Autores, medios y artistas demandaron a proveedores de modelos por uso de obras en preentrenamiento; tribunales empezaron a fijar criterios.
Desde 2023, demandas en EE.UU. y otros países cuestionaron si entrenar con obras protegidas sin licencia es fair use o infracción. Casos tocaron texto, imagen y código.
Acuerdos parciales, datasets filtrados y “opt-out” de crawlers reconfiguraron el mercado de datos. Surgieron licencias y mercados de contenido sintético/autorizado.
El desenlace legal sigue en evolución, pero ya altera costes y estrategias de adquisición de corpus fronterizos.
Reportes de septiembre de 2026 (Business Insider): la Model Capability Initiative (MCI) de Meta buscaba recopilar tecleo y ratón de empleados para entrenar IA de computer-use en una unidad TBD. Hubo revuelta interna —flyers, memes, petición “Eye of Sauron”—, concesiones y finalmente parón tras una filtración interna de datos.
El 15 de septiembre de 2026, la OpenAI Foundation anunció Public Data for Health / Data for Public Health, con 40 millones de dólares al UNC Lineberger Comprehensive Cancer Center para generar datos multimodales que mejoren vacunas personalizadas contra el cáncer, más apoyo a OpenAdmet. MIT Technology Review y el propio UNC detallaron el enfoque: más observaciones biológicas de calidad para que los modelos avancen en medicina.
El 22 de septiembre de 2026 Teradata amplió su asistente Tera con Context Engine, Harness de ejecución y Agent Skills reutilizables para ingeniería y ciencia de datos gobernadas; disponibilidad prevista en el 4T 2026, con claims de menos tokens que Claude Code en SWE-bench Pro.