa». Esa frase no es solo interpretación técnica: es política jurídica explícita —los tribunales no quieren que la DMCA se use para multiplicar los daños del copyright ordinario.

Qué sigue vivo en el litigio

Dos demandas por incumplimiento de contrato continúan ante el juez Jon Tigar en el Distrito Norte de California. Esas demandas no dependen del copyright federal, sino de las propias licencias open source: si los términos de atribución fueron violados al usar el código como dato de entrenamiento.

La abogada especializada Heather Meeker señala una debilidad difícil de sortear: muchas licencias open source vinculan la obligación de atribución a la redistribución del código, no a su uso interno en entrenamiento. Licencias permisivas como MIT o Apache pueden ofrecer menos protección de la que muchos desarrolladores asumían al publicar.

El contraste internacional: Suno pierde en Alemania

El contexto fuera de Estados Unidos cambia el panorama. El 31 de julio de 2026, el Tribunal Regional de Múnich resolvió que el generador musical Suno infringió derechos de autor al entrenar sus modelos con repertorio de la sociedad alemana GEMA, que según Variety reúne alrededor de 100.000 miembros. La sentencia obliga a Suno a licenciar el material y a pagar daños aún sin cuantificar.

Suno, con sede en Massachusetts y valorada en US$5.400 millones tras una ronda de junio, anunció que evalúa recurrir. El contraste con la decisión estadounidense es nítido: el mismo año, dos tribunales de dos jurisdicciones distintas llegan a conclusiones opuestas sobre modelos entrenados con material bajo copyright. Europa se consolida como jurisdicción más restrictiva para la IA generativa.

Los otros frentes abiertos

Anthropic cerró en julio de 2026 un acuerdo por US$1.500 millones para resolver una demanda colectiva de autores por piratería de libros usados como entrenamiento. El juez del caso consideró fair use el entrenamiento en sí, pero no el método de adquisición de los datos. Es, hasta hoy, el mayor acuerdo de copyright relacionado con IA.
El Departamento de Justicia de EE.UU. se posicionó este mes del lado de OpenAI en el litigio que enfrenta a la compañía con un grupo de editoriales, según el recuento de The Next Web.
El Noveno Circuito dio la razón a los demandantes en un punto que suele pasarse por alto: tienen legitimación activa (standing). El filtro de detección de duplicados de GitHub —que bloquea sugerencias idénticas a partir de 150 caracteres— fue tratado por el tribunal como evidencia circunstancial de que Copilot sí emite copias memorizadas. Esa evidencia basta en la etapa de moción de desestimación; el estándar se endurece en etapas posteriores.

Qué significa esto para tu startup

El fallo no legaliza Copilot: cierra una vía procesal y deja otras abiertas. Para un founder hispanohablante que usa IA para escribir o generar código, las implicaciones prácticas son tres:

Revisa la licencia del código que publicas —y del que consumes. Si tu startup depende de código open source generado por IA y quieres revenderlo, intégralo o distribuirlo, estás asumiendo un riesgo que las licencias permisivas no resuelven del todo. La discusión ahora se libra en incumplimiento de contrato, no en copyright federal.
No confíes en la salida de Copilot como escudo legal. El tribunal asume, por ahora, que Copilot genera código nuevo y no copia literal. Pero dejó abierta la puerta a demandar cuando la salida sea sustancialmente similar. Si tu producto depende de reproducir patrones muy específicos —plantillas, snippets propietarios, código con marcas identificables— considera un flujo de revisión humana o un mecanismo de filtrado equivalente al que GitHub ya ofrece.
Prepara un plan para operar en Europa. Si vendes en la UE, la decisión alemana sobre Suno marca el estándar: allí se exige licenciamiento previo del material usado en entrenamiento. Lo barato en tokens puede salir caro en cumplimiento.

La paradoja que deja el caso —los programadores que más usan Copilot son los que más código libre han publicado en GitHub, el mismo que alimenta el entrenamiento— no se resolverá en los tribunales. Se resolverá, como tantas cosas en IA, en cómo las comunidades decidan escribir las próximas licencias.