Imagen generada por IALa Comisión Europea ha abierto el 29 de septiembre una consulta específica sobre copyright, creatividad e innovación que puede acabar definiendo una de las piezas que todavía faltan en la regulación europea de la inteligencia artificial: cómo se obtiene, documenta y remunera el material utilizado para entrenar modelos.
La consulta permanecerá abierta hasta el 3 de noviembre de 2026. No es todavía una propuesta legislativa ni anuncia una nueva obligación para empresas. Sí es una señal política bastante nítida: Bruselas considera que las reglas actuales no están resolviendo con suficiente precisión la fricción entre los titulares de derechos y los desarrolladores de sistemas de IA.
La pregunta relevante no es si la inteligencia artificial puede utilizar contenidos protegidos. La legislación europea ya contiene reglas aplicables. La pregunta difícil es otra: cómo demostrar qué se ha utilizado, con qué base jurídica, bajo qué condiciones y con qué mecanismos puede oponerse o cobrar el titular del derecho cuando el volumen de datos se cuenta por millones de obras.
Ahí está el problema que la consulta intenta ordenar. Y también la razón por la que afecta mucho más allá de los laboratorios de modelos fundacionales. Bancos, aseguradoras, editoriales, plataformas, proveedores de software y empresas que compran servicios de IA acabarán necesitando respuestas verificables sobre el origen y el uso de los datos. La etiqueta “modelo de propósito general” no convierte esa diligencia en opcional.
El anuncio del AI Office de la Unión Europea describe una “targeted consultation” para preparar una posible iniciativa orientada a mejorar el entorno del copyright para la creatividad y la innovación. La apertura se produjo el 29 de septiembre de 2026 y el cierre está fijado para el 3 de noviembre de 2026. La Comisión ha habilitado el cuestionario específico en EU Survey.
La expresión “posible iniciativa” importa. Bruselas no ha presentado todavía un reglamento, una directiva ni un proyecto con artículos concretos. Tampoco ha anunciado una modificación formal del Reglamento de Inteligencia Artificial. Cualquier análisis que presente la consulta como una nueva obligación inmediata estaría haciendo periodismo creativo, y no del bueno.
La consulta se sitúa en la intersección de tres objetivos que no encajan automáticamente entre sí. El primero es proteger a autores, artistas, medios de comunicación, editoriales y otros titulares de derechos. El segundo es permitir que los desarrolladores entrenen y mejoren modelos de IA sin enfrentarse a un régimen tan incierto que desplace la investigación y la innovación fuera de la Unión. El tercero es crear mecanismos de transparencia y licenciamiento que funcionen a escala industrial, no solo para un archivo de unos pocos miles de documentos.
Ese tercer punto suele recibir menos atención porque es el menos vistoso. Sin embargo, es el que puede convertir una discusión jurídica en un problema operativo. Identificar un libro, una imagen o un artículo concreto es relativamente sencillo. Identificar millones de entradas agregadas desde webs, repositorios, bases de datos, plataformas y fuentes con condiciones de uso distintas exige inventarios, controles de procedencia, reglas de exclusión y una capacidad de respuesta que muchas organizaciones todavía no tienen ni para sus propios datos.
El punto de partida europeo no es un vacío regulatorio. La Directiva (UE) 2019/790 sobre derechos de autor en el mercado único digital introdujo reglas específicas para la minería de textos y datos. Su artículo 3 establece una excepción para determinadas actividades de investigación científica realizadas por organismos de investigación y entidades de patrimonio cultural. El artículo 4 contempla una excepción más amplia para la minería de textos y datos, pero permite al titular reservar expresamente el uso de sus obras mediante medios adecuados.
Ese derecho de reserva, conocido habitualmente como opt-out, funciona razonablemente bien cuando el actor que recopila datos puede detectar la señal y respetarla. La dificultad crece cuando el contenido se rastrea, copia, transforma y combina antes de entrar en un corpus de entrenamiento. La cuestión ya no es solo si existía una reserva, sino si fue técnicamente legible, si el recolector la capturó, si el proveedor del conjunto de datos la conservó y si el desarrollador del modelo puede demostrar qué ocurrió.
El artículo 17 de la misma directiva introdujo además reglas específicas para los proveedores de servicios de intercambio de contenidos en línea. No es una norma diseñada exclusivamente para modelos de IA, pero su lógica —responsabilidad, licencias y cooperación con titulares— forma parte del paisaje que ha condicionado la conversación europea sobre contenidos digitales. Confundir el artículo 17 con una regla general sobre entrenamiento sería incorrecto; ignorar su influencia en el debate también.
El Reglamento de Inteligencia Artificial añade una capa propia para los proveedores de modelos de inteligencia artificial de uso general. El artículo 53 del Reglamento (UE) 2024/1689 exige, entre otras obligaciones, establecer una política destinada a cumplir el Derecho de la Unión en materia de copyright y derechos conexos, incluido el respeto de las reservas de derechos expresadas conforme al artículo 4, apartado 3, de la Directiva 2019/790.
El mismo artículo 53 exige elaborar y poner a disposición del público un resumen suficientemente detallado del contenido utilizado para entrenar el modelo. La obligación no equivale a publicar cada archivo ni a revelar secretos comerciales sin límite. Pero tampoco se satisface con una frase como “se han utilizado datos públicos y licenciados”. El Reglamento apunta a una descripción con un nivel de detalle que permita entender la composición general del entrenamiento.
Las obligaciones de los proveedores de modelos de uso general son aplicables desde el 2 de agosto de 2025, de acuerdo con el calendario general del Reglamento de Inteligencia Artificial. En 2026, por tanto, la cuestión ya no es cuándo empezará la norma. La cuestión es si las políticas de copyright, los resúmenes de datos y los controles de opt-out que las empresas han desplegado son suficientemente sólidos para resistir una revisión, una reclamación o una negociación comercial.
También existe una diferencia importante entre un modelo de uso general y una empresa que simplemente utiliza una herramienta externa. El proveedor del modelo soporta las obligaciones específicas del artículo 53. Una entidad que integra una API para resumir documentos, generar código o analizar llamadas no se convierte automáticamente por ello en proveedor de un modelo de uso general. Pero eso no elimina sus riesgos: el contrato, la confidencialidad, los derechos de uso de los datos enviados y la trazabilidad de las salidas siguen siendo asuntos de gobierno y compliance.
En el discurso público, el debate suele reducirse a dos posiciones: “los modelos han aprendido de obras protegidas” frente a “la innovación necesita acceso a grandes volúmenes de datos”. Esa simplificación oculta la parte más incómoda. La industria necesita pasar de afirmaciones generales a evidencias sobre conjuntos de datos concretos.
Un programa serio de gobernanza del entrenamiento debería poder contestar, como mínimo, cinco preguntas. ¿Qué fuentes se incorporaron? ¿Qué derechos o bases jurídicas se invocaron? ¿Qué señales de reserva se detectaron? ¿Qué filtros se aplicaron antes y después de la recopilación? ¿Quién aprobó el riesgo residual cuando la procedencia no pudo verificarse completamente?
La respuesta no tiene que ser idéntica para todos los modelos. Un sistema entrenado con un corpus interno de documentación licenciada presenta un perfil muy distinto al de un modelo entrenado con rastreo masivo de internet. Pero la diferencia debe quedar registrada. Si todo acaba en una carpeta llamada “legal review” con una política de dos páginas, la organización tendrá un problema de evidencia, aunque formalmente disponga de una política.
La trazabilidad también se complica por las sucesivas capas de la cadena de suministro. Un proveedor puede comprar un conjunto de datos a un tercero; ese tercero puede haberlo agregado desde múltiples fuentes; otro proveedor puede realizar el ajuste fino; y una empresa cliente puede usar después el modelo con información propia. El contrato final rara vez cuenta toda la historia técnica.
Por eso la consulta puede tener consecuencias relevantes para los proveedores de datos y para los compradores de IA, aunque no sean quienes entrenan el modelo desde cero. En futuras licitaciones, una entidad puede exigir información sobre fuentes, licencias, mecanismos de respeto del opt-out, procesos de retirada y controles frente a reclamaciones. La ausencia de esa información no prueba una infracción, pero sí puede elevar el riesgo contractual y reputacional.
Hay además un problema de temporalidad. Un modelo puede haberse entrenado con datos recopilados en una fecha concreta, mientras que los derechos, licencias o reservas pueden cambiar después. La evidencia debe conservar la versión histórica: qué se recogió, cuándo, de dónde y con qué reglas. Un inventario actualizado hoy no demuestra por sí solo qué ocurrió durante el entrenamiento de hace dos años.
El artículo 53 del AI Act obliga a publicar un resumen detallado del contenido utilizado para entrenar el modelo, pero el concepto no debe confundirse con la divulgación íntegra del conjunto de datos. La legislación intenta equilibrar transparencia, derechos de autor, secretos comerciales y seguridad. El resultado práctico es una zona gris: demasiado poco detalle convierte el resumen en propaganda; demasiado detalle puede revelar información sensible o facilitar la reconstrucción de activos comerciales.
La consulta puede servir para concretar ese equilibrio. Hay varias decisiones que podrían cambiar sustancialmente el coste de cumplimiento.
La primera es el nivel de granularidad. No es lo mismo exigir categorías amplias —libros, páginas web, código, imágenes— que exigir nombres de repositorios, proveedores, periodos de captura, tipos de licencia y proporciones estimadas. El segundo enfoque ofrece más verificabilidad, pero también puede revelar la estrategia de entrenamiento y multiplicar el trabajo de actualización.
La segunda es la forma de comunicar las reservas de derechos. El artículo 4, apartado 3, de la Directiva 2019/790 permite expresar la reserva mediante medios adecuados, también de forma legible por máquina para contenidos puestos a disposición del público en línea. La futura política europea podría impulsar estándares más consistentes sobre cómo se expresa, detecta, almacena y audita esa señal.
La tercera es la relación entre transparencia y recursos. Un titular de derechos no necesita únicamente saber que su contenido aparece en una categoría estadística. Puede necesitar un canal para preguntar, oponerse, negociar una licencia o solicitar una corrección. Si la respuesta tarda meses y nadie sabe quién es responsable, la transparencia existe sobre el papel y fracasa en la práctica.
La cuarta es la diferencia entre datos de entrenamiento y datos utilizados para ajuste fino, evaluación o alineamiento. Una empresa puede haber incorporado contenido protegido no en el entrenamiento inicial, sino en pruebas, instrucciones de ajuste o conjuntos de evaluación. Las políticas de copyright deberían cubrir el ciclo completo. Limitar el análisis al primer corpus deja fuera varias rutas de exposición.
Los proveedores también tendrán que distinguir entre contenido incorporado como dato de entrenamiento y material reproducido en las salidas del modelo. Son riesgos jurídicos relacionados, pero no idénticos. Un modelo puede generar una salida que reproduzca sustancialmente una obra, incluso cuando la organización no pueda identificar un único documento responsable. La evaluación técnica y la respuesta a reclamaciones no deberían descansar solo en una búsqueda manual.
Para los desarrolladores, la consulta llega cuando las obligaciones del artículo 53 ya están operativas y la documentación empieza a convertirse en un activo regulatorio. La práctica más prudente es tratar la procedencia de datos como un control de ciclo de vida, no como una revisión jurídica aislada antes del lanzamiento.
Eso implica mantener un registro por corpus o componente, con propietario, fecha de incorporación, origen, licencia o base jurídica, restricciones, controles de opt-out y resultado de la revisión. No siempre será posible identificar cada elemento individual, especialmente en recopilaciones masivas. En ese caso, la organización debería documentar el método de muestreo, las limitaciones conocidas y el criterio utilizado para aceptar el riesgo.
La política de copyright exigida por el artículo 53 debería conectarse con controles técnicos. Si una fuente comunica una reserva, la señal tiene que llegar al sistema que recoge datos. Si el contenido ya está almacenado, debe existir un procedimiento para impedir su uso futuro y valorar qué hacer con los modelos ya entrenados. Borrar una URL de un catálogo no equivale necesariamente a retirar su influencia de los parámetros de un modelo.
La fase posterior al entrenamiento merece un tratamiento específico. Los proveedores necesitan canales para reclamaciones, criterios para priorizarlas y documentación sobre las medidas disponibles. En ciertos casos puede bastar con corregir una fuente o ajustar filtros de salida. En otros, el problema puede exigir un reentrenamiento o una técnica de mitigación más costosa. Prometer una eliminación inmediata de cualquier influencia no es una política; es una expectativa difícil de cumplir técnicamente.
También conviene separar tres documentos que a menudo se mezclan: la política interna de cumplimiento de copyright, el resumen público del contenido de entrenamiento y la documentación contractual para clientes. El primero debe ser operativo y controlable. El segundo debe ser comprensible y suficientemente detallado. El tercero debe explicar qué puede hacer el cliente con sus datos y qué garantías ofrece el proveedor. Un solo documento no puede resolver las tres funciones sin quedarse corto en alguna.
La mayoría de las empresas no entrenará un modelo fundacional. Eso no las deja fuera del problema; simplemente desplaza la responsabilidad hacia las decisiones de compra y uso.
Una entidad que envía contenidos a un proveedor debe saber si esos datos se utilizan para entrenar modelos, durante cuánto tiempo se conservan y qué controles existen para impedir su reutilización. En el caso de documentos de clientes, código propietario, informes de analistas o material licenciado, la pregunta no es meramente de privacidad. También es si la empresa tiene derecho a permitir ese uso secundario.
Los equipos de procurement y compliance deberían pedir al proveedor, como mínimo, información sobre la base contractual del uso de datos, las políticas de respeto de reservas de derechos, los mecanismos de reclamación y el tratamiento de contenidos aportados por el cliente. No hace falta convertir cada contrato en un tratado de derecho de autor. Sí hace falta evitar cláusulas que concedan al proveedor un uso amplio e indefinido de cualquier contenido introducido en la plataforma.
Para las entidades financieras, el riesgo puede aparecer en usos aparentemente rutinarios. Un banco puede utilizar IA para resumir informes de mercado, analizar documentación de terceros o generar materiales de formación. Una aseguradora puede procesar imágenes, informes periciales o bases documentales con licencias limitadas. Una fintech puede integrar un asistente que genera código o respuestas basadas en documentación de proveedores. Cada caso combina derechos de uso, confidencialidad, secreto empresarial y gobierno del proveedor.
DORA no regula el copyright, pero su capítulo sobre gestión del riesgo relacionado con las tecnologías de la información y la comunicación, incluido el artículo 28 sobre terceros proveedores de servicios TIC, refuerza la necesidad de controlar dependencias tecnológicas críticas. Cuando una herramienta de IA se convierte en una dependencia relevante, la entidad debería incorporar al análisis del proveedor la calidad de sus controles de datos y la capacidad de responder ante cambios regulatorios o reclamaciones. El cumplimiento de DORA no sustituye la revisión de copyright, pero puede ofrecer una estructura de gobierno para no dejarla en tierra de nadie.
La clasificación de riesgo del AI Act también importa. La utilización de un modelo de uso general no convierte automáticamente el caso de uso de la entidad en un sistema de alto riesgo. Sin embargo, si la IA se emplea en ámbitos sujetos a requisitos específicos, la documentación sobre datos, supervisión y proveedores puede adquirir una relevancia adicional. El responsable de IA no debería trabajar separado del responsable de compras, del CISO y del asesor jurídico que negocia las licencias.
Los titulares de derechos no obtendrán mucho de una protesta genérica contra la IA. La consulta ofrece una oportunidad para aportar problemas concretos y mecanismos ejecutables: qué señales de reserva funcionan, qué información necesitan para licenciar, qué datos deberían aparecer en los resúmenes y qué procedimiento sería viable para reclamar usos no autorizados.
La cuestión económica es especialmente delicada. Un mercado de licencias para entrenamiento puede favorecer a grandes editoriales, discográficas o bancos de imágenes, pero dejar atrás a autores individuales y organizaciones pequeñas. Si la Comisión diseña un sistema que solo puedan negociar los titulares con departamentos jurídicos y capacidad técnica, habrá creado un mecanismo formalmente neutral y materialmente asimétrico.
También habrá que resolver la valoración. Una licencia para leer una obra no equivale necesariamente a una licencia para incorporarla a un corpus de entrenamiento. El precio puede depender del tipo de modelo, del territorio, de la duración, de la posibilidad de generar salidas relacionadas y del uso comercial. Convertir todos esos factores en tarifas comparables será difícil. La dificultad no desaparece porque se publique una plantilla de contrato.
Los titulares deberían conservar evidencia de sus reservas de derechos, incluyendo la fecha, el formato utilizado y las páginas o repositorios afectados. Esa evidencia puede resultar crucial si más adelante necesitan demostrar que la reserva existía y era técnicamente accesible. Del mismo modo, los proveedores deberían registrar cómo detectaron esas señales. Sin registros de ambos lados, la disputa se convierte en una batalla de afirmaciones.
Hasta el 3 de noviembre de 2026 no hay una nueva regla que aplicar por el mero hecho de que la consulta esté abierta. Sí hay una ventana concreta para participar y para anticipar las preguntas que probablemente condicionarán la siguiente fase legislativa o técnica.
Los proveedores de modelos deberían revisar si el resumen público exigido por el artículo 53 describe realmente la composición de sus datos o si se limita a categorías tan amplias que nadie puede verificar nada. También deberían comprobar si su política interna cubre las reservas del artículo 4, apartado 3, de la Directiva 2019/790 y si existe evidencia de que los controles funcionan, no solo de que fueron aprobados.
Las empresas usuarias deberían inventariar qué herramientas de IA procesan material de terceros y qué contratos rigen ese tratamiento. La revisión debe incluir los datos enviados al proveedor, el uso de salidas, la retención, el entrenamiento con entradas de clientes y la responsabilidad ante reclamaciones. Es un trabajo de inventario, no de marketing.
Los equipos jurídicos deberían separar tres preguntas: si la empresa puede acceder al contenido, si puede utilizarlo para el caso concreto y si puede enviarlo a un proveedor de IA. Tener una suscripción a una publicación, una base de datos o una plataforma no demuestra automáticamente que exista autorización para alimentar un modelo externo.
La dirección debería decidir quién responde cuando un titular reclama. Si la respuesta pasa por cinco equipos y ninguno tiene autoridad para suspender una fuente, la organización no tiene un proceso de incidentes de copyright: tiene una cadena de correos electrónicos esperando su momento de gloria.
Por último, conviene participar en la consulta con datos operativos. Qué información puede producir hoy la empresa, cuánto tarda en localizar una fuente, qué parte del corpus no puede atribuirse, qué estándares de opt-out reconoce y qué costes genera una retirada. Las respuestas abstractas alimentarán un debate abstracto. La Comisión necesita saber dónde se rompe el proceso en la realidad.
La iniciativa anunciada por la Comisión puede acabar en una nueva propuesta normativa, en orientaciones, en estándares técnicos o en una combinación de instrumentos. Hoy no se conoce el resultado. Lo que sí puede anticiparse es la dirección del problema: la presión regulatoria se moverá desde la pregunta “¿puede entrenarse con este contenido?” hacia “¿puede demostrar la organización cómo lo hizo y qué controles aplicó?”.
Ese cambio favorece a quienes hayan tratado la procedencia como un proceso documentado y perjudica a quienes hayan confiado en que “público” significa “libre de restricciones”. No significa que todo contenido accesible en internet esté protegido de la misma manera ni que todo uso de entrenamiento sea automáticamente ilícito. Significa que las conclusiones dependerán de la obra, la jurisdicción, la licencia, la reserva expresada, el uso realizado y la evidencia disponible.
La fecha del 3 de noviembre de 2026 es, por tanto, más que un plazo administrativo. Es una invitación a decir qué reglas pueden funcionar antes de que las conviertan en obligaciones. Para los desarrolladores, la prioridad es demostrar procedencia y respetar reservas. Para los compradores, negociar contratos que no conviertan sus datos en combustible de entrenamiento por defecto. Para los titulares, formular mecanismos de licencia y oposición que una máquina pueda leer y una empresa pueda auditar.
La Comisión ha abierto la conversación. El siguiente paso no será decidir quién tiene el mejor eslogan sobre innovación o creatividad, sino quién puede presentar un sistema que funcione con millones de obras, múltiples intermediarios y pruebas que sobrevivan a una reclamación. En copyright e inteligencia artificial, la transparencia que no deja rastro verificable es solo una forma elegante de opacidad.
Nota editorial
Priorizado con IAResumen semanal gratis
Suscríbete al resumen semanal y te avisamos de cada cambio en AI Act: clasificación de riesgo de tus sistemas de IA y obligaciones por nivel.
¿Necesitas priorizar acciones ya? Empieza un GAP Assessment AI Act.
Aporta contexto, plantea una duda o responde a la conversación. Los comentarios son públicos y moderables.
Cargando comentarios…