GitHub Copilot, Cursor y JetBrains: cómo los abogados evalúan la AI en los entornos de desarrollo

En Habr se ha publicado un análisis sobre cómo los asistentes de AI están transformando los entornos de desarrollo habituales de una herramienta en casi un coautor de pleno derecho. Un abogado de IT de ecom.tech explica: la comodidad de GitHub Copilot, Cursor y JetBrains AI aporta no solo velocidad, sino también nuevos riesgos jurídicos.

Cómo llegó la AI

El autor divide el mercado en tres grupos. El primero son los IDE y editores clásicos como Visual Studio, VS Code, JetBrains IDE, 1С:EDT y GigaIDE, en los que la AI actúa como una función adicional. El segundo son plugins y asistentes como GitHub Copilot, Amazon Q Developer, GigaCode y SourceCraft, que se integran en un entorno ya conocido y asumen la generación. El tercero son editores AI-first como Cursor y Windsurf, donde el diálogo con el modelo y la aplicación automática de cambios son la base de todo el producto.

La diferencia entre estas categorías no es cosmética. De la arquitectura depende qué volumen de código fuente se envía a un servicio externo, dónde se procesa y quién responde después por el resultado. Allí donde la AI solo sugiere autocompletado, el papel del desarrollador sigue siendo claro. Allí donde un agente, a partir de una orden en texto, escribe un módulo, refactoriza un proyecto y crea pruebas sin revisión manual, ya resulta más difícil trazar la frontera entre trabajo humano y generación automática.

Dónde surgen los riesgos

La cuestión principal es la autoría. Según el derecho ruso, se reconoce como autor a una persona si detrás del resultado está su aportación creativa. Pero los escenarios son distintos: un desarrollador puede aceptar una sola línea sugerida, puede reelaborar un fragmento grande del modelo o puede insertar el código generado casi sin cambios. Cuanta menos edición y menos decisiones propias haya, más débil será el argumento de que el fragmento final está siquiera protegido por derechos de autor como obra humana.

Otro riesgo está relacionado con los datos de entrenamiento. La mayor parte de estos sistemas se entrenó con repositorios públicos, por lo que las coincidencias con código ajeno no son un problema puramente teórico. Si un fragmento con exigencias de licencia estrictas llega a un producto comercial, la disputa no surgirá porque el modelo haya generado el código, sino por el hecho de usar un fragmento protegido de otra persona. El ejemplo más visible es la demanda estadounidense Doe v. GitHub, que precisamente examina si Copilot puede reproducir código open source ajeno sin cumplir las condiciones de las licencias.

“Hoy — herramienta. Mañana — cuestión.”

Qué prometen los proveedores

Un bloque aparte del artículo está dedicado a los acuerdos de licencia. Formalmente, casi todos los proveedores dicen que los derechos sobre el código del usuario y el resultado de la generación permanecen en manos del cliente, pero los detalles difieren mucho. Para el desarrollo corporativo, esto es más importante que las demos llamativas, porque es justamente en el contrato donde se aclara si los datos de entrada pueden usarse para entrenar modelos, durante cuánto tiempo se almacenan y quién asumirá los costes si aparece una reclamación por derechos de autor.

• GitHub Copilot for Business y Enterprise promete no entrenar los modelos con el código del cliente y ofrece protección corporativa frente a reclamaciones
• Amazon Q Developer añade reference tracker y muestra si la salida se parece a código abierto
• JetBrains AI Assistant y Cursor dejan los derechos en manos del usuario, pero no eliminan la obligación de verificar el resultado
• GigaCode y SourceCraft permiten un uso más amplio del contenido del usuario para operar el servicio y mejorar los modelos

De ahí se desprende la conclusión práctica del autor: para el abogado y el CTO ya no basta con elegir el asistente más cómodo. Hay que leer las condiciones de conservación de datos, comprobar por separado si el servicio puede seguir entrenándose con prompts y código, y decidir de antemano qué herramientas son admisibles en proyectos comerciales cerrados. Esto es especialmente importante para las empresas con datos personales, secreto comercial y bibliotecas propias que no pueden enviarse sin pensarlo a un modelo externo.

Qué significa esto

La AI en los entornos de desarrollo ya se ha convertido en parte del trabajo cotidiano, pero jurídicamente sigue siendo una zona gris. El enfoque práctico es simple: considerar el código generado como un borrador, comprobar sus licencias y su seguridad, y vincular la elección de Copilot, Cursor, JetBrains o alternativas locales no solo a la comodidad, sino también a la forma en que el servicio trata tu código.