O acordo da Anthropic redesenha a disputa sobre direitos autorais em IA

Um pagamento recorde que ainda deixa o treinamento de IA em grande parte sem definição

Um tribunal federal em São Francisco aprovou um acordo de US$ 1,5 bilhão entre a Anthropic e autores de livros pelo fato de a empresa ter baixado obras das bases piratas LibGen e PiLiMi em 2021 e 2022. Só pelos números, trata-se de um marco: o material de origem o descreve como o maior acordo de direitos autorais na história de uma ação coletiva. Mas a importância do caso não está apenas no tamanho do pagamento. É que o acordo parece separar duas questões que muitas vezes se misturam no debate público sobre IA generativa: pirataria e treinamento de modelos.

Segundo o relatório fornecido, o acordo abrange cerca de 482.460 obras listadas, com 91,3% reivindicadas, resultando em pagamentos de cerca de US$ 3.000 por obra reivindicada. A Anthropic também precisa destruir os arquivos pirateados. Esse resultado representa uma grande derrota diante da forma como os livros foram obtidos. Ao mesmo tempo, ele não resolve a questão jurídica mais ampla pela qual editoras, autores e empresas de IA têm brigado: se usar livros obtidos legalmente para treinar sistemas de IA pode ser considerado fair use.

Essa distinção importa porque aponta para a forma da próxima fase do litígio de direitos autorais em IA. Se os tribunais continuarem punindo a aquisição ilegal enquanto tratam de forma diferente o treinamento com obras obtidas legalmente, o ônus de conformidade para desenvolvedores de IA pode migrar de se os modelos aprenderam ou não com material protegido por direitos autorais para como os conjuntos de dados subjacentes foram reunidos, documentados e licenciados. Para autores e detentores de direitos, isso seria um resultado misto: uma vitória contra a pirataria, mas não necessariamente uma restrição ampla ao treinamento em si.

Por que este caso ainda pode contar como uma vitória jurídica para laboratórios de IA

A fonte fornecida diz que o juiz Alsup já havia decidido que treinar IA com livros obtidos legalmente é “transformativo” e se enquadra em fair use. Essa conclusão anterior é o pano de fundo crucial do acordo. Ela sugere que a exposição mais cara da Anthropic neste caso veio do suposto uso de cópias pirateadas, e não do ato de treinar o modelo em abstrato. Na prática, o tribunal parece ter traçado uma linha entre a origem ilegal e uma transformação potencialmente lícita.

Para as empresas de IA, essa linha é altamente consequente. Muitos desenvolvedores de modelos enfrentam reivindicações sobrepostas envolvendo scraping, licenciamento, consentimento, memorização e substituição de mercado. Uma decisão judicial que isola a pirataria como a infração, deixando intactas as defesas ligadas ao treinamento, dá ao setor um mapa mais claro, embora ainda incompleto, de onde pode estar a responsabilidade mais imediata. O texto de origem argumenta que isso parece um marco para os laboratórios de IA que treinaram com conteúdo da web sem o consentimento dos donos dos sites, porque a coleta em escala web continua sendo a principal fonte de dados de treinamento. Isso não é o mesmo que uma bênção jurídica definitiva, mas sugere que o centro de gravidade dessas disputas pode estar mudando das questões de treinamento em si para os métodos de aquisição e reprodução dos dados.

A Anthropic não sai ilesa. Um acordo de US$ 1,5 bilhão não é uma penalidade operacional estreita; é um aviso em escala corporativa. Ele diz a todo grande desenvolvedor de IA que uma governança fraca de conjuntos de dados pode gerar danos em escala histórica. Mesmo que uma empresa acredite que seus argumentos de fair use são fortes, essas defesas podem oferecer pouca proteção se a cadeia que alimenta o modelo incluir material retirado de repositórios de pirataria. Nesse sentido, o acordo aumenta o valor de controles de procedência, auditorias de ingestão e restrições internas sobre o que engenheiros e pesquisadores podem usar durante o desenvolvimento do modelo.

Os direitos que os autores ainda mantêm

O caso também não apagou todas as futuras reivindicações. Segundo o relatório fornecido, os autores mantêm reivindicações sobre saídas de IA que reproduzam obras originais e sobre a conduta futura da Anthropic. Isso mantém aberta outra frente juridicamente e tecnicamente difícil na guerra de direitos autorais em IA. O treinamento pode ser uma questão; o comportamento da saída, outra. Se um modelo produzir texto próximo demais de uma obra protegida, ou se futuras práticas de coleta voltarem a depender de fontes inadequadas, a via judicial continua aberta.

Essa ressalva é importante porque preserva um caminho para os autores contestarem danos concretos em vez de um comportamento abstrato do modelo. Os tribunais podem continuar divididos sobre como avaliar o treinamento em grandes corpora, mas reivindicações ligadas à reprodução de expressão original podem ser mais fáceis de formular e testar. Para desenvolvedores de IA, isso significa que o trabalho jurídico não termina com uma melhor origem dos dados. Ele se estende à avaliação de modelos, a red-teaming para memorização e a controles de produto que reduzam a chance de regurgitar material protegido por direitos autorais.

Há também uma implicação mais ampla de política pública. Se o sistema jurídico passar a tratar cada vez mais a procedência dos dados, as salvaguardas de saída e a conduta futura como camadas separadas de conformidade, a regulação da IA pode se tornar mais operacional do que filosófica. O debate público costuma girar em torno de saber se o treinamento é intrinsecamente permitido ou intrinsecamente exploratório. Os tribunais, por outro lado, podem continuar fatiando o problema em perguntas mais estreitas: a cópia foi obtida legalmente? O uso foi transformativo? A saída reproduziu expressão protegida? Houve dano mensurável ao mercado?

O que vem a seguir

O texto de origem é explícito ao dizer que uma questão importante continua sem resposta: se o scraping em massa de conteúdo da internet sem o consentimento dos autores conta como aquisição legal. Esse tema vai muito além dos livros. Ele se conecta diretamente aos dados da web que impulsionaram a maioria dos modelos de fronteira. Se os tribunais adotarem uma visão mais rígida sobre consentimento e aquisição nesse contexto, a vitória aparente sugerida pela posição de fair use da Anthropic pode encolher rapidamente. Se não adotarem, o setor pode tratar este caso como evidência de que o caminho mais seguro não é abandonar o treinamento com material protegido por direitos autorais, mas organizar melhor a forma como esse material é coletado e tratado.

Por enquanto, o acordo se apresenta como um marco paradoxal. É um pagamento recorde de direitos autorais e um golpe reputacional. Também parece reforçar um arcabouço jurídico no qual a pirataria é punida, mas o treinamento com obras obtidas legalmente ainda pode ser defendido. Essa combinação não vai encerrar a disputa sobre direitos autorais em IA. É mais provável que a intensifique. Autores, editoras e empresas de modelos agora têm uma noção mais clara de onde um tribunal está traçando limites, e essa clareza pode aumentar, em vez de acalmar, a próxima onda de casos.

A lição prática é direta. As empresas de IA não podem mais tratar a montagem de conjuntos de dados como um detalhe técnico secundário. A procedência está se tornando um risco jurídico de primeira ordem. Ao mesmo tempo, os detentores de direitos que esperavam um precedente amplo contra o treinamento em si não obtiveram isso aqui. O argumento ficou mais estreito, não desapareceu. E é nessa disputa mais estreita que está o futuro da batalha de direitos autorais em IA.

Este artigo é baseado na reportagem da The Decoder. Leia o artigo original.