Getty Images vs Stability AI: la sentencia que puede redefinir el copyright en la era de la IA

IA · COPYRIGHT · DERECHOS DE AUTOR

Si vienes siguiendo los choques entre titulares y modelos de IA generativa, esta sentencia es clave. Marca un precedente en Reino Unido, influirá en cómo se diseñan modelos y contratos y se suma a otras batallas que ya hemos comentado en MoriahTech IA, como el caso de OpenAI y el arte japonés o el uso de contenidos creativos para entrenar sistemas.

1) De qué iba realmente el caso Getty Images vs Stability AI

La historia empieza en 2023, cuando Getty Images demanda a Stability AI ante el High Court de Londres. La acusación principal: haber usado más de 12 millones de fotografías de su catálogo, sin licencia, para entrenar Stable Diffusion, el modelo que genera imágenes a partir de texto. Además, denunciaba que el modelo llegaba a producir imágenes con su marca de agua, lo que para Getty era doble agravio: uso indebido de contenido protegido y erosión de su marca.

Getty se presentaba como el representante de cientos de miles de fotógrafos cuyo trabajo había sido “aspirado” de la web para entrenar un sistema que, potencialmente, podía competir con ellos. Stability, por su parte, defendía que el entrenamiento era legal, que el modelo no almacenaba copias de las fotos y que la demanda, tal y como estaba planteada, era un freno directo a la innovación en IA.

Durante el juicio, además, apareció un elemento técnico que para el gran público pasa desapercibido, pero que es central: la localización de los servidores. Getty tenía que demostrar que el entrenamiento de Stable Diffusion se había producido, al menos en parte, en Reino Unido. La realidad era más compleja: mucha de la infraestructura estaba fuera del país, en otros centros de datos. Esa dificultad probatoria iba a pesar mucho más de lo que parecía al principio.

2) Lo que ha dicho el juez (en cristiano)

La sentencia, publicada el 4 de noviembre de 2025, tiene varios giros que conviene separar. El primero es casi dramático: Getty abandona en pleno juicio parte de sus acusaciones de copyright sobre el entrenamiento y las salidas “similares” del modelo. ¿Por qué? Porque no podía acreditar dónde se había producido realmente el entrenamiento ni vincular de forma sólida ciertas imágenes generadas con obras concretas de su catálogo en Reino Unido.

Eso deja al tribunal frente a una cuestión más estrecha: si la distribución y descarga de Stable Diffusion en Reino Unido constituía una forma de infracción secundaria de copyright. La respuesta de la jueza Joanna Smith es contundente y, aquí viene lo importante, alineada con la visión mayoritaria de muchos técnicos: Stable Diffusion, tal y como está construido, no es una “copia infractora” de las fotos originales. El modelo no contiene dentro imágenes legibles, ni reproduce obras concretas, sino que almacena parámetros matemáticos aprendidos durante el entrenamiento.

En consecuencia, descargar o distribuir el modelo desde Reino Unido no se considera, en sí mismo, distribuir copias ilegales de las fotos de Getty. El tribunal también descarta la mayoría de las alegaciones de infracción de bases de datos y otras figuras de propiedad intelectual. Donde sí encuentra problemas es en algo mucho más concreto: ciertos usos de la marca de Getty, al aparecer su logo o elementos muy parecidos en algunas salidas del modelo. Ahí reconoce una infracción limitada de marca, histórica y ya corregida en gran parte.

Traducido a lenguaje llano: el tribunal no da carta blanca a cualquier entrenamiento de IA sin límites, pero sí envía un mensaje potente. El simple hecho de que un modelo haya sido entrenado con obras protegidas no convierte automáticamente al modelo en una copia ilegal de esas obras, al menos bajo la ley británica actual y con la prueba presentada en este caso.

3) Por qué el fallo es tan polémico (y por qué nadie está del todo contento)

Getty ha reaccionado subrayando justo lo que teme: si los tribunales no reconocen que el entrenamiento masivo con obras protegidas necesita una licencia clara, el equilibrio de poder entre creadores y plataformas de IA se inclina aún más hacia estas últimas. Para ellos, el fallo es una señal de que el marco legal británico va por detrás de la tecnología y deja a los fotógrafos casi sin herramientas para defenderse, salvo intentar cerrar acuerdos privados caso por caso.

Stability AI y buena parte del sector de IA, en cambio, celebran la sentencia como una validación parcial de su modelo de negocio. Si el modelo no es una copia infractora, desarrollar y distribuir sistemas similares es menos arriesgado de lo que algunos temían. Pero tampoco es una victoria absoluta: el tribunal no entra a fondo a decidir si el propio acto de entrenar con obras protegidas, en determinadas circunstancias, debería considerarse infracción directa. Esa gran pregunta queda aparcada por motivos procesales, no resuelta.

El resultado es incómodo para todos: los creadores sienten que el corazón del problema (usar su trabajo sin permiso para entrenar IA) sigue sin respuesta clara; las empresas de IA saben que, en otra jurisdicción o con mejor prueba, el desenlace podría ser distinto. Y mientras tanto, la industria se mueve: Getty, por ejemplo, ha firmado acuerdos de licencia con otros actores de IA generativa y motores de búsqueda, como contamos cuando analizamos el auge de modelos que buscan contenido visual para IA en paralelo a la presión regulatoria.

4) Qué significa para los desarrolladores de modelos de IA

Si trabajas en IA generativa, la tentación es leer el titular “Stability AI gana a Getty” y relajarte. Error. Lo que te está diciendo este caso es que el diablo está en los detalles: dónde entrenas, qué logs guardas, cómo documentas tus datasets, qué filtros aplicas a las salidas y cómo respondes cuando un titular demuestra que su contenido aparece, con o sin marca de agua, en las imágenes generadas.

La jueza ha comprado, en gran medida, la tesis técnica de que un modelo no almacena copias literales de las obras. Pero eso no te salva si, por ejemplo, distribuyes el modelo junto a un dataset de entrenamiento descargable, o si tu sistema permite reproducir sistemáticamente imágenes muy cercanas a obras concretas sin mecanismos de bloqueo. Tampoco te salva si ignoras por completo las obligaciones de privacidad y gobernanza de datos que ya estamos viendo en productos enterprise, como analizamos en el caso de Harvey, la IA legal para despachos.

Desde el punto de vista de arquitectura, este tipo de casos empujan hacia modelos más trazables: pipelines donde puedes demostrar qué se ha usado, cuándo, bajo qué base jurídica y con qué mecanismos de exclusión. Ahí encajan bien enfoques como los que comentamos al hablar de Graph-RAG y recuperación controlada, o las propuestas de “private compute” con separación estricta entre datos de usuario y modelos base, como en Private AI Compute de Google.

En resumen: el fallo reduce un tipo de riesgo (que tu modelo en sí mismo se considere una copia ilegal), pero refuerza la importancia de todo lo demás: licencias, contratos, documentación, filtros y gobernanza. Si tus pilotos de IA ya cojean por falta de claridad en esto, te interesa releer por qué tantos pilotos de IA fracasan mucho antes de llegar a producción.

5) Qué implica para fotógrafos, medios y creadores

Para los fotógrafos y agencias, la sensación inmediata es de derrota: han invertido años en crear catálogos valiosos y ven cómo modelos entrenados con sus imágenes generan contenido a demanda, muchas veces a precios ridículos. Esta sentencia, al menos en Reino Unido, les deja en una posición complicada si su principal estrategia es la vía judicial basada solo en el entrenamiento.

La vía alternativa, que cada vez gana más peso, es la de los acuerdos de licencia. En lugar de confiar en que los tribunales prohíban ciertos entrenamientos, se trata de negociar desde una posición razonable: acceso controlado a catálogos, precios por volumen, limitaciones de uso y, sobre todo, atribución clara. Es la lógica que ya estamos viendo no solo en fotografía, sino también en acuerdos entre modelos de IA y medios de comunicación, y que conecta con los debates sobre entrenamiento con obras culturales que repasamos en el artículo de deepfakes y memoria histórica.

En paralelo, este tipo de juicios refuerza algo que ya comentábamos cuando analizamos el impacto de la IA en cine y VFX en IA generativa en el cine: los profesionales creativos van a tener que pelear su valor no solo en el plano artístico, sino también en el contractual y organizativo. Saber qué firmar, qué ceder y qué no se está volviendo casi tan importante como saber usar la cámara o el software de edición.

6) La pregunta que la sentencia no responde: ¿es legal entrenar con cualquier cosa?

La gran paradoja de Getty vs Stability AI es que, siendo el primer macrojuicio sobre copyright e IA en Reino Unido, no nos da todavía una respuesta clara a la pregunta que todos se hacen: ¿es legal entrenar modelos con obras protegidas sin licencia? La jueza no dice que sí; simplemente dice que, en este caso concreto, con esta prueba y este marco territorial, no puede pronunciarse sobre la cuestión de fondo.

Esa ambigüedad contrasta con otros frentes donde sí se está empujando hacia enfoques más restrictivos o hacia modelos de opt-out, como explicábamos cuando analizábamos la presión de Tokio sobre el uso de manga y anime en OpenAI y el arte japonés. Entre jurisdicciones que avanzan hacia excepciones amplias de minería de datos y otras que refuerzan derechos de autor clásicos, el mapa se está fragmentando.

Para los usuarios finales, esto se traduce en algo muy concreto: servicios que cambian sus condiciones, modelos que se re-entrenan con datasets más pequeños o licenciados, restricciones geográficas y, en algunos casos, resultados de peor calidad si los proveedores deciden no asumir ciertos riesgos. El “deep research” automático del que hablábamos en NotebookLM y el estudio asistido por IA no se diseña igual en un mundo donde el entrenamiento libre es la norma que en uno donde cada corpus exige una negociación específica.

7) Qué hacer si diriges una empresa que usa (o está pensando usar) IA generativa

Si estás del lado empresarial, la moraleja de este caso no es “podemos hacer lo que queramos”, sino “no nos vale improvisar”. La estrategia sensata pasa por tres movimientos: entender de verdad el stack técnico que usas, revisar tu exposición legal en cada jurisdicción relevante y decidir dónde quieres estar en el mapa moral, no solo en el mínimo legal.

Esto implica hablar en serio con proveedores de modelos, exigir claridad sobre datasets, trazabilidad y opciones de entrenamiento privado, y diseñar productos donde puedas explicar qué hace la IA y con qué límites. En piezas anteriores sobre liderazgo en IA empresarial y encaje producto–mercado en startups de IA ya insistíamos en que la ventaja competitiva no va a ser solo “tener un modelo”, sino integrar bien la IA en tu cultura, tus procesos y tu contrato social con clientes y creadores.

Además, este tipo de casos demuestra que los riesgos legales de la IA no se limitan al copyright. Piensa en lo que analizamos en ciberataques e IA según Anthropic o en chatbots y riesgos clínicos: privacidad, seguridad, responsabilidad por daños. El copyright es solo una pieza del puzzle, pero es una que ya está generando sentencias con impacto directo en negocio.

8) Conclusión: una victoria parcial para la IA… y un toque de atención para todos

Getty Images vs Stability AI va a citarse durante años como el caso que, en Reino Unido, dijo que un modelo entrenado con obras protegidas no es automáticamente una copia ilegal. Es una buena noticia para quienes construyen modelos, y una señal preocupante para muchos creadores. Pero sería un error leerla como el final de la historia: todavía quedan por llegar apelaciones, nuevos casos en Estados Unidos y Europa y posibles cambios legislativos que intenten cerrar algunos de los huecos que esta sentencia ha dejado al descubierto.

Mientras tanto, si te mueves en este mundo, lo inteligente es asumir que la etapa de “haz primero, ya veremos luego” está muriendo. La siguiente oleada de productos de IA no solo se va a juzgar por la calidad de sus resultados, sino por cómo respetan la autoría, la privacidad y la seguridad. Entender bien casos como este, y aprender de ellos, es parte del trabajo.

Si quieres seguir este tipo de temas con una visión práctica (menos ruido, más consecuencias reales para producto y negocio), en MoriahTech IA ya hemos cubierto desde los fallos de grandes pilotos de IA hasta el impacto de la IA en cine, empresas y gobernanza. Este juicio es solo otra pieza más de un tablero que se mueve muy rápido.