Anthropic paga US$1.500M por entrenar IA con libros pirateados

El fallo que cambia la foto legal del entrenamiento de IA

El Tribunal de Distrito del Norte de California aprobó el acuerdo de US$1.500M entre Anthropic y los autores que la acusaban de entrenar Claude con libros pirateados, el resarcimiento más grande conocido en una demanda por derechos de autor en EE.UU. (Reuters, vía Gizmodo). La cifra se reparte entre unas 440.000 obras reclamadas, a un promedio cercano a US$3.000 por título, después de descontar honorarios. La jueza Araceli Martínez-Olguín firmó la aprobación definitiva, rechazó las 54 objeciones presentadas y rebajó la factura de honorarios legales desde US$187,5M hasta unos US$101,6M (IBTimes).

El caso que llegó a esa sentencia es Bartz et al. v. Anthropic, presentado en 2024. El juez William Alsup (jubilado tras el caso) dictó en junio de 2025 una resolución con dos partes bien diferenciadas que la prensa suele mezclar:

Entrenar un LLM con libros adquiridos legalmente es uso justo: el propósito del entrenamiento es "espectacularmente transformativo" y el modelo no reproduce las obras. Esta parte no se tocó con el acuerdo y sigue vigente como derecho aplicable en el distrito.
Descargar más de 7 millones de libros desde bibliotecas piratas como LibGen y PiLiMi y conservarlos en una biblioteca interna no es uso justo. Aquí es donde Anthropic eligió pagar para evitar un juicio donde cada obra intencionalmente pirateada podía costar hasta US$150.000 en daños statutory (eWeek).

Esa separación es la parte que importa para cualquier startup: la procedencia pesa más que el destino.

🤖 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

Project Panama: el dato que casi nadie conocía

Lo más revelador del expediente fueron los documentos internos de Anthropic del Proyecto Panama, desclasificados en el caso (IBTimes Singapore). El proyecto empezó a inicios de 2024: Anthropic compraba libros físicos en lotes, les quitaba el lomo con máquinas industriales, los escaneaba y mandaba los restos a reciclar. Una presentación interna lo describía sin rodeos: "Project Panama es nuestro esfuerzo por escanear destructivamente todos los libros del mundo", y añadía que la compañía "no quería que se supiera" que estaba haciéndolo.

La escala era enorme: las propuestas a proveedores hablaban de procesar entre 500.000 y 2 millones de libros en seis meses. Sobre esa práctica específica, el juez Alsup resolvió en junio de 2025 que la conversión del libro físico a archivo digital para almacenamiento y búsqueda era uso justo: era un reemplazo uno-a-uno, no una multiplicación de copias. Esa parte del fallo también sobrevive al acuerdo.

El contraste es lo que define el nuevo estándar: destruir un libro comprado para entrenar es legal; conservar copias digitales de libros pirateados es sancionable aunque el modelo entrenado sea idéntico.

Por qué ganó Anthropic en lo grande y perdió en lo caro

La paradoja del caso Bartz resume el momento legal de la IA generativa. Anthropic ganó el argumento del fair use sobre el entrenamiento, el principio que toda la industria necesitaba para respirar. Y al mismo tiempo pagó US$1.500M por la cadena de custodia de los datos, la pieza que aún no tiene un manual limpio.

El contraste de escala ayuda a dimensionarlo. Según memeburn (que cita al Financial Times), Anthropic proyecta US$100.000M a US$120.000M de ingresos anualizados para fines de 2026 y cerró una Serie H en mayo valorándola en US$965.000M. Para una compañía así, US$1.500M es un costo operativo (entre el 1% y el 2% de un año de ingresos esperados). Para una startup que entrena un modelo pequeño con un presupuesto limitado, una multa equivalente por la misma cantidad de obras podría ser terminal.

El nuevo documento maestro de cualquier empresa de IA ya no es el paper del modelo: es el expediente de adquisición de datos.

Qué casos siguen vivos y por qué te afectan

El acuerdo de Anthropic cierra su pelea, pero el resto del calendario sigue cargado, y cada uno marca una arista distinta del mismo problema:

Meta vs. cinco grandes editoriales (Elsevier, Cengage, Hachette, Macmillan, McGraw Hill): demanda por entrenar Llama con más de 267 terabytes de material descargado de sitios piratas (Yahoo). El mismo patrón del caso Bartz contra Anthropic, lo que deja a Meta en una posición procesal incómoda.
The New York Times vs. OpenAI y Microsoft: la demanda se actualizó en junio de 2026 con nuevas acusaciones contra Microsoft y se mantiene abierta (fuente original).
Google y Gemini: demanda separada por usar libros y artículos académicos más allá del propósito para el que se obtuvieron vía Google Books y Google Play Books (fuente original).
Thomson Reuters vs. Ross Intelligence: resuelto en febrero de 2025, el tribunal falló que entrenar un modelo con resúmenes jurídicos de Westlaw no es uso justo porque el producto competía directamente con Westlaw (fuente original). Es la pieza clave: la competencia directa convierte el mismo acto técnico en un caso distinto.

¿Qué significa esto para tu startup?

Para un founder hispanohablante que entrena, fine-tunea o integra LLMs, la lectura práctica es directa. La legalidad del entrenamiento ya no se discute como un bloque: se audita obra por obra y fuente por fuente.

Tres acciones concretas que podés implementar esta semana:

Mapea tu cadena de datos como si fuera un SOC2. Lista cada dataset, de dónde salió, con qué licencia entró y qué modelo lo consumió. Si tu proveedor upstream descargó algo de LibGen o LibGen-like, esa responsabilidad te llega. Un spreadsheet versionado hoy te ahorra una citación judicial en 2027.
Separa datasets de entrenamiento de datasets de grounding. El caso Bartz premia la procedencia legal, no la cantidad. Si dependes de RAG sobre contenido scrapeado, configura un pipeline distinto y firma acuerdos de uso con cada editor o agregador antes de indexar.
Negocia cláusulas de indemnidad en serio, no de plantilla. Cuando compres datasets a terceros (Common Crawl filtrado, catálogos de publishers, scrapers comerciales), pide que el proveedor indemnice por reclamos de copyright y que mantenga logs de provenance. Es un ítem de procurement, no de legal: el CFO necesita verlo en el contrato.

La conclusión incómoda del caso es que dos modelos entrenados con los mismos datos pueden tener estatus legales completamente distintos según cómo se obtuvieron esos datos. La IA no va a dejar de aprender de libros, artículos y música; lo que cambió es que el camino legal se volvió angosto, costoso y auditado.