1. Los orígenes y el desarrollo de la inteligencia artificial

El inicio de la inteligencia artificial lo podemos encontrar en las primeras propuestas conceptuales de sistemas informáticos “autónomos” desarrollados entre las décadas de 1940 y 1960. Dentro de este contexto, Alan ^{Turing planteó en 1950} la interrogante “¿Pueden pensar las máquinas?”. A partir de dicha cuestión, Turing sentó las bases de la inteligencia artificial al proponer “el juego de la imitación”, conocido en la actualidad como el “test de Turing”, plasmado por medio de un criterio operacional para determinar si un sistema puede funcionar de forma indistinguible a un ser humano (^{Turing, 1950}). Posteriormente, en 1955, John McCarthy propuso la organización de un evento académico denominado Dartmouth Summer Research Project on Artificial Intelligence, en el cual se partía de la conjetura de que “todo aspecto del aprendizaje, o cualquier otra característica de la inteligencia, puede describirse, en principio, con tal precisión que sea posible diseñar una máquina capaz de simularlo” (^{McCarthy et al., 2006}). En el mismo año, Allen Newell, Herbert A. Simon y Cliff Shaw desarrollaron el sistema Logic Theorist, concebido para gestionar información y contestar preguntas de forma inteligente, gracias a su capacidad de demostrar teoremas de lógica simbólica de forma autónoma (^{Gugerty, 2006}). Este software logró imitar procesos cognitivos aplicados a la resolución de problemas matemáticos, al resolver 38 de los 52 teoremas que le fueron presentados (^{McCorduck y Cfe, 2004}).

Más adelante, el propio McCarthy formuló el concepto de “sentido común” informático en su ponencia Programs with Common Sense presentada en la Conferencia de Teddington de 1958 y publicada en 1959 ^{(McCarthy, 1959}), y definió los primeros métodos simbólicos para deducir consecuencias inmediatas de sucesos observados (^{McCarthy, 2000}), por medio de un programa llamado “Advice Taker”, diseñado para recibir “consejos” en forma de premisas declarativas y deducir automáticamente nuevas conclusiones lógicas, algunas de las cuales podían ser imperativas y desencadenar acciones específicas. La propuesta de McCarthy separó la información del motor de procesamiento, y sentó las bases para que los ordenadores tuvieran “sentido común” y sirviera de inspiración a los futuros métodos de inteligencia artificial.

Luego, paulatinamente, fueron surgiendo nuevos programas de ordenador enfocados en la inteligencia artificial, entre los que se encontraban los denominados “sistemas expertos”, que codificaban conocimiento especializado y cuyo algoritmo pretendía imitar el razonamiento humano y la toma de decisiones de un experto en un determinado campo científico o tecnológico. Un ejemplo de esta innovación fue el proyecto “DENDRAL”, acrónimo de Dendritic Algorithm, desarrollado entre 1965 y 1975 por el informático Edward Feigenbaum, el químico Carl ^{Djerassi y el biólogo molecular Joshua Lederberg (Djerassi et al., 1982}), en el cual se demostró la eficacia de integrar reglas heurísticas para el análisis de espectros de masas en química orgánica (^{Lindsay et al., 1993}).

Otro de los hitos fundacionales de la inteligencia artificial contemporánea fue el estudio sobre la “retropropagación” de errores, llevado a cabo por Geoffrey Hinton, David Rumelhart y Ronald Williams, en el que se explicaba cómo entrenar redes neuronales de múltiples capas, lo que permitió superar las limitaciones de las estructuras entonces vigentes (^{Rumelhart et al., 1986}). Sobre la base de este estudio, algunos años después, Hinton lideró una segunda investigación en la que se demostró que las redes entrenadas con esta técnica superaban a los métodos de reconocimiento de imágenes existentes, con lo cual comenzó el desarrollo del “deep learning” o “aprendizaje profundo” (^{LeCun et al., 2015}). Asimismo, estos aportes sirvieron de base a los sistemas actuales de inteligencia artificial, incluyendo aquellos que incorporan reconocimiento de voz, imagen y traducción automática (^{Somers, 2017}).

En la década de 1990 inició el proceso de masificación del Internet, lo que ocasionó un crecimiento descomunal en la capacidad de compartir información a nivel global. Este flujo masivo facilitó la programación basada en la alimentación de sistemas y el aprendizaje de ejemplos, lo cual, a su vez, derivó en una inevitable mejora del desarrollo informático. La disponibilidad de grandes bases de datos y repositorios de texto, imágenes y registros web abrió la puerta a la formación de modelos capaces de reconocer patrones y tomar decisiones autónomas. Es así que, en 1995, Richard Wallace presentó “ALICE”, uno de los primeros chatbots capaces de mantener conversaciones coherentes con usuarios humanos (^{Lutepo y Zhang, 2024}). Poco después, ^{Hochreiter y Schmidhuber (1997)} introdujeron la “red de memoria a corto-largo plazo” (LSTM), un importante avance en el procesamiento de voz y escritura gracias a su capacidad para conservar información a lo largo de secuencias extensas. En 1998, Dave Hampton y Caleb Chung lanzaron “Furby”, el primer robot de juguete interactivo (^{Rose, 2023}) y, al año siguiente, la empresa Sony Group Corporation comercializó “AIBO”, un perro robótico entrenado para reconocer y ejecutar más de cien comandos de voz (^{Pransky, 2001}).

Además, simultáneamente al crecimiento del deep learning (^{LeCun et al., 2015}), investigadores de la Universidad de Montreal, presentaron las “Generative Adversarial Networks” (GAN), que permiten crear diseños propios basados en un conjunto de datos reales (^{Goodfellow et al., 2020}). Esta nueva propuesta derivó en lo que se conoce ahora como un sistema de aprendizaje automático o machine learning.

2. La sociedad digital y la inteligencia artificial generativa

El significativo avance de la inteligencia artificial encuentra un punto de inflexión con la aparición de la inteligencia artificial generativa, a través de la cual un sistema informático recopila y procesa información con el propósito de generar contenidos de diversa índole mediante patrones aprendidos con antelación. Esta técnica es el resultado de una serie de innovaciones informáticas desarrolladas sobre la base del acervo tecnológico acumulado en las últimas décadas. Uno de los avances más significativos al respecto fue el desarrollo, a inicios de la década de 2010, de los “codificadores automáticos variacionales” o “Variational Autoencoders” (VAE), que hacía posible el aprendizaje de representaciones compactas de datos mediante una formulación probabilística (^{Kingma y Welling, 2022}). Esta tecnología hizo que los sistemas informáticos puedan generar nuevos ejemplos, similares a los datos de entrenamiento, y se consolidaran como una herramienta de referencia en el procesamiento de imágenes y señales (^{Kingma y Welling, 2019}). Asimismo, los GAN introdujeron una dinámica de competencia entre dos redes para generar ejemplos cada vez más realistas (^{Goodfellow et al., 2020}). Esto supuso un enfoque revolucionario, ya que se utilizaban dos redes neuronales, una para generar muestras y otra para evaluar si provenían de datos reales o ficticios. Esta dinámica, de “jugador contra jugador”, a decir de los expertos, derivó en muestras de alta calidad, ya que el generador aprendía a engañar al discriminador y éste, a su vez, aprendía a detectar las falsificaciones (^{Megahed y Mohammed, 2024}).

A su vez, en el 2017, ocho investigadores de Google LLC desarrollaron la tecnología “transformer”, que incluía modelos con mecanismos de atención que permitían acelerar el aprendizaje del sistema y mejorar la calidad de traducciones y predicciones de texto (^{Vaswani et al., 2017}). Este aporte a la informática significó un momento decisivo para el posterior desarrollo de las herramientas de traducción, generación de textos y comprensión del lenguaje natural. Luego, llegado el 2018, OpenAI LLC utilizó la estructura informática de los “transformadores” para diseñar programas capaces de procesar secuencias de texto mediante mecanismos de atención que identificaban relaciones contextuales entre palabras, lo que dio inicio al ciclo de los “Generative Pre-trained Transformers”, más conocidos por sus siglas “GPT” (^{Radford y Narasimhan, 2018}). Estos sistemas, tienen la capacidad de entrenamiento previo y pueden generar contenido nuevo imitando el estilo y la coherencia del lenguaje humano, al responder a las instrucciones de los usuarios con textos, resúmenes o diálogos.

De acuerdo con la tecnología GPT, en el 2020, OpenAI utilizó la escala masiva de parámetros para entrenar a un sistema informático con cientos de millones de variables (^{Brown et al., 2020}). Esta prueba dio como resultado la tecnología “GPT-3”, un sistema capaz de generar respuestas coherentes, resumir textos y hasta utilizar lenguaje de programación para escribir código e instrucciones (^{Lutepo y Zhang, 2024}). Poco tiempo después, en noviembre de 2022, la empresa presentó al público su herramienta ChatGPT.

Paralelamente, se empezaron a perfeccionar “los modelos de difusión” para el aprendizaje automático de la elaboración de imágenes, a través de los cuales, al emular la difusión termodinámica (^{Copper, 2025}), se entrenó a los sistemas para que realicen el proceso de difusión hasta que la imagen se vuelva estática (difusión hacia delante) y luego inviertan el proceso de difusión (difusión hacia atrás) hasta la reconstrucción de la imagen (^{Ho et al., 2020}). En los siguientes años, la propia OpenAI lanzaría al mercado su programa de inteligencia artificial generativa “DALL-E” (^{Ramesh et al., 2021}) con capacidad para crear imágenes a partir de instrucciones de texto (^{Kunal et al., 2023}), y empezaría a perfeccionar la tecnología “CLIP”, acrónimo de “Contrastive Language-Image Pre-training”, que asocia texto e imagen en un espacio común para facilitar la generación y búsqueda semántica (^{Tu et al., 2023}). Finalmente, en 2024, la empresa hizo público su sistema “SORA” diseñado para generar videos a partir de instrucciones escritas en lenguaje natural (^{O’Callaghan, 2024}).

Huawei, a su vez, presentó en 2023 a “Pangu-Weather”, un sistema de inteligencia artificial generativa basado en redes neuronales 3D, entrenadas con 43 años de datos (^{Bi et al., 2023})the most accurate forecast system is the numerical weather prediction (NWP. Este modelo superó en precisión a los métodos numéricos tradicionales y redujo drásticamente el tiempo de cálculo, y fue adoptado en pruebas operativas por Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF). Finalmente, a comienzos de 2025, la empresa china DeepSeek lanzó “R1”, un modelo de lenguaje de código abierto con capas de expertos mixtos que optimizan costes y rendimiento. Según los expertos, la irrupción de DeepSeek ha revolucionado la tecnología sobre inteligencia artificial y ha puesto en duda la hegemonía comercial de Silicon Valley (^{Lacort, 2025}).

Como podemos apreciar, los sistemas de inteligencia artificial generativa se han desarrollado sobre la base de una serie de innovaciones llevadas a cabo a lo largo de las últimas décadas. Estos avances informáticos se han consolidado a partir de un sinnúmero de iniciativas, investigaciones y proyectos que han utilizado, experimentado y perfeccionado las tecnologías colectivamente generadas.

Sin perjuicio de la información no divulgada y de los derechos exclusivos que pueden recaer sobre las herramientas tecnológicas, las creaciones e invenciones relacionadas con la inteligencia artificial generativa -como con cualquier otro tipo de tecnología- se han conseguido gracias al aprovechamiento privado de la información producida colectivamente, el acervo cognitivo socialmente acumulado y las altas capacidades intelectuales de los especialistas del ramo (^{Mason, 2015}). Estos hechos y circunstancias han permitido que la inteligencia artificial generativa haya alcanzado un grado considerable de madurez y pueda ser aplicada en diversos campos. Su capacidad y perspectivas de crecimiento respecto a la generación de textos, imágenes, audios y vídeos marcan un punto crítico sobre las creaciones literarias y artísticas desde la mirada del derecho de autor.

3. La inteligencia artificial generativa desde la óptica del derecho de autor

Visto el avance y posicionamiento de la inteligencia artificial generativa, empezaremos abordándola desde su faceta eminentemente tecnológica, con el fin de establecer un marco conceptual claro que nos permita delimitar su análisis dentro del ámbito jurídico y, en particular, en lo que respecta a la propiedad intelectual. El entendimiento general de esta tecnología nos permitirá comprender adecuadamente los desafíos que se presentan al contrastar los aspectos jurídicos de la propiedad intelectual con la generación de contenidos automatizados. Con este ejercicio, podremos proponer una definición de inteligencia artificial generativa, en armonía con los principios y particularidades del derecho de autor.

Así, vemos que la inteligencia artificial fue definida tempranamente como “la ciencia de hacer que las máquinas hagan cosas que requerirían inteligencia si fueran hechas por seres humanos” (^{Minsky y Papert, 1968}). Por su parte, McCarthy ha dicho que son programas con la capacidad para resolver problemas y alcanzar objetivos con la misma eficacia que los seres humanos (^{McCarthy, 2007}). Otras propuestas, más recientes, han puesto énfasis en las características y en la funcionalidad informática, al destacar la autonomía de los sistemas para la toma independiente de decisiones (^{Nilsson, 2013}), así como para la interpretación de datos y el aprendizaje en busca de objetivos y tareas concretas (^{Kaplan y Haenlein, 2019}).

La Comisión Europea, con la asesoría del Grupo de Expertos de Alto Nivel sobre Inteligencia Artificial (AI HLEG), expuso que la inteligencia artificial “se aplica a los sistemas que manifiestan un comportamiento inteligente, pues son capaces de analizar su entorno y pasar a la acción -con cierto grado de autonomía- con el fin de alcanzar objetivos específicos” (^{COM(2018) 237 final, 2018}). Por su parte, la Organización para la Cooperación y el Desarrollo Económicos (OCDE), a efectos de la “Recomendación del Consejo sobre Inteligencia Artificial”, abordó su concepto de la siguiente manera:

Un sistema de IA es un sistema basado en máquinas que, para objetivos explícitos o implícitos, infiere, a partir de los datos de entrada que recibe, cómo generar información de salida como predicciones, contenidos, recomendaciones o decisiones, que pueden influir en entornos reales o virtuales. Una vez implementados, los distintos sistemas de IA presentan diversos niveles de autonomía y varían en su capacidad de adaptación. (^{OECD, 2024})

Mientras que, el Reglamento UE de Inteligencia Artificial,¹ la primera norma vinculante dedicada a la regulación de la inteligencia artificial en el mundo, al tomar ciertos elementos de la OECD, la define en los siguientes términos:

un sistema basado en una máquina que está diseñado para funcionar con distintos niveles de autonomía y que puede mostrar capacidad de adaptación tras el despliegue, y que, para objetivos explícitos o implícitos, infiere de la información de entrada que recibe la manera de generar resultados de salida, como predicciones, contenidos, recomendaciones o decisiones, que pueden influir en entornos físicos o virtuales. (art. 3.1)

A su vez, Organización Mundial de la Propiedad Intelectual (OMPI) se ha referido a la inteligencia artificial como una tecnología “diseñada para imitar a la inteligencia humana” y, sobre la inteligencia artificial generativa, ha explicado que tiene la capacidad de “crear nuevos contenidos, como audio, código, imágenes, texto, simulaciones y videos” (^{OMPI, 2024}). Otros estudios recientes destacan los atributos de la inteligencia artificial generativa, al resaltar su capacidad para sintetizar y generar contenido con un nivel de realismo indistinguible de las creaciones humanas (^{Gupta et al., 2024}), así como la producción de contenido novedoso en texto, imagen, audio y vídeo, basándose en el entrenamiento previo (^{Watson et al., 2025}).

No obstante, para los fines de este estudio, parece insuficiente limitarnos a las concepciones generales existentes, pues muchas de ellas resultan ambiguas respecto a los elementos esenciales del derecho de autor, tales como la autoría, el objeto de protección y el criterio de la originalidad. En consecuencia, identificaremos los rasgos compartidos por las principales propuestas teóricas y programáticas y, a partir de lo cual, formularemos una definición adaptada a los objetivos de esta investigación. Esto, además, nos permitirá contar con una descripción erigida sobre la base de los aspectos de mayor aceptación académica.

Así, entre las aproximaciones más influyentes a la inteligencia artificial generativa, podemos destacar los siguientes atributos comunes:

A partir de estas coordenadas, y desde la óptica del derecho de autor, proponemos definir a la inteligencia artificial generativa como aquella rama de la inteligencia artificial que, a partir de un amplio repositorio de datos y la interacción humana, emplea arquitecturas informáticas avanzadas, con capacidad de abstracción y procesamiento, para producir de forma autónoma y adaptativa nuevos contenidos. Dichos contenidos incorporan distintos niveles de creatividad no humana y pueden generarse en formato de texto, imagen, sonido o vídeo. El formato de texto, a su vez, puede expresarse en lenguaje natural, especializado, simbólico o de programación. Esta definición integra los elementos consensuados en la doctrina, a la vez que encuadra la creación algorítmica sin menoscabo de los aspectos jurídicos relevantes de autoría, obra y originalidad, dentro del marco normativo del derecho de autor.

1. La obra en el derecho de autor

La obra es el objeto de protección del derecho de autor, su existencia es indispensable para que se reconozcan y constituyan los diversos derechos comprendidos en esta modalidad de la propiedad intelectual. Ahora bien, para que la obra sea protegible, es indispensable que sea original y que pueda ser divulgada o reproducida en cualquier formato (^{Bercovitz, 2023}). En ese sentido, en el derecho español, el artículo 10 de la Ley de Propiedad Intelectual (LPI)² otorga protección a todas las creaciones originales expresadas por cualquier medio o soporte, tangible o intangible. En la misma línea de ideas, en el ordenamiento mexicano, el artículo 3o. de la Ley Federal del Derecho de Autor (LFDA)³ otorga protección a las obras “de creación original susceptibles de ser divulgadas o reproducidas en cualquier forma o medio”. De hecho, es habitual que, en las legislaciones sobre derecho de autor, se incorporen los requisitos de la originalidad y la exteriorización.

Por su parte, los sistemas de inteligencia artificial generativa, caracterizados por su capacidad algorítmica de abstracción, procesamiento masivo de datos y recombinación simbólica, son capaces de generar contenidos que aparentan responder a una dinámica creativa (^{Jennings, 2010}). Esta facultad les permite producir resultados que van más allá de las simples reproducciones de datos preexistentes, ya que los contenidos generados están dotados de una configuración formal que, a simple vista, podría considerarse “original” (^{Legner, 2019}). En consecuencia, los resultados u outputs generados por estos sistemas se distinguen de las obras que integran tanto el dominio público como las obras protegidas por derechos exclusivos, por cuanto presentan una impronta singular en su forma de exteriorización (^{Saiz García, 2019})

Tal hecho suscita, de modo ineludible, la siguiente pregunta: ¿pueden estos contenidos responder al criterio de originalidad exigido por el derecho de autor? (^{Lanteri, 2020}). La respuesta a esta interrogante no es una cuestión baladí, pues incide directamente en la delimitación del objeto de protección del derecho de autor y, como veremos, aporta elementos para la determinación de la autoría.

2. El criterio de originalidad de la obra

Entonces, para afrontar esta cuestión debemos partir con la mención de que la “originalidad”, en el contexto del derecho de autor, constituye un concepto jurídico, ajeno al uso común y corriente de la palabra y distinto a la mera novedad fáctica. Como veremos, la jurisprudencia y la doctrina han planteado varios enfoques para precisar el criterio de la originalidad exigido por las normativas de la materia. En la vertiente de la “originalidad subjetiva”, (^{Bruguière y Vivant, 2024}) se vincula inescindiblemente a la originalidad con la impronta personal del creador, y requiere que la obra refleje las decisiones formales y la personalidad del autor en una manifestación concreta (^{Loewenheim, 2024}). El enfoque de la “originalidad objetiva”, se resume en el conocido “modicum of creativity” desarrollado por la Corte Suprema de los Estados Unidos, a través del cual se requiere un mínimo de creatividad para que una obra acceda a la protección por el sistema del Copyright (^{Feist Publications, Inc. v. Rural Tel. Serv. Co., 499 U.S. 340, 1991}); pero, en cualquier caso, tal creatividad, debe contener suficientes elementos expresivos de autoría humana (^{Burrow-Giles Lithographic Company v. Sarony, 111 U.S. 53, 1884}).

Las corrientes intermedias se inclinan por una valoración híbrida, al exigir un umbral mínimo de ingenio y el reflejo de la personalidad del autor, y concebir la originalidad como una manifestación creativa y de impronta personal (^{STS 214-2011, 2011}). A su vez, la tradición jurídica alemana ha contribuido con el concepto de “Gestaltungshöhe”, o “altura creativa”, por el que se exige un grado apreciable de aportación intelectual (^{Mimler, 2016}). De conformidad con esta corriente, la obra debe ostentar un cierto nivel de individualización y originalidad que no se agote en la mera reproducción de datos, sino que denote una contribución creativa digna de tutela jurídica.

En armonía con lo dicho, el Tribunal de Justicia de la Unión Europea (TJUE), en el caso “Infopaq International A/S v. Danske Dagblades Forening”, desarrolló el criterio de la originalidad al afirmar que una obra será original si constituye una “creación intelectual propia del autor” (^{TJUE, asunto C-5/08, 2009}). Luego, en el caso “Painer” reafirmó la importancia de la creación intelectual que refleja la personalidad del autor, (^{TJUE, asunto C 145/10, 2011}). Mientras que, el Tribunal Supremo de España (TS), señaló que las obras deben ser el “resultado de una «creación» individualizada y personalizada”. Además, aportó un criterio para diferenciar entre el “producto de la industria” y la obra,⁴ al ser esta última “hija de la inteligencia, ingenio o inventiva del hombre”(^{STS 563-1995, 1995}).

En la misma línea de ideas, Bercovitz, se refiere a la obra original de un ser humano como el objeto de protección del derecho de autor, excluyendo a las obras realizadas por animales, la naturaleza, máquinas y ordenadores (²⁰²³); es decir, desde la ótica del derecho de autor, resultaría incongruente atribuir “originalidad” a un contenido generado por un sistema de inteligencia artificial, ya que carece de la impronta personal que estampa el autor. Además, al tomar en cuenta que el derecho de autor tiene un fundamento personalista, es innegable que la originalidad está estrechamente vinculada con la subjetividad del autor (^{Saiz García, 2018}). Por lo tanto, una flexibilización excesiva del criterio de la originalidad, pondría en riesgo la esencia misma de este régimen jurídico, al diluir el vínculo entre personalidad y protección (^{Carballo-Calero y Plaza, 2021}). En ese sentido, otorgarle la categoría de “obra” a los resultados generados enteramente por la inteligencia artificial contradice los principios esenciales sobre los que se ha edificado el derecho de autor contemporáneo, ya que desvirtúa el carácter creativo que emana de los seres humanos (^{Lacruz, 2021}).

3. La creatividad humana como parámetro de originalidad

Visto el desfase temporal entre los sistemas de protección de la propiedad intelectual y los avances tecnológicos, resulta indispensable revisar la casuística reciente sobre la determinación del criterio de la originalidad en las creaciones humanas por medio de la instrumentalización algorítmica. Al respecto, la praxis administrativa de la oficina de Copyright de los Estados Unidos (USCO), se ha guiado bajo el criterio de que la originalidad debe ser producto de la creación humana, al destacar la imposibilidad de registrar obras producidas por una máquina o un mero proceso mecánico que opere de forma aleatoria o automática, sin ningún aporte o intervención creativa humana (^{USCO, Compendium II, 1984}).

En 2025, la propia USCO consolidó este principio en su en su guía interpretativa “Copyright and Artificial Intelligence” (^{USCO, 2025}), en la que precisó que la originalidad protegible exige siempre una intervención humana sustancial. El documento aclara que la participación humana debe reflejarse en decisiones creativas identificables -como la selección, organización o modificación del material generado por la máquina- y reafirma que los resultados producidos de manera totalmente autónoma carecen de la autoría necesaria para acceder al registro o a la protección por derecho de autor. Además, la oficina exige a los solicitantes que informen sobre el contenido generado por la inteligencia artificial y expliquen su contribución creativa, y excluye de la protección a las creaciones que no incorporen un aporte intelectual, como seleccionar, organizar o transformar creativamente el material desplegado por la inteligencia artificial (^{USCO, 05321 - 88 FR 16190, 2023}).

A partir de estos criterios, la USCO rechazó el registro de A Recent Entrance to Paradise, una imagen generada absolutamente por el sistema de inteligencia artificial Creativity Machine, bajo el fundamento de que el contenido carecía de la autoría humana necesaria ^{(“lacked the human authorship necessary to support a copyright claim”; USCO, Correspondence ID 1-3ZPC6C3; SR # 1-7100387071, 2022}). Las decisiones administrativas de la USCO, en sede de Registro y de “Review Board”, fueron ratificadas posteriormente por la Corte Distrital de Columbia (D. D. C.), que fue categórica al afirmar que “la autoría humana es un requisito fundamental para la protección del Copyright ( ^{Thaler v. Perlmutter, No. 1 D. D. C., 2023}); así como por la Corte de Apelaciones (D. C. Cir.), que reafirmó al requisito de la originalidad mínima como un atributo exclusivo de las personas físicas (^{Thaler v. Perlmutter, No. 23 D.C. Cir., 2025}).

Posteriormente, la oficina afinó su criterio sobre la autoría y la originalidad, al considerar a la interacción humana como un elemento trascendental en la generación de contenidos (^{Jonnavithula, 2023}). En ese sentido, se enfocó en identificar los aportes realizados por las personas que interactúan con las plataformas de inteligencia artificial, al reconocer la autoría de los usuarios sobre el texto narrativo y la selección, coordinación y arreglo de los elementos visuales, aun cuando no se haya otorgado protección sobre las imágenes generadas por el sistema (^{Zarya of the Dawn, Registration # VAu001480196, 2023}). En cambio, en los casos en los que no se puede distinguir el aporte o creatividad humana -siendo imposible separar la autoría del trabajo computacional-, no cabe la protección por el derecho de autor (^{SURYAST, Correspondence ID: 1-5PR2XKJ; SR # 1-11016599571, 2023}).

No obstante, hace pocos meses, la USCO ha matizado los parámetros de apreciación de la autoría y originalidad, al otorgar protección a una obra generada a través de un sistema de inteligencia artificial y reconocer que el usuario del sistema había demostrado suficiente intervención creativa en la selección y arreglo de los fragmentos generados (^{A Single Piece of American Cheese, 2025}). Se trataba de una imagen, elaborada por Kent Keirsey en la plataforma de generación de imágenes Invoke, sobre la cual, la oficina consideró que contenía “a sufficient amount of human original authorship in the selection, arrangement, and coordination of the AI-generated material that may be regarded as copyrightable” (^{Winshel, 2025}). En su decisión, la USCO manifestó que la obra tenía semejanza con un “collage”, en la medida que no se protege las partes generadas por la inteligencia artificial, aisladamente consideradas; mientras que, la composición que resulta de la creatividad humana, sí supera el umbral de originalidad.

En el contexto estadounidense, por tanto, la creatividad humana se erige como el núcleo de la originalidad, siendo que la inteligencia artificial puede participar como medio o instrumento, pero no sustituir la impronta personal y creativa que justifica la protección jurídica.

Por su parte, los tribunales chinos han venido consolidando el principio de la protección de las creaciones asistidas por inteligencia artificial en las que se acredite una interacción intelectual humana. El primer caso que abordó esta cuestión fue ^{Tencent v. Yingxun (2019)}, resuelto por el Tribunal Popular del Distrito de Nanshan en Shenzhen. En esa oportunidad, el tribunal consideró que el artículo financiero elaborado por el sistema Dreamwriter -desarrollado por la empresa Tencent- presentaba coherencia y estructura lógica suficientes para ser protegido como obra literaria, a pesar de su elaboración automatizada. Sin embargo, el razonamiento se fundó en el valor informativo y funcional del texto, no en la acreditación de creatividad humana, y la protección se reconoció a favor de la persona jurídica titular del programa y no de un autor individual (^{Court rules AI-written article has copyright, 2020}).

Posteriormente, el caso Li Yunkai v. Liu Yuanchun (2023), resuelto por el Tribunal de Internet de Beijing, constituyó un verdadero punto de inflexión. El tribunal reconoció la protección autoral de una imagen generada mediante el sistema Stable Diffusion, en la medida en que el demandante acreditó haber formulado más de un centenar de indicaciones, organizado los resultados y ajustado los parámetros del programa, decisiones que el tribunal calificó como elecciones estéticas personalizadas dotadas de originalidad (^{Wang, 2024}). En consecuencia, la sentencia reconoció la protección de una imagen generada con inteligencia artificial sobre la base de una intervención humana acreditada.

A nivel doctrinal, destaca el análisis de ^{Lin (2025)}, quien considera a la sentencia en el caso Li v. Liu como un nuevo enfoque sobre la creatividad humana frente a la automatización. Según la autora, los jueces chinos han optado por tratar la inteligencia artificial generativa como una herramienta ordinaria del usuario -análoga a un pincel o una cámara- y desplazó el debate sobre la autonomía de la máquina hacia el terreno del control humano. No obstante, Lin propone una fundamentación distinta a la esgrimida por el tribunal, al sugerir que la protección de las imágenes generadas con inteligencia artificial debería apoyarse en un lex specialis de las obras de arte que reconozca el efecto estético como fuente de originalidad, y admitir incluso un umbral mínimo o “cero” de originalidad siempre que exista una intervención humana verificable en el refinamiento del resultado.

En el mismo sentido, ^{Wang (2024)} interpreta la sentencia del caso Li v. Liu como un reconocimiento explícito de que la originalidad puede emanar de las decisiones conscientes del usuario de sistemas algorítmicos, en la medida en que este define los parámetros de operación, ajusta los comandos y selecciona el resultado final. Con ello, el ordenamiento chino parece perfilar un enfoque más flexible que el estadounidense, al mostrar una disposición mayor a admitir la concurrencia del requisito de originalidad -y, por ende, la posibilidad de reconocer protección a creaciones generadas mediante inteligencia artificial-, sin renunciar, sin embargo, a los principios estructurales del derecho de autor relativos a la autoría humana y a la exigencia de una contribución creativa individual. En definitiva, la experiencia judicial china confirma la posibilidad de extender la protección autoral a los resultados producidos mediante inteligencia artificial, siempre que se pruebe una intervención humana demostrable.

Entonces, la comparación entre los modelos estadounidense y chino evidencia que, pese a sus diferencias metodológicas, ambos sistemas preservan la centralidad de la creatividad humana como fundamento del derecho de autor. Mientras el enfoque norteamericano reafirma una concepción objetiva de la originalidad sustentada en la impronta personal mínima –criterio ya consolidado desde ^{Feist Publications v. Rural Telephone Service Co. (1991)}– el modelo chino avanza hacia una visión funcional de la intervención humana, en la que el control y la dirección del proceso creativo sustituyen a la noción clásica de autoría. Sin embargo, estos desarrollos, lejos de romper con los principios estructurales del derecho de autor, los reafirman bajo nuevas coordenadas tecnológicas, de modo que la originalidad sigue siendo un atributo humano, aunque se materialice mediante procesos algorítmicos complejos y con distintas interpretaciones sobre su alcance (^{Ballardini et al., 2019}). Los estudios recientes sobre escritura creativa mediada por inteligencia artificial confirman esta premisa, pues, aunque modelos generativos como ChatGPT logran refinar ideas o estilos, su producción carece de la intencionalidad y la variación emocional propias de la autoría humana, lo que reafirma la necesidad de preservar la creatividad como núcleo del acto autoral (^{Chaudhari, 2025}).

La doctrina más reciente confirma esta tendencia. ^{Jiménez Serranía, Calderón Marenco, Agón y Ravelo (2025)} sostienen que el gran desafío normativo contemporáneo consiste en determinar un “equilibrio de intereses” entre la promoción de la innovación y la protección de la creación, sin que la tecnología diluya la autoría ni la responsabilidad humana. En particular, subrayan que la experiencia europea -reforzada por el Reglamento (UE) 2024/1689 sobre Inteligencia Artificial- ofrece un modelo de gobernanza orientado a la seguridad, la transparencia y la “rendición de cuentas humana”, entendida como la exigencia de que toda decisión o resultado automatizado mantenga una trazabilidad hacia una persona responsable de su supervisión y control (^{Jiménez Serranía et al., 2025, pp. 14-15}). Jiménez Serranía et al., 2025enfoque coincide con la pauta que subyace tanto en las decisiones de la ^USCO como en las sentencias estadounidenses y chinas recientes, por cuanto la creación algorítmica puede ser jurídicamente relevante sólo en la medida en que subsista una trazabilidad humana del proceso creativo (^{Gervais, 2019}).

Vale señalar, no obstante, que esta evolución plantea interrogantes sobre la consistencia conceptual del requisito de originalidad y sobre la capacidad del derecho de autor para incorporar nuevas formas de creación mediadas por la inteligencia artificial. En este contexto, si la creatividad humana continúa siendo el eje estructural del sistema, el desafío radica en determinar hasta qué punto el uso de herramientas generativas puede coexistir con la exigencia de un aporte creativo y personal del autor, sin vaciar de contenido la noción jurídica de originalidad.

La cuestión decisiva será establecer si la intervención humana -en la medida en que sea verificable- resulta suficiente para preservar la coherencia del modelo tradicional o si, por el contrario, el derecho de autor deberá admitir que una participación humana atenuada pueda bastar para acreditar la autoría. Hasta la irrupción de la inteligencia artificial, el sistema sólo protegía las obras originales, entendidas como aquellas que incorporaban un mínimo de creatividad y reflejaban la impronta personal del autor. Sin embargo, los precedentes recientes de Estados Unidos y China parecen desplazar este parámetro, al aceptar la protección de creaciones en las que la contribución humana, aunque limitada, resulte verificable. En este sentido, algunos autores advierten que persiste una ambigüedad significativa respecto a los parámetros exigidos para determinar la contribución humana y sobre la falta de categorización jurídica precisa de las obras generadas mediante inteligencia artificial, lo que puede generar incertidumbre en la aplicación práctica del derecho de autor (^{Atilla, 2025}).

Esta tendencia podría interpretarse como una atenuación del umbral de creatividad exigido o, incluso, como la aceptación de una autoría basada en la complementariedad entre el ser humano y la máquina. En tal caso, la creación dejaría de concebirse como resultado exclusivo de la expresión humana para entenderse como fruto de procesos de “cocreatividad” o “creatividad distribuida”, en los que la originalidad emerge de la interacción hombre-máquina y no exclusivamente de la creatividad o de la exteriorización puramente humanas. Una transformación de este alcance, aunque coherente con las dinámicas tecnológicas actuales, implicaría una reconfiguración profunda del sistema y el riesgo de desnaturalizar sus fundamentos antropocéntricos.

En suma, tanto en Estados Unidos como en China la inteligencia artificial generativa sólo puede operar como medio instrumental del acto creativo, pero su creciente autonomía obliga a repensar la frontera entre la acción humana y la generación automatizada. El reto contemporáneo del derecho de autor -como advierte parte de la doctrina (^{Serranía et al., 2025}) - consiste en articular una gobernanza tecnológica que preserve el fundamento humanista del sistema, a fin de garantizar que la protección jurídica permanezca orientada a la expresión intelectual de las personas y no al rendimiento técnico de los sistemas (^{Gervais, 2019}).