El Tribunal de Apelaciones del Noveno Circuito de Estados Unidos rechazó en septiembre de 2026 un intento de ampliar la Sección 1202 de la Digital Millennium Copyright Act (DMCA) para crear nueva responsabilidad legal sobre el entrenamiento de modelos de lenguaje. El fallo protege a programadores, artistas y desarrolladores independientes de una teoría que, de haber prosperado, habría convertido usos perfectamente legítimos en fuente de litigios millonarios.
El caso giró en torno a un grupo de contribuyentes anónimos de GitHub que demandaron a OpenAI y Microsoft. Su argumento: el código generado por los LLMs de ambas compañías —entrenados con repositorios públicos de GitHub, entre miles de millones de otras obras— era similar al suyo, pero sin la información de gestión de derechos de autor (CMI, por sus siglas en inglés), es decir, sin atribución de autoría ni avisos de copyright. Los demandantes invocaron la Sección 1202 de la DMCA, que prohíbe remover intencionalmente ese tipo de información de una obra protegida.
Qué dice la Sección 1202 de la DMCA y por qué el Noveno Circuito la leyó en sentido estricto
La Sección 1202 fue diseñada como un mecanismo de respaldo para los derechos de autor en el entorno digital: impide que alguien tome una obra y le arranque los metadatos de identificación antes de redistribuirla. Lo que el tribunal rechazó fue extender esa lógica a un escenario distinto: el de un sistema de IA que genera código nuevo que se parece a obras preexistentes pero que, al ser una creación diferente, nunca tuvo CMI propio. El Noveno Circuito precisó que remover información de gestión de derechos de una obra existente es conceptualmente diferente de producir una obra nueva que simplemente no lleva esa información.
La Electronic Frontier Foundation (EFF) y la organización Public Knowledge presentaron un amicus brief en el caso, argumentando exactamente esa distinción. El tribunal acogió esa posición. Según EFF, si la teoría de los demandantes hubiera prosperado, habría creado un régimen de responsabilidad que se superponía al derecho de autor tradicional pero sin sus equilibrios: sin fair use, sin umbrales claros, con daños estatutarios potencialmente devastadores para actores pequeños.
Quiénes habrían quedado expuestos: remix, ingeniería inversa y motores de búsqueda
EFF advirtió en su brief que la interpretación expansiva habría afectado mucho más allá de la industria de IA. Entre los casos concretos que mencionó la organización:
- Artistas que crean remixes basados en obras anteriores.
- Docentes que adaptan materiales para presentaciones en el aula.
- Ingenieros que realizan ingeniería inversa de código para comprenderlo mejor.
- Motores de búsqueda que indexan y muestran fragmentos de contenido.
En todos esos escenarios, la obra resultante no “quita” CMI de un original: simplemente no lo replica. Pero bajo la lectura que proponían los demandantes, cualquier similitud con una obra preexistente sin atribución idéntica podría haberse convertido en un disparador de demandas con daños estatutarios cuantiosos. Las grandes corporaciones pueden litigar esos casos durante años; un desarrollador independiente, en la práctica, se ve obligado a transar aunque su uso sea completamente legal.
Copyright de IA en América Latina: Argentina, México y Brasil frente a un vacío normativo equivalente
El fallo del Noveno Circuito no tiene efecto directo en América Latina, pero sí marca un precedente interpretativo relevante para jurisdicciones que aún no han legislado sobre entrenamiento de IA y propiedad intelectual. Argentina, cuya Ley 11.723 de Propiedad Intelectual data de 1933 y no contempla escenarios de machine learning, carece de una respuesta clara sobre si el uso de obras protegidas como datos de entrenamiento configura infracción. México enfrenta el mismo vacío: la Ley Federal del Derecho de Autor (LFDA) no incluye excepciones específicas para minería de datos o entrenamiento de modelos, a diferencia del Text and Data Mining (TDM) exception que incorporó la Unión Europea en su Directiva de Copyright de 2019.
Brasil es la jurisdicción más avanzada del bloque en este debate. El Projeto de Lei 2338/2023, que regula la IA en el Senado federal, incluye disposiciones sobre el uso de datos para entrenamiento, aunque sin resolver en detalle la interacción con la Lei de Direitos Autorais (Lei 9.610/1998). La ANPD, por su parte, ha comenzado a tratar el entrenamiento con datos personales desde el ángulo de la LGPD, lo que agrega una capa regulatoria que en el caso de GitHub no estuvo en juego —el código, en principio, no es dato personal— pero que en otros corpus de entrenamiento sí lo es.
Colombia y Chile, con sus respectivos marcos de propiedad intelectual igualmente anteriores a la era de IA generativa, tampoco ofrecen una respuesta legislativa clara. En ausencia de norma específica, los tribunales locales deberán interpretarlo caso a caso, con el riesgo de resoluciones divergentes que generen incertidumbre para empresas que entrenan modelos en la región.
Qué monitorear: el AI Act de la UE como referencia y los proyectos legislativos regionales
La resolución del Noveno Circuito llega en un momento en que la Unión Europea ya tiene en vigor el AI Act (Reglamento 2024/1689), cuyo Artículo 53 establece obligaciones de transparencia para proveedores de modelos de propósito general: deben documentar el corpus de entrenamiento y respetar las reservas de derechos que los titulares de obras hayan declarado bajo el mecanismo opt-out del TDM. Esa arquitectura —excepción general con opt-out explícito— es el modelo más articulado disponible hoy, y varios legisladores latinoamericanos lo están mirando de cerca.
En paralelo, OpenAI y Microsoft aún enfrentan otras demandas vinculadas al uso de contenidos de GitHub y de otras plataformas, incluyendo litigios de medios de comunicación en Estados Unidos. El fallo del Noveno Circuito cierra una puerta —la vía DMCA Sección 1202 como nuevo derecho de atribución— pero no clausura el debate sobre si el entrenamiento con obras protegidas constituye fair use bajo el derecho de autor tradicional. Ese frente sigue abierto.
Nuestro análisis
El Noveno Circuito tomó la decisión técnicamente correcta: la Sección 1202 de la DMCA no es, ni fue diseñada para ser, un derecho de atribución autónomo. Pero el fondo del debate no desaparece con este fallo. La pregunta de si un modelo de IA puede entrenarse con obras protegidas sin licencia ni compensación a sus autores es una de las más importantes que enfrentan los sistemas de propiedad intelectual de todo el mundo. Para América Latina, donde los marcos legales son más precarios y los ecosistemas de desarrolladores independientes más vulnerables, la ausencia de una excepción TDM clara —como la que tiene la UE— deja a los actores locales en una posición de desventaja estructural frente a las grandes plataformas globales que ya operan bajo reglas más definidas.
Mientras los congresos de la región no legiferen sobre minería de datos y entrenamiento de IA, serán los tribunales —con criterios heterogéneos y marcos normativos del siglo pasado— quienes decidan qué es legal construir en América Latina.
