As Ações Coletivas de Autores contra a OpenAI são um conjunto de processos federais consolidados nos Estados Unidos, movidos por escritores de ficção contra a OpenAI, desenvolvedora dos modelos de linguagem de grande porte que sustentam produtos como o ChatGPT. Os autores alegam que a OpenAI copiou seus livros protegidos por direitos autorais sem permissão para treinar seus modelos, configurando violação direta e indireta de direitos autorais, e que a empresa lucrou com esse uso não autorizado. O litígio, consolidado no Tribunal Distrital dos EUA para o Distrito Sul de Nova York, tornou-se um caso de teste central para como a lei de direitos autorais se aplica ao treinamento de sistemas de IA generativa.
Os casos surgiram após o lançamento comercial do ChatGPT no final de 2022 e a subsequente expansão da família de modelos da OpenAI. Os autores argumentaram que suas obras foram incluídas em enormes corpora de texto usados para treinamento, sem licenciamento ou compensação, e que os modelos poderiam reproduzir ou parafrasear de perto passagens de seus livros. A OpenAI respondeu que seu uso de material protegido por direitos autorais se enquadrava na doutrina do uso justo, citando a natureza transformadora do aprendizado de máquina e os padrões estatísticos não expressivos aprendidos pelos modelos.
Histórico Processual e Consolidação
O primeiro grande processo de autores foi movido em junho de 2023 pela comediante e autora Sarah Silverman, juntamente com os autores Richard Kadrey e Christopher Golden, no Distrito Norte da Califórnia. Esse caso, Silverman v. OpenAI, alegou que os dados de treinamento da OpenAI incluíam repositórios de livros piratas. Em julho de 2023, uma ação coletiva separada foi movida no Distrito Sul de Nova York pelos autores Paul Tremblay e Mona Awad, representados pelo mesmo escritório de advocacia, contra a OpenAI e sua parceira Microsoft.
Em setembro de 2023, o Painel Judicial de Litígios Multidistritais consolidou vários processos de autores sobrepostos em um único procedimento, In re OpenAI ChatGPT Litigation, atribuído à Juíza Jed S. Rakoff no Distrito Sul de Nova York. A ação consolidada incluiu reivindicações de autores como George R.R. Martin, John Grisham, Jodi Picoult e outros que se juntaram posteriormente, embora alguns autores tenham movido processos separados que foram posteriormente incorporados ao caso principal. No início de 2024, os autores principais apresentaram uma queixa alterada consolidada, adicionando reivindicações de enriquecimento sem causa e negligência, e nomeando a OpenAI e seu CEO Sam Altman como réus.
Principais Reivindicações Legais
A principal reivindicação dos autores é a violação direta de direitos autorais sob o 17 U.S.C. § 501, argumentando que a OpenAI reproduziu e distribuiu suas obras durante o treinamento e nas saídas do modelo. Eles também alegaram violação vicária e contributiva, afirmando que a OpenAI tinha o direito e a capacidade de controlar a atividade infratora e lucrou com ela. A queixa citou instâncias específicas em que o ChatGPT supostamente gerou trechos quase verbatim de livros protegidos por direitos autorais, o que os autores argumentaram demonstrar que os modelos armazenavam e recuperavam conteúdo expressivo.
Uma segunda grande reivindicação dizia respeito à remoção de informações de gerenciamento de direitos autorais (CMI), como nomes de autores e títulos, dos dados de treinamento, em violação à Lei de Direitos Autorais do Milênio Digital (DMCA). Os autores argumentaram que a remoção do CMI facilitou a violação e dificultou a capacidade dos autores de fazer valer seus direitos. A OpenAI moveu uma moção para rejeitar essa reivindicação, argumentando que a disposição da DMCA exigia intenção de induzir à violação, o que os autores não haviam alegado de forma plausível.
Principais Decisões
Em fevereiro de 2024, o Juiz Rakoff rejeitou a reivindicação da DMCA, concluindo que os autores não haviam alegado adequadamente que a OpenAI removeu intencionalmente o CMI para ocultar violação. Ele permitiu que as principais reivindicações de direitos autorais prosseguissem, rejeitando o argumento da OpenAI de que as reivindicações eram preemptadas pela lei estadual e que os autores não tinham legitimidade porque não haviam registrado todas as obras.
Em novembro de 2024, o Juiz Rakoff emitiu uma decisão crucial sobre uso justo. Ele negou a moção da OpenAI para rejeitar as reivindicações de violação direta, sustentando que a defesa de uso justo não poderia ser resolvida na fase de alegações. O tribunal enfatizou que se o uso era transformador e se os modelos competiam com as obras originais eram questões de fato que exigiam descoberta. A decisão também observou que os próprios documentos da OpenAI, incluindo comunicações internas sobre a escassez de dados de texto de alta qualidade, poderiam influenciar o propósito e o caráter do uso.
No entanto, em uma decisão separada no mesmo mês, o Juiz Rakoff rejeitou as reivindicações de enriquecimento sem causa e negligência, concluindo que eram duplicativas das reivindicações de direitos autorais e barradas pela regra de perda econômica. Ele também eliminou certas alegações que se baseavam em teorias especulativas de dano, como a alegação de que as saídas dos modelos reduziriam as vendas de livros.
Argumentos de Uso Justo
A defesa de uso justo da OpenAI se baseia em quatro fatores estatutários: o propósito e o caráter do uso, a natureza da obra protegida, a quantidade e substancialidade usada e o efeito no mercado potencial. A empresa argumentou que treinar uma rede neural é um uso não expressivo, porque o modelo aprende padrões estatísticos em vez de reproduzir expressões específicas. Citou a decisão da Suprema Corte em Google v. Oracle (2021), que considerou que copiar código para um propósito transformador era uso justo, e a decisão do Segundo Circuito em Authors Guild v. Google (2015), que considerou que a digitalização de livros do Google para busca era uso justo.
Os autores contra-argumentaram que o uso da OpenAI era comercial e que os modelos poderiam gerar texto que compete com as obras originais, prejudicando o mercado de reproduções licenciadas. Eles também argumentaram que a escala da cópia - bilhões de palavras de milhões de livros - não era análoga aos trechos limitados no caso Google Books. A decisão do tribunal de novembro de 2024 deixou essas questões para julgamento, observando que a descoberta seria necessária para avaliar as saídas reais e o impacto econômico.
Litígio Relacionado e Contexto
Os casos dos autores fazem parte de uma onda mais ampla de processos de direitos autorais contra empresas de IA. Em 2023, artistas visuais moveram ações coletivas contra Stability AI, Midjourney e DeviantArt, e em 2024, editoras musicais processaram a Anthropic por reprodução de letras. O caso da Anthropic, Concord Music Group v. Anthropic, envolveu reivindicações semelhantes sobre dados de treinamento e reprodução de saídas. Os casos dos autores também se cruzam com o processo do New York Times contra a OpenAI e a Microsoft, movido em dezembro de 2023, que alegou que os modelos reproduziam artigos de notícias verbatim.
No litígio dos autores, o tribunal coordenou a descoberta com o caso do New York Times, permitindo produção compartilhada de documentos e depoimentos de especialistas. Essa coordenação desacelerou o ritmo do litígio, com o tribunal definindo uma data de julgamento para o final de 2025 ou início de 2026. No início de 2025, as partes estavam envolvidas na descoberta de fatos, incluindo depoimentos de executivos e equipe técnica da OpenAI, e a troca de metadados de dados de treinamento.
Implicações para o Desenvolvimento de IA
O resultado das ações coletivas dos autores pode afetar significativamente a indústria de inteligência artificial. Uma decisão de que o treinamento em obras protegidas por direitos autorais sem licença não é uso justo forçaria os desenvolvedores de IA a negociar licenças com editoras e autores, potencialmente aumentando custos e limitando a diversidade dos dados de treinamento. Por outro lado, uma decisão a favor da OpenAI afirmaria a legalidade das práticas atuais de treinamento, embora possa não resolver questões sobre reprodução de saídas.
O caso também atraiu atenção legislativa. Em 2024, vários senadores dos EUA introduziram projetos de lei propondo requisitos de transparência para dados de treinamento e um esquema de licenciamento estatutário para obras protegidas por direitos autorais. O litígio dos autores foi citado nesses debates como evidência da necessidade de regras mais claras. Internacionalmente, a Lei de IA da União Europeia, adotada em 2024, inclui disposições que exigem divulgação de resumos de dados de treinamento, embora não aborde diretamente a responsabilidade por direitos autorais.
Status Atual e Perspectivas
No início de 2025, a ação consolidada está na fase de descoberta. O tribunal negou moções de certificação de classe, mas os autores indicaram que buscarão certificação novamente após a descoberta de fatos. O Juiz Rakoff agendou uma conferência pré-julgamento para meados de 2025, com um possível julgamento em 2026. O caso é amplamente observado por acadêmicos jurídicos e observadores da indústria, pois pode estabelecer precedente para como os tribunais dos EUA aplicam o uso justo ao aprendizado de máquina em larga escala.
A OpenAI também enfrentou litígios paralelos em outras jurisdições, incluindo uma ação coletiva no Canadá e uma queixa perante o Escritório de Direitos Autorais dos EUA. A empresa começou a firmar acordos de licenciamento com algumas editoras, como Axel Springer e a Associated Press, mas não chegou a acordos com autores individuais de ficção. As ações coletivas dos autores continuam sendo o desafio mais abrangente às práticas de treinamento da OpenAI, e sua resolução provavelmente moldará o futuro da IA generativa e da lei de direitos autorais.