La High Court inglesa absolvió a Stability AI y el tribunal de apelación de Hamburgo confirmó a LAION. Dos absoluciones europeas que no legitiman el «todo vale»: fijan que la licitud del entrenamiento se decide por la excepción aplicada y por si medió reserva de derechos, no por el carácter público del material.

El 4 de noviembre de 2025, la High Court of Justice de Inglaterra y Gales (Business and Property Courts, Intellectual Property List) dictó sentencia en el caso de Getty Images (US) Inc & Ors v. Stability AI Limited [2025] EWHC 2863 (Ch), asunto IL–2023–000007, con ponencia de Mrs Justice Joanna Smith. Getty Images, el mayor banco de imágenes con licencia del mundo, demandó a Stability AI —desarrolladora del modelo de difusión Stable Diffusion— por haber entrenado el modelo con millones de sus fotografías, haber reproducido esas obras durante el proceso y haber hecho aparecer marcas de agua de Getty en las imágenes generadas. En su demanda invocó derechos de autor, derechos sobre bases de datos y marcas. El resultado fue, en lo sustancial, una absolución. Getty retiró sus pretensiones nucleares de copyright durante el juicio, la de infracción secundaria decayó y solo prosperó una pretensión marcaria que la propia sentencia califica de alcance «extremadamente limitado».

La resolución llega poco después de un movimiento paralelo en Alemania. El 27 de septiembre de 2024, el Landgericht Hamburg resolvió el caso Kneschke v. LAION e.V. (asunto 310 O 227/23), primer pronunciamiento europeo sobre la excepción de minería de textos y datos aplicada a datos de entrenamiento de IA. El 10 de diciembre de 2025, el Oberlandesgericht Hamburg confirmó la desestimación en apelación y admitió recurso de casación ante el Bundesgerichtshof. Dos jurisdicciones europeas, dos absoluciones y una misma lección para la empresa que entrena modelos: la victoria del desarrollador no descansa en que las obras estuvieran «disponibles en internet», sino en dónde se entrenó, qué excepción amparaba las reproducciones y si el titular había reservado sus derechos de manera eficaz.

Qué decidió realmente la High Court

Importa separar lo resuelto de lo no resuelto, porque leer Getty v. Stability AI como «triunfo de la IA sobre el copyright» es ignorar el fundamento procesal que justifica la decisión. Getty articuló su demanda en tres frentes: infracción de copyright y de derechos sui generis sobre bases de datos por el entrenamiento del modelo y por la generación de outputs, infracción secundaria de copyright e infracción de marcas.

El primer frente se derrumbó por un problema de territorialidad. Getty aceptó que no existía prueba de que el entrenamiento y desarrollo de Stable Diffusion se hubieran producido en el Reino Unido, y poco antes de las conclusiones abandonó sus pretensiones primarias de copyright y de base de datos. La ley británica de propiedad intelectual protege frente a actos de reproducción realizados en su territorio; si las reproducciones controvertidas ocurrieron en servidores fuera del Reino Unido, el tribunal inglés no era el foro competente para juzgarlas. La consecuencia importa para la interpretación. La sentencia no declara que el scraping y el entrenamiento con obras protegidas sean lícitos en el Reino Unido; declara que, en este caso, no se probó que se hubieran realizado allí. La cuestión de fondo queda intacta.

La High Court sí resolvió la pretensión de infracción secundaria, relativa a la importación o puesta a disposición en el Reino Unido de un «artículo infractor». El tribunal acogió la tesis, cada vez más asentada, de que un modelo entrenado como Stable Diffusion no contiene reproducciones de las obras de entrenamiento: sus pesos no almacenan copias de las fotografías, sino parámetros estadísticos. Sin copia incorporada, el modelo no constituye un «artículo infractor» y la importación del software no genera responsabilidad secundaria. La distinción entre la reproducción para el entrenamiento y la presencia de una copia en el modelo resultante recorre toda la resolución y es la clave dogmática que el lector europeo debe retener.

La única pretensión que prosperó fue la marcaria, y de forma acotada. El tribunal desestimó la infracción por menoscabo del renombre bajo la sección 10(3) de la Trade Marks Act 1994 y apreció una infracción «extremadamente limitada» bajo las secciones 10(1) y 10(2) respecto de versiones tempranas de Stable Diffusion que reproducían marcas de agua de Getty en algunos resultados. No es un pronunciamiento sobre la licitud del entrenamiento, sino sobre la aparición de un signo distintivo en el output. La diferencia importa: una cosa es cómo se alimentó el modelo y otra qué salió de él.

El marco alemán: la minería de datos como excepción, con opt-out eficaz como condición

Kneschke v. LAION aborda de frente lo que Getty esquivó por razones procesales. El fotógrafo Robert Kneschke demandó a LAION —asociación sin ánimo de lucro que compiló el conjunto de datos LAION–5B, empleado después para entrenar modelos de difusión— por reproducir una de sus fotografías al construir el dataset. LAION descargó la imagen para verificar la correspondencia entre la fotografía y su descripción textual, y esa descarga generó una reproducción, aunque la asociación no entrenara modelo alguno.

El Landgericht Hamburg desestimó la demanda y amparó la reproducción en la excepción de minería de textos y datos con fines de investigación científica del §60d de la Ley alemana de derechos de autor (UrhG), transposición del artículo 3 de la Directiva (UE) 2019/790. LAION, entidad sin ánimo de lucro dedicada a poner el dataset a disposición de la investigación, encajaba en el supuesto. En apelación, el Oberlandesgericht Hamburg fue más lejos: consideró que la conducta quedaba cubierta también por la excepción general de minería del §44b UrhG —transposición del artículo 4— y declaró ineficaz la reserva de derechos que Kneschke invocaba, porque la restricción figuraba en las condiciones del sitio web en lenguaje natural, no en un formato legible por máquina. El tribunal admitió el recurso ante el Bundesgerichtshof, así que la última palabra alemana está pendiente y, con ella, qué cuenta exactamente como reserva «legible por máquina».

La arquitectura que emerge de Hamburgo es la que el legislador europeo diseñó y que debe orientar a cualquier empresa que entrene con datos europeos. La minería con fines de investigación científica del artículo 3 no admite reserva del titular: si concurren los requisitos subjetivos y de acceso lícito, la reproducción es libre. La minería general del artículo 4 —la que ampara los usos comerciales— sí queda sujeta a la reserva de derechos del titular; y esa reserva, para los contenidos puestos a disposición en línea, solo es eficaz si se expresa mediante medios legibles por máquina. El artículo 4.3 exige que la reserva se realice «de manera adecuada», y los considerandos de la Directiva precisan que, en el entorno digital, «adecuado» significa «mecánicamente legible»: metadatos, condiciones del sitio en formato procesable, protocolos como robots.txt. Una advertencia redactada en prosa para lectores humanos no basta. Ahí perdió Kneschke, y ahí se juega buena parte de la seguridad jurídica del entrenamiento en Europa.

La lectura desde el Derecho español y europeo

El régimen que decidió Hamburgo es Derecho de la Unión y, por tanto, Derecho español. La Directiva (UE) 2019/790 introdujo dos excepciones en materia de minería. El artículo 3 permite las reproducciones y extracciones para minería con fines de investigación científica realizadas por organismos de investigación e instituciones de patrimonio cultural, sin posibilidad de reserva por el titular. El artículo 4 configura una excepción general de minería, apta para fines comerciales, que decae cuando el titular ha reservado expresamente sus derechos; para los contenidos disponibles en línea, esa reserva solo se considera adecuada si se efectúa mediante medios de lectura mecánica. Los considerandos que acompañan a estas excepciones aclaran que la minería consiste en el análisis automatizado de grandes volúmenes de información y que el legislador quiso habilitarla sin vaciar el derecho exclusivo, de ahí la válvula del opt-out en el uso comercial.

España transpuso la Directiva mediante el Real Decreto-ley 24/2021, de 2 de noviembre. La técnica empleada fue peculiar y la doctrina la ha criticado: en lugar de modificar el texto refundido de la Ley de Propiedad Intelectual (RDLeg 1/1996), el legislador incorporó las excepciones en el Libro Cuarto del propio Real Decreto-ley, de modo que quien quiera conocer el régimen de minería aplicable en España debe leer los artículos 67 y 68 del RDL 24/2021 en paralelo con la LPI. El artículo 67 traspone la minería con fines de investigación científica del artículo 3; el artículo 68 traspone la minería general del artículo 4, con su reserva de derechos. La reproducción para minería se articula como excepción al derecho de reproducción del artículo 18 LPI, sobre obras protegidas ex artículos 10 y siguientes, y convive con el límite de copia técnica y con los actos que el titular puede reservar. La diferencia con el sistema estadounidense es estructural: no se pondera un fair use abierto caso por caso, sino que se aplica —o no— una excepción tasada, condicionada al cumplimiento de sus requisitos y a la ausencia de reserva eficaz.

Sobre ese sustrato de propiedad intelectual se superpone el Reglamento (UE) 2024/1689 de Inteligencia Artificial. Su artículo 53.1.c obliga a los proveedores de modelos de IA de uso general a implantar una política para identificar y respetar las reservas de derechos expresadas conforme al artículo 4.3 de la Directiva 2019/790, incluidas las efectuadas mediante tecnologías avanzadas. Lo que convierte esta obligación en un asunto global es su alcance extraterritorial: según los considerandos 105 a 107 del Reglamento, todo proveedor que introduzca un modelo en el mercado de la Unión debe cumplirla con independencia de la jurisdicción en la que se hayan realizado los actos de entrenamiento relevantes, para preservar la igualdad competitiva y evitar que quien entrena fuera de la Unión aventaje a quien entrena dentro. La territorialidad que salvó a Stability en Londres no se aplica frente al Reglamento de IA: entrenar fuera de la Unión no exime de respetar la reserva del artículo 4.3 si el modelo se comercializa en Europa.

El artículo 53.1.d añade una obligación de transparencia complementaria: publicar un resumen suficientemente detallado de los contenidos utilizados para el entrenamiento, conforme a una plantilla facilitada por la Oficina Europea de IA. La Comisión publicó esa plantilla el 24 de julio de 2025, exigiendo información estructurada sobre tipos de contenido, fuentes de datos y métodos de recopilación. La combinación de ambos deberes tiene una lectura probatoria clara: al obligar al proveedor a documentar de dónde salieron sus datos, el Reglamento facilita al titular de derechos detectar el uso de sus obras y, en su caso, accionar. La transparencia deja de ser cortesía y se convierte en insumo litigioso.

Estas obligaciones no operan en el vacío institucional. El 10 de julio de 2025, la Comisión publicó el Código de Buenas Prácticas para IA de uso general, cuyo capítulo sobre derechos de autor detalla cómo un proveedor puede cumplir con el artículo 53.1.c: adoptar una política de copyright, rastrear únicamente contenido lícitamente accesible, respetar señales legibles por máquina, como robots.txt, evitar sitios señalados por infracción reiterada y habilitar un punto de contacto para titulares. El Código es voluntario, pero funciona como puerto seguro reputacional y regulatorio; entre sus firmantes figuran Google, Microsoft, OpenAI, IBM, Amazon, Anthropic, Mistral y Aleph Alpha, mientras que Meta declinó suscribirlo. Las facultades de ejecución de la Comisión frente a los proveedores de modelos de uso general —solicitudes de información, acceso a los modelos, retirada— entran en vigor el 2 de agosto de 2026, lo que sitúa el momento presente en la antesala de su aplicación efectiva.

En el plano puramente español, el intento de ofrecer una vía licenciataria pactada no pudo materializarse. El Ministerio de Cultura sometió a información pública, en noviembre de 2024, un proyecto de Real Decreto que regulaba la concesión de licencias colectivas ampliadas para la explotación masiva de obras protegidas en el desarrollo de modelos de IA de uso general, desarrollando el artículo 163 del texto refundido de la LPI y apoyándose en el mecanismo del artículo 12 de la Directiva 2019/790. El proyecto se retiró el 28 de enero de 2025 ante la falta de consenso en el sector cultural, con el compromiso ministerial de reabrir el diálogo. Sin un marco licenciatario colectivo operativo, las empresas españolas dependen por ahora del binomio excepción-reserva de la Directiva y de la contratación individual de licencias.

Reproducción para entrenar frente a reproducción en el resultado

Hay una distinción técnica que no puede pasarse por alto, pues separa dos riesgos que requieren tratamientos distintos. Una cosa es la reproducción que se produce al alimentar el modelo —descargar, procesar y analizar las obras para extraer patrones—, y otra la que puede aparecer en el output cuando el modelo memoriza y regurgita fragmentos sustanciales de una obra concreta.

La primera es el terreno de las excepciones de minería: se resuelve preguntando si concurría el artículo 3 o el artículo 4 y si medió reserva eficaz. La segunda es una infracción ordinaria por reproducción o comunicación pública: si el modelo genera una salida sustancialmente idéntica a una obra protegida, poco importa que el entrenamiento estuviera amparado, porque el acto infractor es el resultado. Getty v. Stability AI ilustra esta dualidad con nitidez. El entrenamiento quedó fuera del alcance del tribunal por territorialidad y el modelo no se consideró un «artículo infractor» por no contener copias, pero la aparición de marcas de agua de Getty en algunos resultados sí generó responsabilidad, aunque marcaria y limitada. Diseñar la defensa de un modelo sin distinguir ambos planos —cómo se entrenó y qué produce— es hacerlo a medias.

Implicaciones prácticas: la procedencia del dataset como defensa jurídica

Para la empresa que entrena —y muy especialmente para quien construye modelos corporativos, sectoriales o verticales afinando sobre corpus propios o de terceros— la diligencia sobre la procedencia y las licencias de los datos no es un trámite documental: es la defensa jurídica de fondo. Si un litigio europeo se decide preguntando qué excepción amparaba las reproducciones y si el titular había reservado sus derechos, la empresa que no pueda reconstruir el origen de cada componente de su dataset carece de defensa.

El fine-tuning sobre un modelo base preexistente no traslada al desarrollador afinador la totalidad del riesgo del entrenamiento original, pero tampoco lo blinda. Quien afina asume dos exposiciones propias: la de los datos que él mismo aporta al corpus de ajuste —cuya procedencia y licencia debe poder acreditar— y la de un modelo base cuya cadena de suministro de datos desconoce. La debida diligencia se proyecta en dos direcciones. Hacia el corpus propio: inventario de fuentes, verificación de que el acceso fue lícito, comprobación de la existencia y del alcance de las licencias, y registro de la ausencia de reservas de derechos legibles por máquina en las fuentes en línea utilizadas. Hacia el proveedor del modelo base: exigencia contractual de manifestaciones y garantías sobre la licitud del entrenamiento, indemnidades por reclamaciones de propiedad intelectual y acceso al resumen de contenidos del artículo 53.1.d cuando el proveedor esté sujeto al Reglamento de IA.

El respeto a las reservas de derechos merece un protocolo específico. Puesto que el artículo 53.1.c obliga a identificar y acatar el opt-out del artículo 4.3 incluso para entrenamiento realizado fuera de la Unión, la empresa que aspire a comercializar su modelo en Europa debe implantar mecanismos que lean y respeten robots.txt, metadatos y condiciones procesables de los sitios rastreados, y documentar que lo hace. El Código de Buenas Prácticas ofrece la plantilla de conducta; ignorarlo no es solo un riesgo reputacional, sino la renuncia a un argumento de cumplimiento diligente llegado el litigio. La cara inversa corresponde a los titulares: quien no exprese su reserva en formato legible por máquina difícilmente podrá oponerla frente a la minería general del artículo 4, como aprendió Kneschke en Hamburgo.

La litigación estadounidense confirma, por contraste, que la matriz analítica europea es distinta y no debe importarse sin más. Allí el debate gira en torno al fair use: en junio de 2025, el juez William Alsup resolvió en Bartz v. Anthropic (Distrito Norte de California) que el entrenamiento con obras adquiridas lícitamente podía ampararse en fair use, aunque no la conservación de un repositorio de obras pirateadas, controversia que desembocó en el acuerdo por 1.500 millones de dólares; y en Kadrey v. Meta el mismo tribunal exploró coordenadas próximas. LAW21 analizó en detalle esos pronunciamientos en «IA y copyright: un veredicto clave que divide la victoria (Anthropic)» y en «Anthropic: acuerdo histórico de 1.500 millones»; a ellos remitimos, porque lo que aquí interesa es lo que los separa del modelo europeo. En Estados Unidos se pondera un estándar abierto; en Europa se aplica una excepción tasada con reserva de derechos. Confundir ambos regímenes —invocar fair use ante un tribunal español, o presuponer que la absolución de Anthropic vale como salvoconducto europeo— es un error de método antes que de resultado.

Prospectiva

El mapa europeo que dejan 2025 y el comienzo de 2026 no es de permisividad, sino de exigencia técnica. Las absoluciones de Stability y de LAION no consagran que entrenar con material público sea libre; consagran que la licitud depende de variables verificables —jurisdicción del acto, excepción aplicable, existencia y formato de la reserva— y que el desarrollador diligente que puede acreditarlas gana, mientras el titular que no reservó eficazmente pierde. El recurso pendiente ante el Bundesgerichtshof en Kneschke mantiene abierta la definición precisa de reserva legible por máquina. La entrada en aplicación de las facultades de ejecución del Reglamento de IA el 2 de agosto de 2026 anticipa un escenario en el que la transparencia sobre los datos de entrenamiento dejará de ser un compromiso voluntario para convertirse en obligación fiscalizable. Otros litigios europeos y la eventual reactivación del marco español de licencias colectivas irán completando el cuadro.

Para el directivo con formación jurídica, la instrucción es sobria: tratar el dataset como cualquier activo con cadena de titularidad relevante. Nadie adquiere una cartera de inmuebles sin verificar los títulos; entrenar un modelo comercial en Europa sin poder reconstruir la procedencia y las licencias de los datos asume un riesgo equivalente sin la debida diligencia. La empresa que entrena no pregunta si el material «era público». Pregunta qué excepción amparaba cada reproducción, si alguien había dicho que no de forma que una máquina pudiera entenderlo, y si conserva la prueba de haberlo comprobado.