Por Canuto  

El Noveno Circuito confirmó la desestimación de un reclamo bajo la DMCA contra GitHub Copilot, Microsoft y OpenAI, al concluir que una herramienta que genera código a partir de patrones estadísticos no equivale necesariamente a un motor de búsqueda que elimina avisos de autoría. La decisión deja abiertas dos reclamaciones contractuales y vuelve a mostrar los límites de las leyes actuales frente a la inteligencia artificial.
***

  • El tribunal confirmó la desestimación del reclamo basado en la sección 1202(b) de la DMCA, aunque reconoció que la ley encaja mal con tecnologías de IA.
  • La corte consideró suficiente la evidencia inicial sobre posibles emisiones de código memorizado para mantener la legitimación activa de los programadores.
  • Dos reclamos contractuales vinculados con licencias de código abierto continúan ante un tribunal federal de California.

El Tribunal de Apelaciones del Noveno Circuito de Estados Unidos confirmó la desestimación de una demanda presentada contra GitHub Copilot y Codex, herramientas asociadas con GitHub, Microsoft y OpenAI. Programadores anónimos de código abierto sostenían que los sistemas podían reproducir fragmentos de sus obras sin atribución, pero el panel concluyó que esa teoría no encajaba con la sección 1202(b) de la Ley de Derechos de Autor del Milenio Digital, conocida como DMCA.

La opinión, emitida en el caso Doe v. GitHub, expediente 24-7700, no resolvió si las respuestas de Copilot infringen derechos de autor bajo las reglas ordinarias. En cambio, confirmó la desestimación del reclamo federal específico y permitió que sigan adelante dos acusaciones por incumplimiento de contrato, centradas en las condiciones de las licencias de código abierto.

El tribunal separó a Copilot de un buscador

La sección 1202(b) de la DMCA prohíbe eliminar o alterar intencionalmente la información de gestión de derechos de autor, como el nombre del creador, el aviso de copyright o los términos de una licencia. En los repositorios de código abierto, esos datos suelen aparecer en el encabezado de cada archivo, por lo que los demandantes argumentaron que Copilot los omitía cuando producía sugerencias basadas en código disponible públicamente.

El juez de circuito Eric Miller, quien escribió la opinión para un panel unánime, sostuvo que la palabra “eliminar” presupone la existencia de una obra de la cual se retira información. Según el razonamiento adoptado por la corte, quien crea una obra nueva sin incluir información de gestión de derechos no necesariamente ha eliminado o alterado esos datos, aunque el resultado pueda parecerse a una obra anterior.

La comparación con un motor de búsqueda ocupó un lugar central en el fallo. Miller explicó que, si Copilot recuperara y mostrara copias idénticas del código de los demandantes sin sus avisos, la teoría bajo la DMCA podría ser más sólida, pero el relato presentado por los programadores describía una herramienta que predice continuaciones probables a partir de patrones estadísticos.

El tribunal no afirmó que un sistema generativo jamás pueda emitir una copia ni que la similitud carezca de consecuencias legales. Su conclusión fue más limitada: con los hechos alegados en esta demanda, los programadores no demostraron que la omisión de los encabezados constituyera una eliminación o alteración de información protegida por la norma federal.

La disputa dejó abierta la cuestión del entrenamiento

Los demandantes habían planteado dos teorías diferentes. La primera sostenía que Copilot entregaba resultados derivados de datos de entrenamiento memorizados, pero sin los avisos de licencia; la segunda alegaba que GitHub, Microsoft y OpenAI habían quitado esos avisos del código antes de incorporarlo al proceso de entrenamiento.

El Noveno Circuito solo examinó la teoría relacionada con los resultados generados y se negó a considerar la vinculada directamente con los datos usados para entrenar los modelos. El expediente mostraba que, durante la etapa inicial del litigio, el abogado de los programadores respondió “quizás no” cuando el tribunal preguntó si copiar datos de entrenamiento violaba necesariamente los requisitos de atribución de las licencias.

El juez de distrito Jon Tigar observó entonces que la demanda no trataba sobre el entrenamiento, y una orden posterior indicó que los demandantes no habían alegado perjuicio por el uso de código con licencia como dato de entrenamiento. Como ninguna de esas caracterizaciones fue corregida oralmente o por escrito, el tribunal de apelaciones consideró que la teoría había quedado fuera del caso.

La omisión resulta relevante porque concentra buena parte de las actuales disputas sobre inteligencia artificial en la forma en que las empresas obtienen y procesan grandes volúmenes de información. En este litigio, sin embargo, el panel no decidió si el entrenamiento con código protegido infringe la ley, debido a que los demandantes no formularon adecuadamente esa cuestión en las instancias anteriores.

La legitimación sobrevivió, pero el reclamo federal no

GitHub, Microsoft y OpenAI también habían argumentado que los programadores carecían de legitimación activa porque no podían demostrar que el código de cada uno de ellos, y no el de otro colaborador, estuviera en riesgo de ser reproducido. El panel rechazó ese argumento en esta etapa, al considerar plausibles las alegaciones sobre la capacidad de los modelos para emitir datos de entrenamiento de manera textual.

La demanda citaba investigaciones académicas según las cuales los modelos grandes de lenguaje pueden producir literalmente parte de sus datos de entrenamiento, un comportamiento que, de acuerdo con esos estudios, podría aumentar a medida que los modelos escalen. Los programadores también señalaron que GitHub ofrece una función para detectar coincidencias con código público en fragmentos de 150 caracteres o más.

Para el tribunal, la existencia de ese filtro constituía una señal suficiente de que Copilot puede emitir copias idénticas en determinadas circunstancias. Esa conclusión solo alcanzaba la fase de demanda: durante un juicio sumario, los programadores tendrían que presentar evidencia concreta sobre sus obras, la conducta de los sistemas y el vínculo entre ambos elementos.

La vía de la DMCA tenía un incentivo económico considerable. La norma permite reclamar hasta USD $25.000 por violación, mientras que los daños estatutarios ordinarios por copyright llegan hasta USD $30.000 por obra; como una herramienta puede responder a millones de consultas, los demandantes buscaban convertir cada resultado en una infracción separada.

Las licencias y el futuro de la demanda

La publicación especializada que reportó el fallo indicó que los programadores buscaban más de USD $9.000 millones, una cifra que explica la importancia estratégica de la teoría bajo la sección 1202(b). El panel rechazó esa posible expansión de responsabilidad, pero se abstuvo expresamente de determinar si las respuestas de Copilot infringen el copyright ordinario, una disputa que podría continuar por otras vías.

Los escritos presentados por terceros mostraron una división poco habitual. El Authors Guild, la Association of American Publishers, la News/Media Alliance y la International Association of Scientific Technical and Medical Publishers apoyaron a los demandantes, mientras que la Authors Alliance y profesores de derecho de propiedad intelectual también participaron en el debate.

En el lado contrario se ubicaron la Electronic Frontier Foundation, Public Knowledge, Chamber of Progress, Computer and Communications Industry Association y ACT The App Association. La EFF advirtió que una interpretación amplia de la DMCA podría exponer a litigios a artistas que remezclan obras, docentes que adaptan materiales, ingenieros que realizan ingeniería inversa y motores de búsqueda que organizan información disponible en internet.

Los dos reclamos contractuales restantes siguen ante el juez Jon Tigar en el Distrito Norte de California y se enfocan en las licencias de código abierto, no en una supuesta infracción directa del derecho federal de autor. La abogada Heather Meeker ha señalado que las obligaciones de aviso suelen aplicarse a la redistribución de software, mientras que muchas licencias autorizan el uso para cualquier propósito, lo que podría ofrecer menos protección de la que algunos desarrolladores esperaban.

El caso comenzó en 2022, cuando Joseph Saveri Law Firm y el abogado Matthew Butterick presentaron la demanda colectiva con el expediente 4:22-cv-06823. Después de dos rondas de desestimaciones y enmiendas, el proceso quedó reducido a tres reclamos; Jesse Panuccio argumentó por los programadores, mientras Lisa Blatt y Christopher Cariello representaron a las empresas.

El panel escuchó los argumentos en San Francisco el 11 de febrero y estuvo integrado por Miller, el juez sénior del circuito Sidney Thomas y el juez de distrito Stanley Blumenfeld Jr., quien participó por designación del Distrito Central de California. El resultado mantiene la incertidumbre sobre cómo aplicar las normas de copyright a la IA, pero deja claro que una demanda debe identificar con precisión si cuestiona el entrenamiento, el resultado generado o el cumplimiento de una licencia.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados