Investigación de artistas de The Verge: los creadores convierten la basura de IA en poder de negociación legal

El reportaje de The Verge sobre artistas recoge un hito para los creadores que luchan contra las empresas de IA generativa: un grupo logró un acuerdo histórico tras años de litigios inciertos.

Los autores Andrea Bartz, Charles Graeber y Kirk Wallace Johnson demandaron a Anthropic en 2024. Su caso se convirtió en una demanda colectiva que abarcaba cientos de miles de libros. Un juez federal aprobó el acuerdo de 1.500 millones de dólares el 20 de julio de 2026.

El resultado parece una victoria decisiva contra el entrenamiento no autorizado de IA. No lo es. El tribunal aceptó el entrenamiento de modelos como uso legítimo, al tiempo que lo separó de la adquisición y conservación por parte de Anthropic de libros pirateados.

Esa distinción define ahora el conflicto. Los creadores han encontrado poder de negociación legal, pero el más sólido se refiere a cómo se obtuvo el material de entrenamiento. No les concede necesariamente control sobre el entrenamiento en sí.

El acuerdo llegó además cuando las editoriales abrían nuevos frentes contra Meta y Google. Esos casos ponen a prueba si el resultado contra Anthropic ofrece una estrategia repetible o si depende de pruebas excepcionalmente perjudiciales.

Los autores que convirtieron la fase de pruebas en una demanda colectiva

El caso contra Anthropic comenzó con escritores individuales que rastrearon sus libros en conjuntos de datos reunidos para el desarrollo de IA.

Johnson escribe no ficción de investigación, incluidos The Feather Thief y The Fishermen and the Dragon. Su tercer libro, To Be a Friend Is Fatal, también pasó a formar parte del expediente judicial.

El descubrimiento fue personal, pero el problema era industrial. Durante años, los autores habían escuchado que los modelos de lenguaje de gran tamaño requerían enormes colecciones de textos. Pocas empresas revelaban inventarios completos de entrenamiento.

El proyecto de búsqueda Books3 de The Atlantic en 2023 ofreció a los escritores una ventana poco habitual a una colección en disputa. Books3 era un corpus no autorizado de casi 200.000 libros distribuido dentro de un conjunto de datos mayor llamado the Pile.

Johnson encontró su obra entre esos libros. Otros escritores hicieron descubrimientos similares, convirtiendo una preocupación abstracta sobre el aprendizaje automático en pruebas vinculadas a obras identificables protegidas por derechos de autor.

Anthropic desarrolló Claude usando grandes cantidades de texto. La empresa no publicó una lista completa que mostrara cada obra utilizada en cada modelo. Esa opacidad hizo especialmente importante la investigación externa sobre conjuntos de datos.

Bartz, Graeber y Johnson presentaron su demanda original en agosto de 2024. Alegaron que Anthropic había copiado libros pirateados durante la creación y el entrenamiento de Claude.

Los demandantes no necesitaban demostrar que Claude reprodujera una novela completa bajo demanda. Su demanda se centró en las copias que, según alegaban, Anthropic descargó y conservó antes de que se produjera el entrenamiento del modelo.

Esa elección resultó importante. Las anteriores demandas por derechos de autor relacionadas con IA solían enfatizar los resultados generados, las obras derivadas o el estilo distintivo de un autor. Esas reclamaciones pueden plantear complejas cuestiones de similitud y titularidad.

Por lo general, un estilo de escritura por sí solo recibe una protección limitada de derechos de autor. Los demandantes también afrontan dificultades cuando no pueden vincular una obra específica con un modelo concreto o con un resultado infractor.

Los demandantes contra Anthropic siguieron una pista más concreta. Identificaron libros registrados, copias digitales no autorizadas, bibliotecas sombra y las prácticas internas de recopilación de Anthropic.

Los registros judiciales describieron posteriormente millones de libros obtenidos de LibGen y Pirate Library Mirror. Estos servicios son bibliotecas sombra, es decir, repositorios que distribuyen libros sin la autorización habitual de las editoriales.

La empresa también adquirió millones de libros impresos, les retiró la encuadernación, los escaneó y desechó los ejemplares físicos. El juez William Alsup trató esas copias compradas de manera distinta a las descargas pirateadas.

Por tanto, el caso separó tres acciones que los argumentos públicos suelen mezclar. Anthropic adquirió libros, construyó una biblioteca digital permanente y utilizó material seleccionado para entrenar modelos.

Cada acción planteaba una cuestión jurídica distinta. Esa separación creó la apertura que finalmente produjo un acuerdo.

Los lectores pueden seguir las alegaciones originales en la demanda colectiva de los autores. El escrito acusaba a Anthropic de construir sistemas comerciales de IA con libros copiados obtenidos sin permiso.

La demanda era una alegación, no una sentencia. Sin embargo, la fase de pruebas aportó evidencia suficiente para llevar la disputa sobre la piratería más allá de una queja generalizada sobre la IA.

Eso cambió la posición negociadora. Los creadores ya no pedían a un tribunal que considerara todo el aprendizaje automático intrínsecamente ilegal. Impugnaban copias y decisiones de adquisición específicas.

Por qué la victoria de los artistas de The Verge es más limitada de lo que parece

Los autores obtuvieron una compensación significativa sin establecer que entrenar un modelo con libros protegidos por derechos de autor siempre requiera permiso.

El juez Alsup dictó una sentencia sumaria mixta en junio de 2025. Consideró que el uso por parte de Anthropic de libros para entrenar sus modelos de lenguaje constituía uso legítimo en las circunstancias que tenía ante sí.

El uso legítimo es una defensa jurídica que permite determinados usos no autorizados de material protegido por derechos de autor. Los tribunales evalúan la finalidad, la obra original, la cantidad copiada y los efectos en el mercado.

Alsup consideró que el proceso de entrenamiento era transformativo porque Claude no se limitaba a proporcionar a los lectores copias almacenadas de los libros. El modelo aprendía relaciones estadísticas utilizadas para generar texto nuevo.

Su orden sobre uso legítimo calificó el uso para entrenamiento como “esencialmente transformativo”. Comparó el entrenamiento de modelos con personas que aprenden de los libros antes de producir nuevos textos.

El juez rechazó el argumento de que los derechos de autor protegen a los autores frente a toda nueva competencia. Un sistema capaz de producir texto competidor no infringe automáticamente todas las obras utilizadas en su desarrollo.

Esa conclusión otorgó a Anthropic una importante victoria jurídica. También proporcionó a otros desarrolladores de IA argumentos que respaldan una defensa de uso legítimo para el entrenamiento de modelos.

Sin embargo, la resolución trató la biblioteca permanente de Anthropic como una cuestión independiente. Descargar libros pirateados para crear esa biblioteca no se volvió legal simplemente porque algunas copias respaldaran después un entrenamiento transformativo.

Anthropic no podía convertir retroactivamente una adquisición ilícita en uso legítimo señalando una finalidad tecnológica posterior. El origen y el manejo de las copias seguían siendo relevantes.

Esta distinción es el giro central del caso. Los demandantes perdieron el argumento amplio más asociado al entrenamiento de IA, pero conservaron una reclamación con una exposición potencial enorme.

Un juicio sobre la biblioteca pirateada podría haber examinado obras individuales y daños legales. La legislación sobre derechos de autor puede imponer daños por obras registradas sin exigir pruebas de cada venta perdida.

Anthropic llegó a un acuerdo antes de ese juicio. El acuerdo creó un fondo de 1.500 millones de dólares que cubría más de 482.000 obras, según la orden de aprobación final.

El pago base estimado es de aproximadamente 3.000 dólares por cada obra cubierta antes de las deducciones aprobadas y los ajustes de las reclamaciones. Esa cifra refleja la estructura del acuerdo, no una valoración universal de los derechos de entrenamiento.

El 20 de julio de 2026, la jueza de distrito Araceli Martínez-Olguín concedió la aprobación final. Su orden de aprobación describió la reparación como significativa y dictó sentencia.

Más del 91 por ciento de las obras cubiertas contaban con reclamaciones válidas presentadas en la fase de aprobación. Solo una pequeña proporción de los miembros de la demanda colectiva optó por excluirse.

Estas cifras demuestran una participación excepcionalmente amplia. También muestran por qué las demandas colectivas pueden cambiar la economía de una disputa que ningún autor individual podría permitirse perseguir por sí solo.

El acuerdo no exige que Anthropic admita que el entrenamiento de modelos infringió los derechos de autor. También preserva determinadas reclamaciones futuras relativas a modelos y usos posteriores.

Anthropic ha destacado su victoria en materia de uso legítimo. La asesora jurídica adjunta Aparna Sridhar afirmó que la resolución establecía que entrenar IA con libros constituía uso legítimo conforme a la legislación actual.

Los demandantes destacan una parte diferente del resultado. Sus abogados describen el acuerdo como la mayor compensación conocida por derechos de autor de la historia.

Ambas descripciones pueden ser ciertas. El entrenamiento recibió protección jurídica, mientras que el método utilizado para reunir una biblioteca de entrenamiento generó una responsabilidad histórica.

Esa tensión explica por qué la historia de los artistas de The Verge no puede reducirse a creadores derrotando a la IA. El resultado establece poder de negociación en torno a la procedencia, no control total sobre los sistemas de aprendizaje.

Las bibliotecas pirateadas se convirtieron en el mayor poder de negociación de los creadores

La estrategia emergente de litigación apunta a la copia demostrable anterior al entrenamiento, donde la complejidad técnica ofrece a las empresas de IA menos protección.

El entrenamiento de modelos es difícil de explicar ante un tribunal. Implica tokenización, optimización y ajustes repetidos de parámetros numéricos. Esos procesos no se parecen a una biblioteca pública que entrega a los lectores libros completos.

La adquisición de datos de entrenamiento resulta más familiar. Una empresa poseía una copia autorizada, compró una, recibió una licencia u obtuvo el material de otra fuente.

Ese rastro factual genera registros. Registros de descarga, mensajes internos, manifiestos de conjuntos de datos, rutas de archivos y decisiones de almacenamiento pueden demostrar lo que los empleados sabían e hicieron.

El litigio contra Anthropic reveló una diferencia entre comprar libros impresos para escanearlos y descargarlos de sitios pirata. El tribunal aceptó el primer proceso como uso legítimo dentro de su análisis.

No extendió esa protección a las copias de bibliotecas sombra. Conservar una biblioteca no autorizada para fines futuros amplios seguía siendo distinto de utilizar una obra durante un proceso de entrenamiento transformativo.

Esto ofrece a creadores y editoriales una vía más estrecha, pero más clara. Pueden investigar la adquisición, el almacenamiento y la distribución sin tener que demostrar primero que un chatbot copió su prosa en una respuesta.

La teoría también escala. Un único conjunto de datos no autorizado puede contener obras pertenecientes a miles de titulares de derechos. Una demanda colectiva puede agrupar esas reclamaciones en torno a prácticas comunes de recopilación.

El registro sigue siendo importante. La elegibilidad para el acuerdo dependía de criterios relacionados con el registro de derechos de autor, identificadores, titularidad e inclusión en las colecciones piratas cubiertas.

Los escritores que nunca registraron su obra pueden enfrentarse a recursos más limitados. Quienes publican en línea, crean arte informal o no pueden rastrear un conjunto de datos pueden tener menos opciones prácticas.

Los artistas visuales se enfrentan a dificultades adicionales. Las colecciones de entrenamiento de imágenes pueden contener subtítulos, miniaturas, archivos transformados o enlaces recopilados en muchas plataformas.

Un ilustrador puede reconocer una semejanza estilística sin recibir pruebas de que una imagen concreta entró en un modelo. El reconocimiento por sí solo no establece una copia conforme a la legislación sobre derechos de autor.

Las demandas en las que participan Sarah Andersen, Kelly McKernan, Karla Ortiz, Midjourney, Stability AI y DeviantArt siguen poniendo a prueba esos límites. Sus alegaciones se refieren a datos de entrenamiento, comportamiento de modelos y reclamaciones relacionadas con marcas.

Estos casos han sobrevivido a algunos intentos de desestimación, pero no han producido una resolución final comparable. Sus resultados dependerán de modelos, conjuntos de datos, obras y teorías jurídicas específicos.

Esa variabilidad importa. “Artistas contra IA” describe un conflicto político, no una única demanda con una respuesta definitiva.

Los casos relacionados con libros ofrecen actualmente pruebas más claras porque los investigadores pueden cotejar títulos, ISBN y archivos digitales. Es más fácil identificar un libro en LibGen que una influencia dispersa entre imágenes generadas.

Los creadores están respondiendo con una mayor organización. Los grupos del sector mantienen búsquedas de conjuntos de datos, rastreadores de litigios, cláusulas contractuales modelo y propuestas de licencias colectivas.

Una mejor gestión de registros fortalece ese trabajo. Los autores pueden conservar registros de derechos de autor, borradores, contratos, fechas de publicación y pruebas que muestren dónde aparecieron copias no autorizadas.

Un sistema personal de conocimiento puede ayudar a los creadores a organizar esos registros. No puede establecer una infracción, pero puede reducir las prisas cuando aparecen pruebas.

La representación legal sigue siendo el recurso decisivo. Los abogados de demandas colectivas pueden financiar la fase de obtención de pruebas y el trabajo de expertos que los escritores individuales normalmente no pueden costear.

El acuerdo de Anthropic hace más fácil justificar esa inversión. Ofrece un ejemplo visible de un caso en el que una teoría limitada produjo una recuperación sustancial.

También advierte a las empresas de IA que la procedencia no es una mera tarea administrativa. La trazabilidad de los datos de entrenamiento puede convertirse en un importante riesgo para el balance y los productos.

Una empresa que no puede explicar de dónde procede su corpus afronta algo más que críticas reputacionales. Puede perder la capacidad de separar fuentes legítimas de colecciones no autorizadas.

Meta Muestra Por Qué Una Victoria No Resuelve el Uso Justo

La victoria de Meta en 2025 demuestra que los creadores pueden perder incluso cuando un juez sigue siendo profundamente escéptico respecto al entrenamiento de IA sin licencia.

Trece autores, entre ellos Sarah Silverman, Richard Kadrey y Ta-Nehisi Coates, acusaron a Meta de utilizar libros protegidos por derechos de autor para entrenar sus modelos Llama.

El juez federal de distrito Vince Chhabria concedió un juicio sumario a Meta en junio de 2025. Determinó que los demandantes no habían construido el expediente necesario para demostrar perjuicio de mercado.

Sin embargo, Chhabria limitó cuidadosamente su decisión. Su fallo no declaró lícito el uso por parte de Meta de obras protegidas por derechos de autor para todos los autores ni para todos los modelos.

El juez escribió que los demandantes habían presentado argumentos equivocados. Sugirió que un caso más sólido podría centrarse en material generado por IA que inunde los mercados y reduzca la demanda de trabajo humano.

Esa teoría difiere de la sustitución directa. Un chatbot no necesita reproducir una novela concreta para debilitar el mercado económico que sostiene a los novelistas.

Puede generar enormes cantidades de material competidor. Si esos resultados diluyen la atención, los precios o los encargos, los creadores podrían sostener que el entrenamiento perjudica el mercado potencial de su obra.

Demostrar ese efecto sigue siendo difícil. Los demandantes necesitan pruebas que conecten la copia impugnada, las capacidades del modelo y un daño medible a un mercado reconocido legalmente.

La ansiedad general sobre el contenido basura generado por IA no basta. Ese contenido se refiere a material repetitivo y de bajo costo generado y distribuido a gran escala con un esfuerzo editorial limitado.

Los creadores perciben directamente ese volumen en plataformas de publicación, redes sociales y mercados de imágenes. Los tribunales siguen exigiendo más que una tendencia cultural reconocible.

Los demandantes contra Meta no aportaron pruebas suficientes para la teoría que Chhabria consideró potencialmente persuasiva. Por ello, Meta ganó las reclamaciones presentadas en ese caso.

El fallo sobre Meta ofrece tranquilidad a los desarrolladores de IA, pero solo dentro de ciertos límites. Demandantes distintos pueden aportar pruebas diferentes contra modelos posteriores.

Meta también afronta una demanda independiente de 2026 presentada por cinco editoriales y el autor Scott Turow. Esa demanda alega copia y distribución relacionadas con millones de libros utilizados para Llama.

Los nuevos demandantes incluyen organizaciones con catálogos extensos y registros comerciales detallados. Pueden presentar pruebas de mercado que a los autores individuales les resultaría difícil reunir.

También alegan una participación directa de la alta dirección. Esas alegaciones siguen sin probarse, y Meta puede impugnar tanto los hechos como su relevancia jurídica.

El contraste con Anthropic sigue siendo instructivo. Anthropic recibió un fallo favorable sobre el entrenamiento y luego resolvió reclamaciones vinculadas a la adquisición pirata.

Meta obtuvo sentencia porque el caso de los demandantes sobre el mercado era insuficiente. El juez dejó abierta la posibilidad de que mejores pruebas pudieran producir otro resultado.

Ningún tribunal nacional de apelaciones ha convertido aún estas decisiones de tribunales de distrito en una regla universal para la IA generativa. Otros jueces pueden aplicar los factores del uso justo de forma diferente.

Los usos controvertidos también varían. Entrenar un modelo, almacenar una biblioteca permanente, reproducir pasajes y distribuir archivos de conjuntos de datos no son acciones intercambiables.

Por ello, los creadores necesitan reclamaciones vinculadas a conductas identificables. Las empresas de IA necesitan controles de procedencia que cubran cada etapa, desde la recopilación hasta el despliegue.

La narrativa de los artistas de The Verge revela avances, pero no un cierre doctrinal. Los litigios se están volviendo más precisos porque los argumentos morales amplios no han producido resultados previsibles.

Google Está Probando Ahora la Siguiente Versión del Manual

El litigio más reciente contra Google pregunta si el material suministrado para un servicio puede reutilizarse para entrenar IA sin una nueva autorización.

Hachette Book Group, Cengage Learning, Elsevier, Scott Turow y S.C.R.I.B.E. presentaron una propuesta de demanda colectiva contra Google en julio de 2026.

Los demandantes alegan que Google copió millones de libros y otras obras textuales para desarrollar Gemini. Google no había presentado una respuesta completa cuando aparecieron los primeros informes.

La demanda apunta a varias fuentes potenciales, entre ellas Google Books, Google Play Books, Google Scholar, el rastreo web y colecciones piratas controvertidas.

Esto crea un problema de procedencia distinto. Las editoriales proporcionaron a Google algunos libros para servicios específicos de búsqueda, venta minorista o académicos. Eso no autorizaba necesariamente todos los usos posteriores de IA.

Los demandantes sostienen que Google reutilizó esas obras para Gemini sin permiso. También alegan que se eliminó o alteró información de gestión de derechos de autor.

Se trata de alegaciones que requieren pruebas y revisión judicial. Google puede cuestionar la versión de los hechos, invocar el uso justo y argumentar que sus acuerdos permitían el procesamiento pertinente.

Google entra en la disputa con un importante precedente histórico. Su anterior proyecto Google Books sobrevivió años de litigios por el escaneo de millones de libros.

Los tribunales determinaron que los fragmentos consultables y el análisis de texto cumplían fines transformativos sin ofrecer libros completos como sustitutos de mercado. El Tribunal Supremo se negó a revisar ese resultado en 2016.

La IA generativa cambia el panorama fáctico. Gemini puede producir nuevos pasajes, explicaciones, resúmenes y otro material en lugar de devolver fragmentos de búsqueda limitados.

Las editoriales sostienen que esos resultados pueden competir con los autores y los productos de referencia con licencia. Google puede responder que los modelos transforman las entradas y no almacenan copias accesibles de obras completas.

La cuestión de la adquisición puede volver a resultar decisiva. Un libro entregado para Google Books tiene un historial contractual más claro que un archivo descargado de LibGen.

La disputa pondrá a prueba si el permiso para un servicio digital limita el uso interno posterior. También examinará cómo interactúa el uso justo con las relaciones comerciales existentes.

Un anuncio de la editorial afirma que conversaciones internas de Google identificaron graves riesgos legales. Esos materiales citados reflejan actualmente la versión de los demandantes.

La defensa de Google será relevante porque la empresa puede diferenciar sus prácticas de las descargas de bibliotecas paralelas de Anthropic. También puede apoyarse en el precedente de Google Books.

No obstante, el caso muestra que el acuerdo de Anthropic cambió las expectativas. Las editoriales cuentan ahora con un ejemplo concreto de reclamaciones sobre procedencia que sobreviven después de que el propio entrenamiento recibiera protección de uso justo.

Pueden estructurar las demandas en torno a la copia, la autorización, la conservación y la competencia en el mercado. También pueden coordinar catálogos lo bastante grandes como para respaldar un análisis de toda la clase.

Google, Meta y Anthropic afrontan alegaciones diferentes. Tratar sus casos como un único referéndum sobre la IA borraría las distinciones con mayor probabilidad de determinar cada resultado.

La comparación más sólida se refiere a la disciplina operativa. Todo desarrollador necesita saber qué copió, por qué lo copió y qué derechos regían esa copia.

La sofisticación técnica de un modelo no responde a esas preguntas. Tampoco lo hace una afirmación general de que más datos mejoran el rendimiento.

Tres Señales Mostrarán Si los Artistas Siguen Ganando

La próxima fase depende de los pagos de reclamaciones, pruebas de mercado más sólidas y el tratamiento judicial de datos obtenidos por distintos canales.

La primera señal es el proceso de distribución del acuerdo de Anthropic. La aprobación final cierra una etapa importante del litigio, pero los creadores juzgarán el resultado a través de las reclamaciones y los pagos reales.

Más del 91 por ciento de las obras cubiertas habían sido reclamadas en la etapa de aprobación. Los administradores aún deben resolver reclamaciones de titularidad en conflicto, problemas de documentación y cuestiones individuales de elegibilidad.

Una distribución fluida fortalecería las demandas colectivas como estrategia práctica para los creadores. Disputas prolongadas o recuperaciones netas inesperadamente bajas debilitarían esa lección.

El resultado también influirá en los abogados que evalúan grupos más pequeños de creadores. Un acuerdo destacado importa menos si solo las grandes editoriales pueden cumplir sus requisitos de documentación.

La segunda señal son las pruebas de dilución de mercado en los casos de Meta. El juez Chhabria proporcionó de hecho a futuros demandantes un mapa de lo que faltaba en el expediente anterior.

Los autores y las editoriales deben conectar la oferta generada por modelos con mercados reconocidos de libros, licencias, encargos u otro trabajo creativo relacionado.

Eso requerirá más que recuentos de títulos generados por IA. Los demandantes necesitan pruebas fiables que demuestren sustitución, menor demanda, compensación reducida o perjuicio a las oportunidades de licencia.

Si construyen ese expediente, la victoria anterior de Meta parecerá limitada. Si no pueden hacerlo, las defensas de uso justo seguirán siendo difíciles de superar mediante teorías de perjuicio de mercado.

La tercera señal es cómo clasifican los tribunales las diferentes fuentes de datos de Google. Los libros obtenidos mediante programas de socios, sitios web públicos y repositorios no autorizados no comparten un único estatus jurídico.

Un fallo que separe esas fuentes reforzaría el marco de Anthropic. La procedencia se volvería tan importante como el proceso posterior de entrenamiento.

Un fallo que trate todas las fuentes como parte de un único sistema transformativo favorecería a los desarrolladores. Reduciría el valor práctico de las reclamaciones centradas en la adquisición fuera de casos claros de piratería.

Observe las decisiones procesales antes de cualquier juicio. Las mociones de desestimación, las disputas durante la obtención de pruebas y la certificación de clase pueden revelar qué teorías considera viables un juez.

Observe también el comportamiento en materia de licencias fuera de los tribunales. Los desarrolladores firman cada vez más acuerdos de contenido con editoriales, plataformas y empresas de medios, mientras defienden el entrenamiento sin licencia en otros ámbitos.

Esos acuerdos no demuestran que las licencias sean legalmente necesarias. Muestran que el acceso fiable, el material actual y un menor riesgo de litigio tienen valor comercial.

Para los creadores, la lección de los artistas de The Verge no es ni rendición ni victoria garantizada. Los casos más sólidos sustituyen la indignación generalizada por obras registradas, copias rastreables y pruebas específicas de adquisición.

Para las empresas de IA, el uso justo no sustituye la gobernanza de datos. Un fallo favorable sobre el entrenamiento no puede borrar la responsabilidad creada al reunir una biblioteca permanente.

La cuestión más amplia es ahora concreta: ¿extenderán los tribunales la distinción entre adquisición y entrenamiento a Google, Meta, los generadores de imágenes y otros desarrolladores de IA?

Los creadores deben seguir de cerca las pruebas, no solo los titulares sobre los veredictos. Documentar la titularidad, las apariciones en conjuntos de datos, la distribución en plataformas y los efectos en el mercado puede determinar si la próxima demanda prospera.

El primer acuerdo histórico cambió el panorama de las negociaciones. Las próximas tres señales mostrarán si creó un manual jurídico duradero o un resultado excepcional.