Socavar economías creativas
El riesgo se centra en cómo los Modelos de Lenguaje (ML) pueden generar contenido que, sin violar la normativa estricta de derechos de autor, capitaliza las ideas y estilos de los artistas. Este proceso automatizado ofrece una eficiencia de costes y tiempo inalcanzable para el trabajo humano. Implementada a escala, esta capacidad tecnológica socava la rentabilidad y, en última instancia, la viabilidad económica de la creación e innovación humana.
ENTIDAD
2 - IA
INTENCIÓN
2 - Involuntario
TIEMPO
2 - Post-despliegue
ID del riesgo
mit255
Linea de dominio
6. Socioeconómico y Ambiental
6.3 > Devaluación económica y cultural del esfuerzo humano
Estrategia de mitigacion
1. Promover la reforma de la legislación de propiedad intelectual para establecer un criterio de "sustitución funcional" o "reemplazo creíble" del contenido. Este criterio debe abordar la generación automatizada de obras que, sin infringir el *copyright* directo, socavan la rentabilidad y viabilidad económica de las creaciones humanas al servir como análogos de mercado. 2. Implementar mecanismos obligatorios de **remuneración proporcional y compensatoria** a favor de los autores y titulares de derechos cuyas obras sean utilizadas en el entrenamiento de los Modelos de Lenguaje (ML). Esta medida debe garantizar una participación económica justa sobre los ingresos derivados de la explotación comercial de los contenidos generados por la IA. 3. Establecer **protocolos de transparencia y trazabilidad** en el desarrollo y despliegue de la IA generativa. Esto incluye la exigencia de documentar, registrar y permitir la auditoría de los conjuntos de datos de entrenamiento utilizados, así como requerir la inclusión de metadatos o **marcas de agua** en el contenido generado por ML para asegurar su identificación y procedencia.
EVIDENCIA ADICIONAL
Existe la posibilidad de que los Modelos de Lenguaje (ML) generen una nueva brecha en la legislación de derechos de autor. Esto ocurriría al producir contenido (por ejemplo, texto o melodías) que es lo suficientemente distinto de una obra original como para no constituir una violación directa del *copyright*, pero a la vez, lo suficientemente similar como para servir de sustituto funcional. Este mecanismo es análogo a la práctica conocida como 'destrucción de patentes' (*patent-busting*) (Rimmer, 2013). En la práctica, si una predicción de un ML se establece como un reemplazo creíble de una manifestación de creatividad humana protegida por derechos de autor, se podría permitir la sustitución de esa obra sin que se infrinja el *copyright* del autor original.