La expansión de la inteligencia artificial generativa cambió la conversación clásica del derecho de autor: ya no se discute únicamente si una obra fue copiada o reproducida sin autorización, sino también cómo se entrenan los modelos, quién asume responsabilidad por los datos usados en ese entrenamiento y qué nivel de intervención humana permite considerar que un resultado (texto, imagen, audio o video) puede ser protegido como obra. Este desplazamiento es jurídicamente relevante porque afecta simultáneamente la propiedad intelectual, la protección de datos, la privacidad, la competencia, la responsabilidad civil y, en ciertos escenarios, el derecho penal (por ejemplo, deepfakes, suplantación de voz o explotación no consentida de imagen).

En términos operativos, conviene distinguir desde el inicio tres planos de análisis, porque mezclar estos planos genera errores frecuentes en informes, demandas, descargos o políticas corporativas. Primer plano: entrenamiento (input/training). Aquí se evalúa si el uso de obras protegidas para entrenar modelos tiene licencia, excepción o fundamento jurídico válido según la jurisdicción aplicable. Segundo plano: salida del modelo (output). Aquí se examina si el resultado reproduce elementos protegidos, si existe similitud sustancial o si el output incorpora un aporte humano creativo suficiente para aspirar a protección. Tercer plano: explotación y distribución. Incluso cuando el output sea lícito, la forma de usarlo puede activar otros riesgos: uso de voz/imagen ajena, publicidad engañosa, infracción marcaria, incumplimiento contractual o supresión de información de gestión de derechos.

El texto base del presente artículo identifica correctamente que la pregunta más consultada en 2025-2026 es: “¿quién es titular de una obra generada por IA?”. Sin embargo, una formulación más útil para práctica profesional y cumplimiento es la siguiente: ¿qué pruebas necesito para sostener una pretensión de titularidad, licitud de uso o ausencia de infracción en un entorno de IA generativa? Este giro es decisivo, porque la respuesta jurídica depende cada vez más de la trazabilidad: prompts, iteraciones, datasets, contratos, licencias, políticas de plataforma, versiones del modelo y evidencias de edición humana.

Desde un enfoque didáctico, también es importante evitar dos simplificaciones. La primera: “si lo hizo una IA, entonces no tiene derechos”. Esa afirmación es incompleta. Aunque muchas jurisdicciones exigen autoría humana para el registro de obras, un resultado obtenido con IA puede integrar un proceso creativo más amplio en el que sí exista protección sobre selección, composición, edición, arreglo, adaptación o combinación de elementos. La segunda simplificación: “si está en internet, sirve para entrenar”. Tampoco es correcta. La disponibilidad pública de un contenido no equivale automáticamente a autorización para minería, scraping, entrenamiento comercial o reutilización masiva.

Por ello, el problema jurídico real no es binario, sino graduado. El análisis serio exige diferenciar ideas, expresiones, instrucciones, transformaciones y actos de explotación; identificar la jurisdicción relevante; y diseñar estrategias de cumplimiento y prueba desde el inicio del proyecto. Esto vale tanto para un estudio jurídico que publica piezas para redes como para una startup de diseño, una universidad que usa herramientas generativas en contenidos docentes o una empresa que automatiza materiales de marketing.

En el Perú, el análisis de inteligencia artificial y derechos de autor exige una lectura coordinada de varios niveles normativos. En materia autoral, el marco principal se encuentra en la Decisión Andina 351 (Comunidad Andina, 1993) y en el Decreto Legislativo N.° 822 (Ley sobre el Derecho de Autor, Perú), además de sus modificaciones. Ambos instrumentos preservan la idea de que el derecho de autor se vincula a una creación intelectual con aporte humano y originalidad. En paralelo, el país ha desarrollado un marco general de IA (según el texto base: Ley N.° 31814 y su reglamento por D.S. N.° 115-2025-PCM, extremo cuya versión y vigencia deben corroborarse en fuente oficial), y ha incorporado respuestas penales frente al uso ilícito de IA (texto base: Ley N.° 32314, también sujeta a verificación de versión vigente y alcance exacto).

Esta coexistencia de marcos normativos tiene una consecuencia práctica: no basta con analizar si una obra es registrable; también debe revisarse si la forma de generar, entrenar, difundir o usar el contenido activa obligaciones de transparencia, supervisión humana, responsabilidad penal, protección de datos personales o tutela de imagen y voz. Dicho de otro modo: una organización puede no obtener registro de un output plenamente automatizado, pero aun así incurrir en responsabilidad si explota ese output vulnerando derechos de terceros.

El texto base destaca que la regulación general peruana de IA habría incorporado principios como no discriminación, respeto de derechos fundamentales, transparencia, sostenibilidad y supervisión humana, además de una clasificación por riesgo y obligaciones reforzadas en sistemas de alto riesgo. Aun cuando este artículo se enfoca en propiedad intelectual, ese enfoque de gobernanza es útil porque introduce una lógica compatible con compliance autoral: documentar fuentes de datos, finalidades de uso, impactos y controles humanos. En la práctica, esta documentación puede convertirse en evidencia útil en controversias sobre entrenamiento, outputs o diligencia empresarial.

En materia de protección de derechos, también resulta relevante el régimen peruano de datos personales (Ley N.° 29733 y reglamentación vigente), especialmente cuando la IA generativa se utiliza sobre bases que contienen datos personales, imágenes, voces o información identificable. Aunque datos personales y derechos de autor son subsistemas distintos, en la práctica litigiosa suelen cruzarse: por ejemplo, en deepfakes, avatares sintéticos, clonación de voz o uso de fotos para entrenamiento sin trazabilidad contractual clara.

El marco penal mencionado en el texto base (agravación por uso de IA en determinados delitos) refuerza un mensaje institucional importante: el ordenamiento peruano no trata la IA solo como motor de innovación, sino también como vector de riesgos que puede intensificar la lesividad de conductas ya tipificadas. Para quienes diseñan políticas corporativas, esto implica que la gobernanza de IA no puede quedar limitada al área tecnológica; debe involucrar a legal, cumplimiento, seguridad de la información y, en ciertos casos, auditoría interna.

Implicancias inmediatas para práctica jurídica en Perú

• Registro y autoría: la pretensión de protección sobre outputs de IA debe sustentarse en intervención humana significativa y evidencia de proceso creativo, no solo en la generación automática.
• Contratación y compliance: si se usan plataformas de IA, contratos con clientes, creativos y proveedores deben precisar titularidad, garantías, límites de uso, indemnidad y deberes de revisión.
• Debido procedimiento: ante controversias administrativas (por ejemplo, registros, oposiciones o actuaciones sancionadoras), la calidad de la motivación y la evidencia digital resultan determinantes.
• Gestión de riesgos: deepfakes y réplicas digitales exigen protocolos adicionales de consentimiento, autenticidad y respuesta temprana.

El punto doctrinal y administrativo más estable, tanto en Perú como en buena parte del entorno comparado, es la exigencia de autoría humana. En la Comunidad Andina, la Decisión 351 atribuye la condición de autor a la persona natural, y la originalidad se conecta con un aporte creativo individual. Desde esta base, el razonamiento jurídico es relativamente claro: si el resultado fue producido de manera autónoma por un sistema sin intervención creativa humana demostrable, la protección autoral del output tiende a ser negada. Esto no impide discutir otros derechos o intereses (por ejemplo, derechos contractuales, secretos empresariales, bases de datos, imagen, marcas), pero sí debilita la pretensión de registro autoral clásico.

El texto base reporta decisiones de la Oficina de Derecho de Autor de Indecopi sobre solicitudes relativas a imágenes generadas en Artbreeder (“Objetos para colorear…” y “Animales para colorear…”), donde se habría reafirmado la necesidad de aporte humano creativo y la idea de que los prompts son, en principio, ideas no protegibles. Dado que en la referencia entregada figura una nota de prensa vinculada a la Resolución N.° 236-2024/CDA-Indecopi, se recomienda para uso litigioso o académico formal verificar el texto íntegro de las resoluciones, órgano exacto y fundamentos completos antes de extraer reglas generales. Aun así, el criterio reportado es consistente con la arquitectura andina: la IA no desplaza la centralidad de la persona humana como autora.

En el derecho comparado, la discusión se ha refinado con la noción de “intervención humana significativa”. La idea no es nueva en técnica jurídica, pero ahora adquiere un rol probatorio central: ¿qué hizo exactamente la persona usuaria más allá de introducir un prompt? Seleccionó entre múltiples resultados, modificó composición, ajustó iluminación, hizo inpainting, recortó, reorganizó, añadió elementos, realizó posproducción, integró material propio, descartó versiones y tomó decisiones expresivas sucesivas. Cuanto más documentado esté ese proceso, mayor posibilidad de sostener la existencia de una obra asistida por IA con contenido creativo humano relevante.

Un error recurrente en práctica profesional es confundir titularidad contractual con autoría. Una empresa puede pactar con un proveedor que le cede todos los derechos sobre materiales generados con IA; sin embargo, ese pacto no crea por sí mismo un derecho de autor donde el ordenamiento exige originalidad y autoría humana. El contrato sirve para distribuir riesgos y expectativas entre partes, pero no “corrige” por sí solo un déficit de base jurídica en materia de copyright. Por eso, los contratos deben redactarse con precisión: declarando si el entregable es original propio, obra asistida por IA, salida generada con apoyo de herramientas, y qué verificaciones realizó el proveedor.

También es importante la dimensión administrativa y de motivación. Si una autoridad deniega un registro o cuestiona la protección por ausencia de aporte humano, su resolución debería explicar (i) cuál es el estándar aplicable, (ii) qué hechos probados muestran automatización predominante y (iii) por qué la evidencia presentada no acredita intervención creativa suficiente. Del lado del solicitante, un expediente robusto debe ir más allá del archivo final: conviene adjuntar cronología de trabajo, evidencia de iteraciones, capturas del proceso y descripción técnica de las modificaciones humanas.

El panorama comparado muestra una combinación de convergencias y divergencias. La convergencia principal es que muchas jurisdicciones mantienen la exigencia de intervención humana para reconocer protección autoral sobre outputs de IA. La divergencia está en el tratamiento del entrenamiento de modelos, las excepciones aplicables, la intensidad de la fiscalización y la relación con otros subsistemas (por ejemplo, protección de datos, imagen, deepfakes, competencia o telecomunicaciones).

Estados Unidos

En Estados Unidos, la discusión se ha desarrollado simultáneamente por vía judicial, regulatoria y de políticas de copyright. El texto base resume litigios ampliamente comentados en 2025 (como Thomson Reuters v. ROSS, Bartz v. Anthropic y acciones contra desarrolladores de modelos generativos), donde emergen criterios distintos sobre uso justo (fair use) según el tipo de material, forma de obtención de datos y propósito del uso. Para práctica jurídica seria, conviene evitar simplificaciones tipo “EE. UU. ya decidió que el training es fair use” o “EE. UU. lo prohibió”; lo correcto es reconocer que existe un análisis casuístico y que los hechos del entrenamiento (origen legal del corpus, transformación, mercado sustituido, uso comercial, bibliotecas pirateadas) pesan intensamente en la valoración.

Además, la U.S. Copyright Office ha publicado una serie de informes sobre IA (réplicas digitales, copyrightability y entrenamiento generativo) que, aunque no sustituyen la ley ni la jurisprudencia, orientan el debate y sistematizan problemas clave: autoría humana, outputs parcialmente editados, eliminación de información de gestión de derechos, y límites normativos para réplicas de voz e imagen. En este frente, el texto base también alude a proyectos como el NO FAKES Act y la Take It Down Act, que reflejan una preocupación regulatoria por la circulación de réplicas digitales no consentidas y contenidos íntimos generados con IA.

Unión Europea y España

La Unión Europea ofrece un marco más normativo y anticipatorio. El AI Act (Reglamento UE 2024/1689) no resuelve por sí solo todas las preguntas de derecho de autor, pero introduce obligaciones de gobernanza, transparencia y gestión de riesgos que impactan en la forma de diseñar y desplegar sistemas de IA. A ello se suman la Directiva 2019/790 (mercado único digital) y el RGPD, que influyen en minería de datos, licencias y obligaciones de tratamiento. En el campo práctico, guías divulgadas por instituciones y organismos especializados (incluida la OMPI, según el texto base difundido por Instituto Autor) recomiendan documentar participación humana, revisar términos de uso y limitar deepfakes o usos de imagen/voz sin consentimiento.

En España, la discusión se mueve entre la dogmática de autoría humana, la práctica registral y reformas o propuestas enfocadas en honor, imagen y deepfakes. El mensaje para operadores peruanos es útil: aunque el marco español tiene particularidades, confirma una tendencia común: la IA no elimina la necesidad de prueba de autoría humana y de control sobre la explotación de contenidos sintéticos.

Colombia y Comunidad Andina

El texto base destaca el criterio de la Dirección Nacional de Derecho de Autor (DNDA) de Colombia en el sentido de negar registro a obras generadas autónomamente por IA y admitir, en cambio, la posibilidad de protección cuando hay aportes humanos significativos. Esto es especialmente relevante para Perú porque refuerza la coherencia regional con la Decisión Andina 351: el debate no gira en torno a “dar personalidad a la IA”, sino a definir cuándo el resultado expresa un trabajo creativo humano identificable y documentado.

México y otros países de América Latina

México aparece en el texto base como un caso de reforma con foco en propiedad industrial e infracciones potenciadas por IA (marcas, diseños, secretos, contenido engañoso), lo que evidencia una tendencia regional: la regulación de IA no ingresa solo por copyright, sino también por mecanismos administrativos de control, aseguramiento de productos, facultades de autoridad y retos probatorios. Para estudios jurídicos y empresas con operación regional, esto exige coordinación entre áreas de autor, marcas, competencia, publicidad y protección al consumidor.

En otros países latinoamericanos, según reportes especializados, se anticipa un aumento del escrutinio sobre originalidad, participación humana, licenciamiento y actualización normativa. La lección práctica es clara: aunque cada país avance a ritmos distintos, el estándar de diligencia empresarial tenderá a elevarse. Quien espere “certeza total” para recién implementar compliance llegará tarde.

El debate global puede ordenarse en tres preguntas jurídicas mayores. (i) ¿Es lícito entrenar modelos con obras protegidas? (ii) ¿Cuándo un output es infractor o protegible? (iii) ¿Quién responde cuando el sistema se usa para producir resultados ilícitos? Responderlas exige combinar doctrina, litigio, regulación sectorial y teoría de la prueba. El texto base recoge de forma pertinente la clasificación práctica difundida en análisis jurídicos de IA generativa: input liability, output liability y riesgos asociados a remoción de información de gestión de derechos (CMI/DMCA en EE. UU.).

1) Training / input liability

En este eje, el núcleo del problema es el origen y uso del corpus de entrenamiento. El riesgo se incrementa cuando existen indicios de scraping masivo sin licencia, incorporación de materiales pirateados, incumplimiento de términos de servicio o ausencia de documentación de permisos. En cambio, el riesgo puede disminuir (aunque no desaparecer) cuando la organización acredita adquisición legítima, límites de uso, base jurídica o encuadre en excepción legal, y adopta medidas de gobernanza. La lección de cumplimiento es directa: la defensa comienza antes del litigio, en el diseño del dataset y su documentación.

2) Output liability y copyrightability

Una salida puede generar al menos dos tipos de controversia: (a) reclamo de terceros por supuesta reproducción/similitud sustancial respecto de obras previas; y (b) pretensión propia de protección autoral sobre el resultado. Estas dos controversias son distintas y no deben confundirse. Un output puede no ser registrable como obra autoral autónoma y, aun así, no infringir derechos de terceros; del mismo modo, un output podría ser intensamente editado por una persona y aspirar a protección, pero seguir generando riesgos si replica de forma reconocible elementos de obras ajenas o incorpora imagen/voz no autorizada.

3) Responsabilidad por distribución y usos dañosos (deepfakes, réplicas, fraude)

El texto base subraya el aumento de la preocupación por deepfakes y la tendencia a reforzar obligaciones de identificación, retiro o consentimiento. Este fenómeno desborda el derecho de autor estricto: involucra honor, imagen, privacidad, protección de datos, competencia desleal, publicidad y tutela penal. Para organizaciones que usan IA generativa, el error más costoso no suele ser “usar la herramienta”, sino no establecer un protocolo de revisión de contenido sintético antes de publicarlo, licenciarlo o monetizarlo.

En litigios y procedimientos administrativos, una estructura de análisis muy útil es la matriz hecho → prueba → norma → conclusión. Esta matriz obliga a especificar qué se afirma, con qué evidencia se sostiene, qué norma se invoca y por qué la consecuencia jurídica es razonable. En materia de IA, esta técnica evita dos defectos comunes: (i) decisiones basadas en percepciones sobre “lo que hace la IA” sin peritaje o evidencia suficiente, y (ii) defensas corporativas genéricas que alegan “uso de herramienta estándar” sin demostrar controles concretos.

También conviene advertir que la responsabilidad puede ser compartida o escalonada: desarrollador del sistema, implementador, usuario profesional, plataforma de distribución, estudio creativo, anunciante o cliente final pueden tener roles distintos según el caso. El análisis serio exige diferenciar quién generó el contenido, quién lo editó, quién lo aprobó, quién lo publicó y quién obtuvo beneficio económico directo.

Para convertir el análisis jurídico en una herramienta de gestión, es recomendable trabajar con una matriz que combine tipo de uso de IA, riesgo jurídico principal, evidencia mínima exigible y acción de control. Este enfoque es particularmente útil para despachos, áreas legales internas, universidades, medios, agencias creativas y emprendimientos tecnológicos, porque permite priorizar recursos y no tratar todas las actividades con la misma intensidad de control.

Tabla comparativa de jurisdicciones (enfoque práctico)

La tabla resume tendencias generales y no reemplaza la revisión de norma, jurisprudencia, guías o criterios vigentes en cada país. Use esta matriz como punto de partida para diseño de compliance y estrategia legal.

La mejor forma de reducir contingencias en IA generativa no es “prohibir todo”, sino establecer una arquitectura de uso responsable que permita innovar con control jurídico y probatorio. A continuación se propone una mini-guía de implementación aplicable a estudios jurídicos, universidades, medios, equipos de marketing, agencias creativas y empresas con áreas de innovación.

Paso a paso (implementación mínima viable)

1. Clasifique el uso de IA. No es lo mismo una lluvia de ideas interna que un contenido monetizado, un curso, una campaña publicitaria o una obra que se quiere registrar. Definir la categoría de uso determina el nivel de revisión jurídica.
2. Identifique herramienta y condiciones. Documente proveedor, versión del modelo, términos de uso, políticas de entrenamiento/reutilización y restricciones de licencia. Si la plataforma cambia condiciones, registre la fecha y versión aplicable al proyecto.
3. Diseñe una carpeta probatoria del proyecto. Guarde prompts relevantes, capturas de iteraciones, archivos fuente, historial de edición, decisiones creativas y versiones finales. Si hay trabajo colaborativo, registre quién hizo cada intervención.
4. Aplique revisión de derechos de terceros. Verifique imagen, voz, marcas, fragmentos de obras, estilo visual demasiado cercano a autores identificables, datos personales y potenciales usos engañosos.
5. Defina la titularidad y las garantías contractuales. En contratos con clientes o proveedores, delimite si el trabajo es totalmente original, asistido por IA o mixto; incluya obligaciones de revisión, atribución de responsabilidades y mecanismos de corrección.
6. Implemente un protocolo de respuesta a reclamos. Toda organización que publica con IA debe tener ruta de atención: recepción, preservación de evidencia, revisión legal, retiro temporal si corresponde, respuesta motivada y acciones correctivas.
7. Capacite y audite. El cumplimiento en IA no se logra con un documento aislado. Requiere entrenamiento a equipos de diseño, marketing, contenidos, docentes y abogados, además de auditorías periódicas de casos reales.

Buenas prácticas de redacción administrativa y contractual (IA + PI)

El siguiente caso es un ejercicio académico-didáctico construido para enseñanza y asesoría inicial. No inventa jurisprudencia ni sustituye la revisión de expedientes reales; su finalidad es mostrar cómo estructurar análisis jurídico y probatorio en un conflicto relacionado con IA generativa y derecho de autor en Perú.

Preguntas frecuentes (FAQ)

Conclusiones operativas

La intersección entre inteligencia artificial y derechos de autor se consolidó como uno de los temas jurídicos más sensibles y consultados en el entorno digital contemporáneo. En el Perú, el análisis no puede reducirse a una sola pregunta de registro. Requiere articular la lógica de autoría humana y originalidad (Decisión Andina 351 y D. Leg. N.° 822) con los desarrollos de gobernanza de IA, protección de datos, tutela de imagen/voz y, cuando corresponda, respuesta penal y administrativa frente a usos lesivos de la tecnología.

El panorama comparado confirma que la tendencia no es una “prohibición total” de la IA ni una “libertad absoluta” para explotar outputs y datasets. El eje real es el control jurídico del proceso: quién decide, con qué datos, bajo qué permisos, con qué intervención humana y con qué evidencia. Esa es la razón por la cual los casos más difíciles no se resuelven con slogans tecnológicos, sino con expedientes técnicos y jurídicos bien construidos.

Para creadores, docentes y empresas, la estrategia más inteligente es adoptar una política de compliance por diseño: clasificación de usos, trazabilidad de proyectos, revisión de derechos de terceros, contratos claros, preservación de evidencia y protocolo de incidentes. Para abogados y operadores jurídicos, la clave es mantener una metodología rigurosa de análisis (hecho–prueba–norma–conclusión), evitando extrapolar decisiones extranjeras sin contexto o afirmar vigencias normativas sin verificación.

En síntesis, la pregunta jurídica decisiva ya no es solo “si se puede usar IA”, sino cómo demostrar que se usó con diligencia, respeto de derechos y control de riesgos. Ahí se define la sostenibilidad legal y reputacional de cualquier proyecto de IA generativa.