Tres importantes grupos editoriales han presentado una demanda formal contra Google en un tribunal federal de Estados Unidos, acusando al gigante tecnológico de infringir derechos de autor masivamente al utilizar sus archivos periodísticos para entrenar modelos de inteligencia artificial generativa, como Gemini y los sistemas de búsqueda impulsados por IA, sin autorización ni pago alguno. La acción legal, revelada esta semana, representa una escalada significativa en la guerra fría que mantienen los medios de comunicación y las grandes plataformas tecnológicas por el valor de los datos de entrenamiento.
Según los documentos judiciales, las editoriales —cuyos nombres se mantienen bajo sello procesal inicial pero que fuentes del sector identifican como actores de primer nivel en noticias financieras y generalistas— argumentan que Google ha realizado "copia sistemática y a escala industrial" de millones de artículos protegidos. La demanda no solo busca daños y perjuicios económicos, que podrían ascender a miles de millones de dólares, sino una orden judicial que obligue a la compañía a destruir los modelos entrenados con ese material ilícito o a establecer un mecanismo de licenciamiento obligatorio y retroactivo.
Este movimiento llega en un momento crítico para la industria. Mientras OpenAI ha optado por firmar acuerdos multimillonarios con editores como Associated Press, Axel Springer, Financial Times o Le Monde para acceder legalmente a sus archivos, Google ha mantenido una postura más agresiva, argumentando que el rastreo y procesamiento de contenido web público cae bajo la doctrina de "uso legítimo" (fair use) y que sus herramientas de IA generan tráfico de referencia hacia las fuentes originales. Sin embargo, los editores sostienen que las nuevas "AI Overviews" (resúmenes generados por IA en la búsqueda) canibalizan el tráfico al responder directamente a la consulta del usuario sin necesidad de hacer clic en el enlace original, rompiendo el contrato social implícito de la web abierta.
El caso tiene implicaciones profundas para el ecosistema tecnológico en español. Si el tribunal falla a favor de los editores, se establecería un precedente vinculante que obligaría a todas las IA —incluidos modelos abiertos y startups latinoamericanas— a auditar sus datasets y negociar licencias. Esto encarecería drásticamente el coste de entrada para nuevos competidores, consolidando el poder de los gigantes (Google, Microsoft, Meta, Amazon) que pueden permitirse pagar el "peaje" del copyright, pero frenaría la innovación en modelos de lenguaje especializados en español que dependen de corpus abiertos.
Paralelamente, la Unión Europea observa con lupa. El Reglamento de IA (AI Act) ya exige transparencia sobre los datos de entrenamiento protegidos por copyright, y una sentencia adversa en EE. UU. presionaría a Bruselas para endurecer los mecanismos de cumplimiento y compensación. Para los profesionales tech hispanohablantes, la lección es clara: la era de los datos gratuitos e ilimitados para entrenamiento ha terminado. La estrategia de datos propia —datos propietarios, licencias claras, synthetic data— deja de ser una opción técnica para convertirse en un imperativo legal y de negocio.
