El uso de obras protegidas en el entrenamiento de inteligencia artificial: análisis normativo y doctrinario en Chile, Estados Unidos y la Unión Europea

Abstract

Esta investigación analiza el marco normativo y doctrinario aplicable al uso de obras protegidas por derecho de autor como insumo para el entrenamiento de sistemas de inteligencia artificial (IA), a través de un enfoque comparado entre Chile, Estados Unidos y la Unión Europea. El estudio se centra en las tensiones que surgen entre la innovación tecnológica y la protección de los derechos patrimoniales de los autores, especialmente ante el uso masivo y automatizado de contenidos mediante técnicas como la minería de textos y datos (Text and Data Mining, TDM). A través de una metodología jurídico-dogmática y comparada, se examinan los fundamentos del derecho de autor y su aplicación al uso de datasets protegidos, considerando las respuestas normativas adoptadas en cada jurisdicción: la doctrina del fair use en Estados Unidos, las excepciones específicas contenidas en la Directiva 2019/790 de la Unión Europea, y el tratamiento emergente del tema en Chile, especialmente en el contexto del Proyecto de Ley N.º 16821-19. Los hallazgos evidencian que, mientras Estados Unidos y la Unión Europea han desarrollado marcos normativos y criterios interpretativos relativamente definidos, en Chile aún persisten incertidumbres regulatorias que limitan la previsibilidad jurídica. La tesis propone una reflexión crítica sobre la necesidad de establecer estándares normativos claros, transparentar el uso de datasets protegidos y armonizar los criterios legales en torno al entrenamiento de modelos de IA, a fin de garantizar un equilibrio justo entre innovación, desarrollo tecnológico y respeto a los derechos exclusivos de los autores

This thesis analyzes the legal and doctrinal framework governing the use of copyrighted works as input for training artificial intelligence (AI) systems, through a comparative analysis of Chile, the United States, and the European Union. The study focuses on the tensions between technological innovation and the protection of authors’ economic rights, particularly in the context of large-scale and automated content processing through techniques such as Text and Data Mining (TDM). Using a legal-dogmatic and comparative methodology, the research examines the foundations of copyright law and its applicability to protected datasets, analyzing the regulatory approaches adopted in each jurisdiction: the fair use doctrine in the United States, the specific exceptions introduced by Directive 2019/790 in the European Union, and the emerging treatment of the issue in Chile, especially in light of Bill No. 16821-19. The findings reveal that while the United States and the European Union have developed relatively defined legal frameworks and interpretive criteria, Chile continues to face regulatory uncertainties that affect legal predictability. Accordingly, the thesis offers a critical reflection on the need to establish clear legal standards, ensure transparency in the use of protected datasets, and harmonize legal criteria for AI training, with the aim of fostering a fair balance between innovation, technological development, and the protection of authors’ exclusive rights