New York Times Co. v. Microsoft Corp. é um processo histórico de violação de direitos autorais ajuizado em 27 de dezembro de 2023 no Tribunal Distrital dos Estados Unidos para o Distrito Sul de Nova York. O autor, The New York Times Company, alega que a OpenAI e a Microsoft, por meio do desenvolvimento e da implantação de modelos de linguagem de grande escala, como o ChatGPT, e da infraestrutura baseada em Azure que os sustenta, realizaram reprodução e uso não autorizados de milhões de artigos jornalísticos protegidos por direitos autorais para treinar seus sistemas de inteligência artificial. A ação busca danos legais, medida cautelar e a destruição dos pesos de modelo e dos conjuntos de dados de treinamento infratores, posicionando-a como um dos desafios legais mais significativos à aplicação comercial da IA generativa.
O caso centra-se na interseção entre a lei de direitos autorais e o aprendizado de máquina, especificamente a prática de treinar modelos de linguagem de grande escala em vastos corpora de texto extraídos da internet. O Times argumenta que a OpenAI e a Microsoft copiaram seus artigos integralmente para construir as redes neurais subjacentes ao ChatGPT, e que os modelos podem reproduzir ou parafrasear de perto conteúdo protegido por direitos autorais, competindo assim com os próprios produtos digitais do jornal. A Microsoft é nomeada como ré devido ao seu investimento de vários bilhões de dólares na OpenAI e à sua integração dos modelos da OpenAI em produtos como o Bing Chat e o Microsoft 365 Copilot. O processo tornou-se um indicador de como os tribunais aplicarão as doutrinas de direitos autorais existentes ao campo emergente da IA generativa.
Contexto e Partes
The New York Times Company, fundada em 1851, é uma das organizações de notícias mais proeminentes dos Estados Unidos, com uma base de assinantes digitais superior a 10 milhões em 2023. Seu modelo de negócios depende fortemente de reportagens e análises exclusivas, protegidas por direitos autorais. A OpenAI, fundada em 2015 como uma organização sem fins lucrativos e reestruturada como uma entidade de lucro limitado em 2019, desenvolve sistemas avançados de inteligência artificial, incluindo a série GPT de modelos de linguagem de grande escala. A Microsoft, uma corporação tecnológica global, investiu mais de US$ 13 bilhões na OpenAI desde 2019, fornecendo recursos de computação em nuvem por meio de sua plataforma Azure e incorporando os modelos da OpenAI em seus próprios produtos.
O processo nomeia a Microsoft como corré devido ao seu profundo entrelaçamento financeiro e técnico com a OpenAI. O Azure da Microsoft hospeda as cargas de trabalho de treinamento e inferência da OpenAI, e a empresa tem direitos exclusivos para comercializar certas tecnologias da OpenAI. O Times alega que a Microsoft não é meramente um investidor passivo, mas um participante ativo no desenvolvimento e na distribuição dos sistemas infratores.
Alegações de Violação de Direitos Autorais
A queixa detalha instâncias específicas em que o ChatGPT e o Bing Chat da Microsoft supostamente reproduziram artigos do Times na íntegra ou com apenas pequenas alterações. Por exemplo, o processo cita uma consulta sobre o incêndio Camp Fire de 2018 na Califórnia, em que o ChatGPT supostamente retornou um trecho quase idêntico de um artigo do Times, incluindo o título e o parágrafo inicial. O Times argumenta que tais saídas demonstram que os modelos foram treinados em seu conteúdo protegido por direitos autorais e podem gerá-lo sob demanda, constituindo violação direta e vicária.
O Times também afirma que a OpenAI e a Microsoft removeram ou obscureceram informações de gestão de direitos autorais, como assinaturas e datas de publicação, dos dados de treinamento, violando o Digital Millennium Copyright Act. A ação afirma que os réus não buscaram uma licença ou permissão do Times, apesar de terem os recursos para fazê-lo, e que seu uso dos artigos não é transformador, mas sim um substituto para o trabalho original.
Argumentos Legais e Defesas
A OpenAI e a Microsoft ainda não apresentaram respostas formais à queixa até o início de 2025, mas suas declarações públicas e arquivamentos legais em casos relacionados sugerem defesas potenciais. Estas incluem a doutrina do uso justo, que permite o uso limitado de material protegido por direitos autorais sem permissão para fins como crítica, comentário, reportagem jornalística, ensino ou pesquisa. Os réus podem argumentar que o treinamento em texto protegido por direitos autorais é um uso transformador, pois os modelos não reproduzem os artigos integralmente, mas aprendem padrões estatísticos e estruturas linguísticas.
Outra defesa provável é que os modelos não são projetados para regurgitar artigos específicos, e que quaisquer semelhanças se devem à natureza da linguagem e à prevalência de certas frases. A OpenAI declarou que usa mecanismos de "opt-out" para sites que não desejam que seu conteúdo seja usado para treinamento, embora o Times argumente que isso coloca um ônus indevido sobre os detentores de direitos autorais. O caso também pode levantar questões sobre se a saída de um modelo de linguagem de grande escala constitui uma obra derivada, um conceito que os tribunais ainda não exploraram totalmente no contexto da IA.
Histórico Processual e Casos Relacionados
O processo foi atribuído ao Juiz Sidney H. Stein do Distrito Sul de Nova York. No início de 2024, o tribunal concedeu uma moção conjunta para consolidar casos relacionados para fins de pré-julgamento, embora o caso do Times permaneça distinto. Vários outros detentores de direitos autorais entraram com ações semelhantes contra a OpenAI e a Microsoft, incluindo autores como Sarah Silverman e George R.R. Martin, e artistas visuais contra a Stability AI e a Midjourney. O caso do Times é notável por sua escala e pelo status do autor como uma grande organização de mídia.
Em fevereiro de 2024, o tribunal emitiu uma ordem de cronograma definindo um prazo para a descoberta, com uma data de julgamento provisoriamente marcada para o final de 2025. As partes se envolveram em extensa prática de moções, incluindo moções para rejeitar e moções para julgamento sumário, embora, até o início de 2025, nenhuma decisão definitiva tenha sido emitida. O caso atraiu memoriais de amicus curiae de várias organizações, incluindo a Authors Guild e a Electronic Frontier Foundation, refletindo suas amplas implicações.
Implicações para a Indústria de IA
O resultado deste caso pode ter efeitos profundos no desenvolvimento de modelos de linguagem de grande escala e no campo mais amplo da inteligência artificial. Se o tribunal decidir a favor do Times, pode exigir que a OpenAI e a Microsoft paguem danos substanciais e alterem suas práticas de treinamento, potencialmente exigindo o uso de conjuntos de dados licenciados ou a implementação de filtragem de conteúdo mais robusta. Isso poderia aumentar o custo do desenvolvimento de IA e criar barreiras à entrada para empresas menores e instituições de pesquisa.
Por outro lado, uma decisão a favor dos réus afirmaria a legalidade do treinamento em texto disponível publicamente, fornecendo um sinal verde para a inovação contínua em IA generativa. O caso é acompanhado de perto por outras empresas de tecnologia, incluindo Anthropic, Google DeepMind e Meta AI, que enfrentam desafios legais semelhantes. Ele também se cruza com debates políticos em andamento sobre a regulamentação da IA, à medida que governos nos Estados Unidos e na Europa consideram novas leis que regem o uso de material protegido por direitos autorais no aprendizado de máquina.
Contexto Técnico: Como os LLMs São Treinados
Para entender as questões legais, é útil considerar o processo técnico de treinamento de um modelo de linguagem de grande escala. Esses modelos, baseados na arquitetura transformador introduzida em 2017, são treinados em conjuntos de dados massivos contendo bilhões de palavras de livros, sites e outras fontes. Durante o treinamento, o modelo ajusta seus parâmetros internos - os pesos de suas conexões de rede neural - para prever a próxima palavra em uma sequência, um processo conhecido como aprendizado autossupervisionado. Isso exige que o modelo codifique regularidades estatísticas no texto, incluindo fatos, estilos e, às vezes, frases verbatim.
Os dados de treinamento para o GPT-3 e o GPT-4 da OpenAI incluíram uma grande porção do Common Crawl, um arquivo público da web, bem como conjuntos de dados curados como a Wikipédia e livros. O Times alega que seus artigos foram incluídos nesses conjuntos de dados sem permissão. A capacidade do modelo de reproduzir passagens específicas é um fenômeno conhecido, frequentemente chamado de "memorização", que ocorre quando certas sequências aparecem com frequência nos dados de treinamento. Pesquisadores mostraram que modelos de linguagem de grande escala podem regurgitar longos trechos de obras protegidas por direitos autorais, levantando preocupações sobre violação.
Panorama Legal Mais Amplo e Uso Justo
A doutrina do uso justo, codificada na Seção 107 da Lei de Direitos Autorais dos EUA, considera quatro fatores: a finalidade e o caráter do uso, a natureza do trabalho protegido por direitos autorais, a quantidade e a substancialidade da porção usada e o efeito sobre o mercado potencial. Os tribunais aplicaram o uso justo a tecnologias como mecanismos de busca e gravação de vídeo, mas a aplicação ao treinamento de IA é nova. No caso de 2023 Authors Guild v. Google, o Segundo Circuito considerou que a digitalização de livros pelo Google para busca era uso justo, mas esse caso envolveu uso não expressivo, enquanto os modelos de IA podem gerar conteúdo expressivo.
O Times argumenta que o uso não é transformador porque os modelos são projetados para gerar texto que compete com os artigos originais, potencialmente reduzindo o tráfego para o site do Times e a receita de assinaturas. Os réus podem contrapor que os modelos não substituem os artigos, mas fornecem uma nova maneira de acessar informações, semelhante a um mecanismo de busca. A análise desses fatores pelo tribunal provavelmente estabelecerá um precedente para casos futuros envolvendo outras empresas de IA e criadores de conteúdo.
Status Atual e Perspectivas
Até o início de 2025, o caso está na fase de descoberta, com ambos os lados trocando evidências e relatórios de especialistas. O tribunal ainda não decidiu sobre as questões legais centrais, e um julgamento não é esperado antes do final de 2025, pelo menos. As partes se envolveram em discussões de acordo, mas nenhum acordo foi alcançado. O caso é um dos vários processos de alto perfil que moldarão o ambiente legal para a IA, juntamente com casos envolvendo gravadoras e geradores de imagens.
O resultado dependerá de como o tribunal interpreta os fatos e aplica a lei existente a uma tecnologia em rápida evolução. Estudiosos do direito estão divididos sobre o resultado provável, com alguns prevendo uma constatação de uso justo e outros antecipando uma decisão a favor do Times. O caso pode, em última instância, ser apelado ao Segundo Circuito e possivelmente à Suprema Corte, dada sua importância nacional. Independentemente do resultado, ele já levou muitas empresas de IA a buscar licenças de provedores de conteúdo e acelerou discussões sobre a necessidade de nova legislação para abordar os desafios únicos colocados pela IA generativa.
Impacto no Jornalismo e na Mídia
O processo também destacou a tensão mais ampla entre a indústria de mídia e os desenvolvedores de IA. As organizações de notícias dependem de direitos autorais para proteger suas reportagens, mas os sistemas de IA podem agregar e resumir notícias de maneiras que podem prejudicar seus modelos de negócios. O Times tem sido proativo em explorar suas próprias ferramentas de IA, mas insiste que qualquer uso de seu conteúdo deve ser compensado. Outros editores, incluindo a Associated Press e a Axel Springer, assinaram acordos de licenciamento com a OpenAI, enquanto o Times optou por litígio.
Se o Times prevalecer, isso pode levar a uma onda de processos semelhantes de outros editores, potencialmente forçando as empresas de IA a negociar acordos de licenciamento coletivo. Isso poderia criar um novo fluxo de receita para organizações de mídia, mas também pode desacelerar o ritmo da inovação em IA. Por outro lado, uma derrota para o Times poderia encorajar as empresas de IA a continuar extraindo conteúdo sem permissão, potencialmente prejudicando a viabilidade financeira do jornalismo. O caso representa, assim, uma encruzilhada crítica na relação entre tecnologia e imprensa.
Conclusão
New York Times Co. v. Microsoft Corp. é uma batalha legal pivotal que ajudará a definir os limites dos direitos autorais na era da inteligência artificial. Sua resolução terá consequências de longo alcance para desenvolvedores de IA, criadores de conteúdo e o público, afetando como a informação é produzida, acessada e monetizada. À medida que o caso avança, será monitorado de perto por especialistas jurídicos, tecnólogos e executivos de mídia, servindo como um caso de teste para a aplicação de princípios de direitos autorais centenários às formas mais novas de inteligência de máquina.