Privacidad, patentes y poder: Lecciones del juicio contra Google para la era de la GenAI El Financiero

En 2025, durante un juicio en un tribunal de Estados Unidos se concluyó que Google había mantenido una posición predominante en el mercado de las plataformas de búsqueda en internet [1]. Durante más de una década, la compañía destinó grandes recursos para aparecer como el buscador predeterminado en teléfonos y computadoras. Esta estrategia favoreció su liderazgo y también redujo las oportunidades de crecimiento de sus competidores. Lo interesante de dicho juicio fue que, durante el transcurso del mismo, la irrupción de la inteligencia artificial generativa (GenAI) cobró relevancia: el tribunal señaló que, de no prestarse atención, el mismo dominio que Google logró en la búsqueda tradicional podría trasladarse a este nuevo ámbito.

El fallo no obligó a Google a vender Chrome ni Android, pero sí le impuso medidas correctivas: prohibir contratos de exclusividad, compartir parte de los datos de búsqueda con competidores y compartir resultados de búsqueda con otros servicios. El objetivo es evitar que Google use su dominio histórico para controlar también el futuro de la GenAI que refiere a sistemas capaces de producir contenido nuevo —texto, imágenes, audio o video— a partir de enormes volúmenes de datos, como los que han venido ingiriendo todos los buscadores desde su aparición.

Dicho avance reciente ha estado marcado por los llamados modelos largos/grandes de lenguaje (LLMs), que son entrenados con la información disponible en internet y en repositorios privados. Empresas como Google han sido muy exitosas en construir servicios gratuitos donde las personas entregan voluntariamente sus datos de búsqueda, navegación y consumo, lo que se ha convertido en una fuente invaluable para entrenar estos modelos. En este sentido, los LLMs están evolucionando rápidamente hacia un papel similar al de los buscadores tradicionales, ofreciendo respuestas directas, contextuales y conversacionales en lugar de simples listas de enlaces.

Aquí aparece un tema que considero crucial: la propiedad intelectual. La pregunta clave es qué tipo de protección determina realmente quién controla la GenAI. Las patentes de método protegen el “cómo” se hace algo: un procedimiento técnico, un algoritmo o un flujo de entrenamiento. Un ejemplo claro es la arquitectura “transformer” , publicada justamente por desarrolladores de Google en 2017 y hoy base de todos los grandes modelos de lenguaje. Las patentes otorgan exclusividad fuerte durante 20 años y representan barreras duras: quien no tenga licencia no puede usar el método sin riesgo legal. En contraste, el copyright protege la “expresión”: un dataset, un código fuente, un texto o una imagen. No protege el método ni el funcionamiento técnico. Es más débil como barrera de entrada, porque otros pueden entrenar un modelo similar con datos distintos.

En la práctica, el copyright genera litigios —como las demandas de artistas y medios contramodelos que entrenan con sus obras—, pero el verdadero control del mercado lo otorgan las patentes de método y la infraestructura de cómputo. Esto implica que las grandes empresas tecnológicas ya cuentan con ventajas estructurales mucho más decisivas que cualquier reclamación de derechos de autor.

Para la GenAI, el impacto es claro. La concentración de poder se mantendrá, porque las Big Tech acumulan patentes clave y controlan la infraestructura de GPUs, nubes y datasets. Los litigios por copyright seguirán apareciendo, pero funcionarán más como ruido mediático y costos adicionales que como un cambio real en la estructura de poder. La verdadera competencia dependerá de quién logre patentar nuevos métodos de entrenamiento, compresión, seguridad o multimodalidad.

Recientemente, el experto Marc Rotenberg (autor de AI Policy Sourcebook [2]) subrayó que, aunque el fallo en USA v. Google se centró en competencia, también dejó huella en privacidad: el tribunal decidió descartar la idea de que transferir datos identificados de usuarios a competidores sin salvaguardas y exigir aplicar Privacy Enhancing Techniques (PETs) para anonimizar la información, limita la cantidad de datos divulgados y propone someter a auditorías de seguridad a quienes los reciban.

Además, subraya el valor de que se haya creado un Comité Técnico con expertos en privacidad y seguridad de datos para vigilar la implementación. Rotenberg celebró que la jueza reconociera expresamente la importancia de las Privacy Enhancing Technologies (PETs), es decir, un conjunto de técnicas como anonimización, privacidad diferencial, cifrado homomórfico o aprendizaje federado, cuyo objetivo es proteger la privacidad de los datos personales sin impedir que estos puedan seguir utilizándose para fines legítimos como investigación, análisis o innovación.

Al mismo tiempo, advirtió que lograr ese balance —anonimizar y asegurar grandes conjuntos de datos sin perder su utilidad analítica— constituye un reto técnico y jurídico de primer orden. Por ello, recomienda también abandonar la expresión ambigua “data sharing” y sustituirla por términos más precisos como “data transfer” o “data disclosure”, que reflejan mejor las implicaciones reales de mover o exponer información sensible.

En distintos países han comenzado a surgir disputas legales relacionadas con el uso de datos para entrenar modelos de lenguaje. Algunos medios de comunicación y grupos de autores han planteado inquietudes sobre si sus contenidos se utilizan sin autorización en estos sistemas, mientras que empresas de tecnología como OpenAI, Anthropic o Meta han defendido que el entrenamiento de los modelos puede encuadrar dentro de marcos como el “uso justo” o acuerdos de licencia. Estos casos muestran que el ecosistema de la GenAI todavía está en proceso de definir con claridad cómo equilibrar innovación, derechos de autor y acceso a información.

Para países como México, el reto es doble. Por un lado, evitar convertirse en meros consumidores de IA extranjera. Si no se invierte en investigación aplicada y en generación de patentes propias, se dependerá totalmente de tecnologías licenciadas de Google, Microsoft u otros, pagando licencias e importando servicios en la nube sin margen de soberanía digital. Por otro lado, hay una oportunidad de innovación local: México puede generar patentes de nicho en áreas estratégicas como la agroindustria, la preservación de lenguas indígenas o la manufactura y logística vinculada al nearshoring.

El marco legal mexicano, sin embargo, se concentra más en copyright que en patentes de método. Si no se adapta, existe el riesgo de proteger canciones o imágenes, mientras otros países aseguran el control de las claves tecnológicas con patentes. Aquí es donde convergen la propiedad intelectual y la política industrial: el nearshoring y la atracción de semiconductores ofrecen la posibilidad de vincular la infraestructura con un ecosistema de patentes locales orientadas a sectores críticos como energía, salud y movilidad.

El caso Google muestra que el poder en la economía digital no se define solo por contratos de distribución, sino también por quién controla los métodos. Google tiene un total de 117,979 patentes a nivel global, de las cuales 70,781 han sido concedidas. De ese total, más del 70% se encuentran activas[3]. El país donde Google ha presentado la mayor cantidad de solicitudes de patente es Estados Unidos, seguido por China y Europa (EPO). El copyright seguirá siendo un campo de batalla ruidoso, pero limitado. Las patentes de método y la capacidad de cómputo definirán quién lidera la GenAI. Para México, la lección es clara: no basta con ser usuario de IA ni con regular el copyright. Si el país quiere tener peso en el futuro digital, debe invertir en investigación aplicada, registrar patentes de método y vincularlas a sectores estratégicos. Solo así podrá dejar de ser un simple consumidor de tecnología y convertirse en un verdadero actor de la nueva economía de la IA.

[1] U.S. Department of Justice, Antitrust Division. U.S. and Plaintiff States v. Google LLC [2023]. Disponible en: https://www.justice.gov/atr/case/us-and-plaintiff-states-v-google-llc-2023

[2] Rotenberg, Marc & Kyriakides, Eleni (Eds.). AI Policy Sourcebook. Center for AI and Digital Policy, 2025. ISBN 978-8218606610.

[3] https://insights.greyb.com/google-patents/?utm_source=chatgpt.com