Varios canales de YouTube de gran tamaño han llevado a Apple a los tribunales en Estados Unidos por una cuestiĂ³n que lleva meses cocinĂ¡ndose en la industria tecnolĂ³gica: el uso masivo de contenido protegido para entrenar modelos de inteligencia artificial sin pedir permiso ni pagar a sus autores. La disputa no solo salpica a la compañĂa de Cupertino, tambiĂ©n amplifica un conflicto cada vez mĂ¡s visible entre creadores y grandes plataformas de IA.
La denuncia, presentada en un tribunal federal de California como demanda colectiva, acusa a Apple de haberse beneficiado de millones de vĂdeos con copyright alojados en YouTube para impulsar sus sistemas de IA generativa. Los youtubers sostienen que la compañĂa ha estirado al lĂmite, y probablemente rebasado, lo que permiten tanto los tĂ©rminos de uso de YouTube como la normativa de derechos de autor, abriendo un frente legal que puede marcar el paso al resto del sector, tambiĂ©n en Europa.
Quiénes son los youtubers que han demandado a Apple y qué reclaman
En el centro del caso se encuentran los propietarios de tres canales muy influyentes en la plataforma: h3h3Productions, MrShortGame Golf y Golfholics. Entre todos suman alrededor de 6,2 millones de suscriptores, combinando un conocido podcast de conversaciĂ³n y sĂ¡tira con dos canales especializados en golf con cientos de miles de seguidores cada uno.
Los creadores acusan a Apple de acceder y extraer ilegalmente millones de vĂdeos de YouTube sin autorizaciĂ³n, que habrĂan sido utilizados como materia prima para entrenar sus modelos de IA, incluyendo tecnologĂas de generaciĂ³n de vĂdeo e interfaces inteligentes. SegĂºn la documentaciĂ³n presentada, gran parte de ese contenido estarĂa protegido por derechos de autor y sujeto a las condiciones de uso y medidas tĂ©cnicas de protecciĂ³n de la propia plataforma de Google.
La demanda se plantea como una acciĂ³n colectiva para que cualquier creador afectado pueda sumarse en Estados Unidos. Los youtubers piden al juez una orden judicial que obligue a Apple a detener estas prĂ¡cticas, asĂ como una indemnizaciĂ³n econĂ³mica por daños y perjuicios tanto a tĂtulo individual como en representaciĂ³n del resto de creadores cuyos vĂdeos se habrĂan utilizado sin consentimiento.
En el texto legal, los abogados emplean un tono especialmente duro: describen lo ocurrido como un ataque inaceptable contra la comunidad de creadores, cuya obra se habrĂa usado para alimentar una industria de la IA generativa valorada en varios billones de dĂ³lares sin ningĂºn tipo de compensaciĂ³n. A su juicio, el Ă©xito econĂ³mico de estas tecnologĂas descansa directamente sobre el trabajo ajeno.
Esta misma combinaciĂ³n de canales no se ha limitado a Apple. Ya habĂan presentado demandas muy similares contra Meta, Nvidia, ByteDance, Snap e incluso gigantes como Amazon u OpenAI, lo que revela una estrategia coordinada para presionar a todas las grandes tecnolĂ³gicas que habrĂan recurrido al mismo tipo de prĂ¡cticas con datos procedentes de YouTube.
Las acusaciones clave: DMCA, scraping y la arquitectura de YouTube
La pieza central del caso es la supuesta vulneraciĂ³n de la Digital Millennium Copyright Act (DMCA), la ley estadounidense que protege los derechos de autor en el entorno digital. Los demandantes sostienen que Apple, de forma directa o a travĂ©s de terceros, habrĂa eludido las medidas tecnolĂ³gicas de protecciĂ³n que aplica YouTube para evitar que cualquiera descargue masivamente contenido de la plataforma.
En la prĂ¡ctica, eso significarĂa saltarse la llamada «arquitectura de transmisiĂ³n controlada» de YouTube, un conjunto de sistemas y restricciones que permiten reproducir los vĂdeos en streaming pero impiden descargarlos de forma automatizada a gran escala. El uso de programas de scraping para vaciar la plataforma violarĂa tanto esas medidas como los propios tĂ©rminos de servicio del portal.
Los demandantes describen cĂ³mo Apple habrĂa accedido a millones de vĂdeos alojados en la plataforma con el objetivo de alimentar datasets gigantescos necesarios para entrenar modelos generativos. Aunque en el documento legal no detallan quĂ© herramienta informĂ¡tica concreta se empleĂ³ para sortear la arquitectura de retransmisiĂ³n de YouTube, sĂ apuntan a que la magnitud de las descargas no encaja en un uso normal de usuario, sino en procesos automatizados masivos.
Uno de los puntos dĂ©biles del escrito, admiten incluso algunos analistas, es que la demanda no incluye logs tĂ©cnicos precisos ni trazas detalladas de las descargas; se limita a hablar de «millones» de vĂdeos afectados sin cuantificar con exactitud cuĂ¡ntos corresponden a cada canal. Aun asĂ, los creadores argumentan que serĂa mĂ¡s que razonable asumir una escala de ese calibre a la vista de los sistemas de IA que Apple estĂ¡ construyendo.
En Europa, donde el Reglamento de IA de la UniĂ³n Europea exigirĂ¡ transparencia sobre el origen de los datos de entrenamiento, un escenario similar podrĂa tener aĂºn mĂ¡s implicaciones: las tecnolĂ³gicas se verĂ¡n obligadas a detallar las fuentes usadas, lo que podrĂa facilitar que creadores europeos identifiquen si su contenido ha sido reutilizado sin permiso.
El papel de los datasets masivos: Panda-70M y YouTube Subtitles
Buena parte de la polĂ©mica se concentra en los grandes conjuntos de datos de vĂdeo y texto extraĂdos de YouTube que habrĂan servido de base para entrenar a los modelos de Apple y de otras compañĂas. Entre los nombres que aparecen en la discusiĂ³n destacan dos: Panda-70M y YouTube Subtitles.
Por un lado, los documentos judiciales señalan el uso de Panda-70M, un dataset que actuarĂa como un Ăndice gigantesco con referencias a aproximadamente 70 millones de vĂdeos de YouTube. No almacena los archivos directamente, pero sĂ recoge URLs, IDs de vĂdeo y marcas de tiempo, de forma que cualquiera que lo utilice puede localizar y descargar con precisiĂ³n los clips necesarios para alimentar un modelo de IA, incluyendo segmentos muy concretos de cada obra.
Por otro, diferentes investigaciones han desvelado la existencia de YouTube Subtitles, un conjunto de datos recopilado por la organizaciĂ³n sin Ă¡nimo de lucro EleutherAI. Este dataset incluye subtĂtulos de mĂ¡s de 173.000 vĂdeos procedentes de mĂ¡s de 48.000 canales, entre ellos nombres tan conocidos como MIT, Harvard, MrBeast, PewDiePie, Marques Brownlee (MKBHD), Linus Tech Tips, Crash Course o Philosophy Tube. Ninguno de ellos, segĂºn las informaciones publicadas, habrĂa sido avisado ni habrĂa dado consentimiento previo.
EleutherAI reconoce en su propio trabajo que la compilaciĂ³n de YouTube Subtitles choca con los tĂ©rminos de servicio de YouTube, que prohĂben el uso de medios automatizados para raspar contenido sin permiso. Aun asĂ, justifican la prĂ¡ctica alegando que el scraping de vĂdeos y subtĂtulos era ya algo extendido en el ecosistema de IA cuando construyeron el dataset.
Apple, Anthropic, Nvidia, Salesforce y otros actores del sector habrĂan utilizado estos datasets para entrenar modelos de lenguaje y sistemas generativos. En el caso concreto de Apple, la controversia se intensifica porque sus propios equipos de investigaciĂ³n publicaron artĂculos acadĂ©micos donde se describen las bases de datos empleadas, lo que ha servido como municiĂ³n directa para los abogados de los youtubers.
La utilizaciĂ³n de material de YouTube a esta escala resulta especialmente delicada en un contexto como el europeo, donde las universidades, medios de comunicaciĂ³n y creadores independientes comienzan a revisar quĂ© datasets se han usado en productos que llegan al mercado comunitario. De demostrarse un uso masivo de contenido protegido sin licencia, podrĂan activarse mecanismos de reclamaciĂ³n tambiĂ©n en la UE.
El rastro documental que complica la defensa de Apple
Uno de los elementos que mĂ¡s han sorprendido en este caso es que los demandantes no han tenido que escarbar demasiado para encontrar indicios. En los Ăºltimos meses, Apple ha ido publicando artĂculos de investigaciĂ³n y documentaciĂ³n tĂ©cnica en los que sus propios ingenieros explican cĂ³mo han construido y entrenado algunos de sus modelos de IA, incluyendo sistemas de generaciĂ³n de vĂdeo.
En esos trabajos se hace referencia explĂcita a datasets masivos de origen online, y en algunos casos se menciona el uso de Panda-70M como base para modelos de vĂdeo. Los abogados de los creadores interpretan esos papers como una prueba de que Apple conocĂa el alcance y la procedencia del material que estaba empleando, y que, aun asĂ, optĂ³ por utilizarlo para acelerar el desarrollo de sus tecnologĂas.
La compañĂa, por su parte, ha empezado a esgrimir un argumento recurrente en este tipo de casos: sostiene que no fue Apple quien hizo el scraping directamente, sino que se limitĂ³ a aprovechar datasets previamente construidos por terceros, como EleutherAI u otros grupos de investigaciĂ³n. Desde su punto de vista, esa distancia deberĂa diluir su responsabilidad legal.
Los demandantes rechazan frontalmente ese razonamiento. Alegan que usar datos obtenidos de forma ilĂcita no exime de responsabilidad, incluso si la extracciĂ³n la ha realizado otra entidad. En su opiniĂ³n, una empresa de la envergadura de Apple tiene la obligaciĂ³n de verificar el origen del contenido con el que entrena sus sistemas, mĂ¡s aĂºn cuando se trata de modelos que van a integrarse en productos comerciales.
Hasta la fecha, Apple mantiene un silencio casi absoluto sobre el fondo del asunto mientras se preparan las prĂ³ximas fases del proceso. Se espera que, tras la presentaciĂ³n de la demanda, llegue la contestaciĂ³n formal de la compañĂa, posibles audiencias preliminares y una etapa de descubrimiento de pruebas en la que los jueces podrĂan pedir acceso a documentaciĂ³n interna sobre los procesos de entrenamiento de la IA de la casa.
Un conflicto global: precedentes con medios, artistas y otras Big Tech
El caso de estos canales de YouTube contra Apple no es un episodio aislado, sino otro capĂtulo en un conflicto cada vez mĂ¡s amplio sobre cĂ³mo se alimentan los modelos de IA. En los Ăºltimos años, medios, artistas y programadores han iniciado su propia batalla para frenar el uso no autorizado de sus obras.
En diciembre de 2023, por ejemplo, The New York Times demandĂ³ a OpenAI y Microsoft por el uso presuntamente ilegal de millones de artĂculos y piezas de investigaciĂ³n del diario, que habrĂan servido para entrenar modelos de lenguaje sin acuerdo ni compensaciĂ³n. Antes, a principios de 2023, un grupo de artistas llevĂ³ a los tribunales a Stability AI, DeviantArt y Midjourney por integrar en sus sistemas obras protegidas sin consentimiento.
En paralelo, compañĂas como Nvidia, Meta, ByteDance o Snap acumulan tambiĂ©n demandas relacionadas con la utilizaciĂ³n de contenidos de redes sociales y plataformas de vĂdeo para entrenar IA generativa. En California, incluso dos neurocientĂficos presentaron otra demanda previa contra Apple por cuestiones similares vinculadas al uso de material protegido para sistemas avanzados.
Figuras influyentes del ecosistema tecnolĂ³gico, como Marques Brownlee (MKBHD), han criticado pĂºblicamente estas prĂ¡cticas. El propio creador recuerda que paga servicios por minuto para transcribir con precisiĂ³n sus vĂdeos antes de subirlos a YouTube, y denuncia que las empresas que rastrean esas transcripciones estĂ¡n aprovechĂ¡ndose de un trabajo doblemente pagado para entrenar sus modelos comerciales.
En Europa, este tipo de litigios estĂ¡ empezando a verse como una señal de que la industria de la IA ha crecido «saqueando» en gran medida el contenido disponible en Internet. Plataformas como Xataka destacan que, tras años de hacer scraping de libros, artĂculos, imĂ¡genes, vĂdeos y cĂ³digo, muchos autores empiezan a organizarse para reclamar remuneraciĂ³n o, al menos, capacidad de decisiĂ³n sobre si quieren o no que su trabajo se use como combustible para la IA.
Para el mercado europeo y español, donde los reguladores avanzan en normas mĂ¡s estrictas y donde los medios dependen cada vez mĂ¡s de licencias y acuerdos agregados, estos casos en Estados Unidos se siguen con lupa: cualquier sentencia que limite o penalice el uso indiscriminado de contenido protegido podrĂa desencadenar una cascada de reclamaciones al otro lado del AtlĂ¡ntico.
Lo que se juegan los creadores, las Big Tech y el futuro de la IA
En el fondo, este conflicto va mucho mĂ¡s allĂ¡ de la batalla concreta entre unos cuantos youtubers y Apple. La pregunta que sobrevuela todo el caso es quiĂ©n debe pagar el coste de entrenar los modelos de IA que hoy estĂ¡n transformando medio planeta. Hasta ahora, gran parte de ese coste se ha externalizado de facto a los creadores que suben su trabajo a internet.
Los demandantes insisten en que el modelo actual no es sostenible para la comunidad creativa. Si las plataformas y las grandes tecnolĂ³gicas continĂºan apropiĂ¡ndose del contenido sin consentimiento ni reparto de ingresos, muchos autores se verĂ¡n desincentivados a seguir produciendo o buscarĂ¡n vĂas para bloquear el acceso automatizado a sus obras.
Desde el lado empresarial, la preocupaciĂ³n es otra: si los tribunales empiezan a fallar a favor de los creadores, el coste de licenciar o generar datos legales para entrenar modelos podrĂa dispararse. Esto afectarĂa no solo a gigantes como Apple u OpenAI, sino tambiĂ©n a startups europeas y españolas que, hasta ahora, han tirado de datasets pĂºblicos sin preguntar demasiado por su origen.
Este escenario estĂ¡ favoreciendo el nacimiento de nuevos mercados de licencias de datos, plataformas para gestionar el consentimiento de creadores y servicios de auditorĂa de datasets orientados al cumplimiento normativo. Para quienes desarrollan IA en Europa, construir desde el principio con datos propios, sintĂ©ticos o expresamente licenciados puede convertirse en una ventaja competitiva, sobre todo con la llegada del Reglamento de IA y la implementaciĂ³n prĂ¡ctica de la Directiva de derechos de autor.
Mientras los jueces analizan el caso y las compañĂas calibran su respuesta, lo que sĂ parece claro es que el tiempo del «todo vale» en el entrenamiento de modelos de IA se estĂ¡ agotando. Los youtubers que han plantado cara a Apple han puesto sobre la mesa un debate incĂ³modo pero necesario: hasta quĂ© punto es aceptable que el motor de la inteligencia artificial se alimente casi gratis del trabajo de millones de personas repartidas por todo el mundo.
