The New York Times Company v. Microsoft Corporation and OpenAI, Inc. é um processo histórico de violação de direitos autorais ajuizado no Tribunal Distrital dos Estados Unidos para o Distrito Sul de Nova York em 27 de dezembro de 2023. A ação alega que a OpenAI e seu principal investidor, a Microsoft, usaram milhões de artigos jornalísticos protegidos por direitos autorais do The New York Times para treinar seus modelos de linguagem de grande escala sem permissão ou compensação, violando assim a lei de direitos autorais e ameaçando o modelo de negócios do jornal. O caso é amplamente considerado um teste fundamental para saber como a lei de propriedade intelectual se aplica a sistemas de IA generativa e seus dados de treinamento subjacentes.
A ação busca responsabilizar os réus pelo que o Times descreve como "cópia e uso ilegais das obras de valor único do Times". Exige danos legais de até US$ 150.000 por obra infringida, uma liminar contra o uso adicional do conteúdo do Times e a destruição de quaisquer conjuntos de dados ou modelos que incorporassem esse conteúdo. A ação foi apresentada após meses de negociações entre o jornal e a OpenAI não conseguirem produzir um acordo de licenciamento, de acordo com relatos contemporâneos.
Contexto e Antecedentes
A disputa surge do rápido avanço dos sistemas de inteligência artificial, particularmente modelos de aprendizado profundo baseados na arquitetura Transformer (architecture). A OpenAI, fundada em 2015 como um laboratório de pesquisa sem fins lucrativos e depois reestruturada com um braço com fins lucrativos, lançou o GPT-3 em 2020 e o ChatGPT em novembro de 2022. Esses sistemas são treinados em vastos corpora de texto extraídos da internet, incluindo artigos de notícias, livros e outros materiais protegidos por direitos autorais.
O The New York Times, fundado em 1851, manteve por muito tempo um paywall e um negócio de assinatura digital, reportando mais de 10 milhões de assinantes no final de 2023. O jornal argumentou que seu jornalismo é um ativo valioso e proprietário e que permitir que empresas de IA o usem livremente prejudica sua capacidade de recuperar custos de produção. O Times também observou que chatbots de IA poderiam "memorizar" e reproduzir partes de artigos, potencialmente competindo diretamente com os próprios canais de distribuição do jornal.
Alegações Legais e Argumentos
A queixa apresenta múltiplas causas de ação, incluindo violação direta de direitos autorais, violação contributiva e violação vicária. O Times forneceu dezenas de exemplos em que o ChatGPT e outros produtos da OpenAI supostamente reproduziram trechos quase literais de seus artigos, incluindo uma investigação de 2019 sobre empréstimos de medalhões de táxi e uma peça de 2020 sobre a pandemia de COVID-19. O jornal argumentou que tais resultados demonstram que os modelos foram treinados em seu conteúdo e que a reprodução não é transformadora.
A OpenAI e a Microsoft responderam em documentos judiciais que seu uso de material protegido por direitos autorais se enquadra na doutrina de "uso justo" (fair use), que permite o uso limitado para fins como crítica, comentário, reportagem, ensino ou pesquisa. Elas argumentaram que o treinamento em grandes conjuntos de dados é um processo transformador que não substitui as obras originais, mas sim cria novas representações estatísticas não expressivas. A Microsoft, que havia investido mais de US$ 13 bilhões na OpenAI no início de 2023, entrou com uma moção para rejeitar o caso em fevereiro de 2024, alegando que o Times não havia demonstrado danos específicos.
O Times rebateu que o uso justo é uma exceção estreita e que a escala comercial das operações da OpenAI, combinada com a competição direta representada pelos resumos gerados por IA, pesa contra uma decisão de uso justo. Estudiosos do direito notaram que o caso pode estabelecer precedente sobre como os tribunais interpretam o "propósito e caráter" do treinamento de IA, uma questão que permanece sem solução na jurisprudência dos EUA.
Eventos Principais e Cronologia
- 27 de dezembro de 2023: O Times entrou com sua queixa no Distrito Sul de Nova York, nomeando tanto a OpenAI quanto a Microsoft como rés.
- Janeiro de 2024: A OpenAI declarou publicamente que estava "surpresa e decepcionada" com o processo, observando que estava em discussões produtivas com o Times. A empresa também começou a oferecer um mecanismo de opt-out para proprietários de sites que não desejavam que seu conteúdo fosse usado em treinamento futuro.
- Fevereiro de 2024: A Microsoft entrou com uma moção para rejeitar o caso, argumentando que as alegações do Times eram especulativas e que a empresa não tinha papel direto no treinamento dos modelos.
- Abril de 2024: O tribunal negou em parte a moção da Microsoft para rejeitar, permitindo que o caso prosseguisse em várias alegações. O Juiz Sidney H. Stein, designado para o caso, ordenou que ambas as partes se envolvessem em descoberta (discovery).
- Junho de 2024: A OpenAI entrou com sua própria moção para julgamento sumário, afirmando que o Times não poderia provar que artigos específicos foram reproduzidos de uma forma que causasse danos ao mercado. O Times se opôs, citando comunicações internas da OpenAI que reconheciam a necessidade de licenciar conteúdo.
- Outubro de 2024: O tribunal realizou uma audiência preliminar sobre disputas de descoberta, particularmente em relação ao acesso aos conjuntos de dados de treinamento da OpenAI. O Times buscou registros detalhados de quais artigos foram incluídos no treinamento, enquanto a OpenAI argumentou que tais informações eram segredo comercial.
- Até o início de 2025: O caso permaneceu na fase de descoberta, sem data de julgamento definida. Ambas as partes continuaram a apresentar moções e relatórios de especialistas.
Implicações Mais Amplas
O processo faz parte de uma onda de ações legais contra empresas de IA. Em 2023, autores como Sarah Silverman e George R.R. Martin entraram com ações coletivas contra OpenAI e Meta por alegações semelhantes. A Getty Images processou a Stability AI no Reino Unido e nos EUA por usar suas fotografias em dados de treinamento. O caso do Times é notável porque envolve uma grande organização de notícias com recursos legais substanciais e um interesse financeiro claro no resultado.
O resultado pode afetar a economia do desenvolvimento de aprendizado de máquina. Se o Times prevalecer, as empresas de IA podem ser obrigadas a licenciar conteúdo de editores, um custo que pode remodelar a indústria. Por outro lado, uma decisão a favor da OpenAI poderia legitimar a prática de treinar em texto publicamente disponível, potencialmente acelerando o crescimento da OpenAI e de concorrentes como Anthropic e Google DeepMind.
Organizações de notícias responderam de maneiras diferentes. Algumas, como a Associated Press e a Axel Springer, assinaram acordos de licenciamento com a OpenAI. Outras, incluindo o Times, escolheram a litigação. O caso também provocou discussões sobre a necessidade de nova legislação, com alguns legisladores propondo um regime de "aviso e opt-out" para o treinamento de IA.
Dimensões Técnicas e Éticas
O caso levanta questões sobre como redes neurais armazenam e recuperam informações. Pesquisadores mostraram que modelos de linguagem de grande escala podem memorizar longas passagens de texto, especialmente quando essas passagens aparecem múltiplas vezes nos dados de treinamento. O Times argumentou que seus artigos, que são amplamente sindicados e citados, provavelmente estão super-representados nos conjuntos de dados da OpenAI, aumentando o risco de reprodução literal.
Debates éticos centram-se em saber se as empresas de IA têm a obrigação moral de compensar criadores de conteúdo. Proponentes do uso justo argumentam que o treinamento é análogo a um humano lendo e aprendendo com artigos, enquanto críticos contendem que a escala e a natureza comercial do treinamento de IA são fundamentalmente diferentes. O caso também destacou a falta de transparência no treinamento de IA, já que a maioria das empresas não divulga publicamente suas fontes completas de dados.
Reações e Comentários
Especialistas jurídicos ofereceram previsões divergentes. Alguns, como o professor de direito de Stanford Mark Lemley, argumentaram que o treinamento de IA provavelmente será considerado uso justo, citando precedentes como o caso Google Books. Outros, incluindo a estudiosa de direitos autorais Pamela Samuelson, notaram que a evidência do Times de competição direta pode inclinar a balança. O Laboratório de Ciência da Computação e Inteligência Artificial do MIT e o Laboratório de IA de Stanford ambos realizaram simpósios sobre o caso, refletindo sua significância acadêmica.
O CEO da OpenAI, Sam Altman, declarou publicamente que a empresa está disposta a pagar por conteúdo, mas acredita que o quadro legal atual é pouco claro. Em uma entrevista de março de 2024, ele disse: "Queremos ser bons parceiros com os editores. A questão é qual é um preço justo." O Times, por sua vez, manteve que seu objetivo principal é proteger seu jornalismo e estabelecer um precedente para a indústria.
Status Atual e Perspectivas Futuras
Até o final de 2024, o caso não havia sido resolvido. Ambos os lados se envolveram em extensa prática de moções, e o tribunal ainda não se pronunciou sobre a questão central do uso justo. Alguns observadores esperam que o caso chegue à Suprema Corte, dada sua importância nacional. Enquanto isso, a OpenAI continuou a assinar acordos de conteúdo com outros editores, incluindo News Corp e o Financial Times, sugerindo que a indústria está se movendo em direção a um modelo de licenciamento independentemente do resultado do processo.
O Times também buscou ações paralelas, incluindo uma queixa ao Escritório do Comissário de Informações do Reino Unido sobre questões de proteção de dados. A empresa declarou que continuará a investir em suas próprias capacidades de IA, incluindo uma parceria com o Google Cloud para análise de dados, mas permanece comprometida com a litigação.
Conclusão
O caso The New York Times v. OpenAI representa um momento crítico na relação entre mídia e inteligência artificial. Sua resolução provavelmente influenciará não apenas as partes envolvidas, mas também o ecossistema mais amplo do desenvolvimento de inteligência artificial, licenciamento de conteúdo e lei de direitos autorais. À medida que a tecnologia evolui, os princípios legais estabelecidos neste caso podem servir como fundamento para disputas futuras, tornando-o um dos processos mais observados da década.