A The New York Times Company entrou com um processo contra a OpenAI e a Microsoft em dezembro de 2023, alegando que as empresas usaram milhões de artigos jornalísticos protegidos por direitos autorais sem permissão para treinar seus modelos de linguagem de grande porte. A queixa, protocolada no Tribunal Distrital dos EUA para o Distrito Sul de Nova York, afirma que o ChatGPT da OpenAI e o Copilot da Microsoft reproduzem artigos do Times na íntegra ou com alterações mínimas quando solicitados, prejudicando a capacidade do jornal de monetizar seu jornalismo. O Times busca danos legais, uma liminar contra o uso adicional de seu conteúdo e a destruição de quaisquer conjuntos de dados que contenham seus artigos.
O processo é um dos desafios legais mais proeminentes à indústria de IA generativa, que depende fortemente de texto coletado da web para treinamento. O Times argumenta que seu conteúdo foi usado sem licença, enquanto a OpenAI e a Microsoft contestam que seu uso se enquadra na doutrina do uso justo, que permite a reprodução limitada de material protegido por direitos autorais para fins como comentário ou pesquisa. O caso atraiu ampla atenção porque seu resultado pode remodelar a forma como as empresas de IA obtêm dados de treinamento e se elas devem pagar aos editores pelo acesso.
Antecedentes e Partes
O New York Times, fundado em 1851, é um dos maiores e mais influentes jornais dos Estados Unidos, com uma base de assinaturas digitais superior a 10 milhões em 2023. A OpenAI, estabelecida em 2015 como uma organização sem fins lucrativos e posteriormente reestruturada com um braço com fins lucrativos, desenvolve o chatbot ChatGPT e a série subjacente de modelos GPT. A Microsoft investiu mais de US$ 13 bilhões na OpenAI desde 2019 e fornece a infraestrutura de nuvem Azure usada para treinar e implantar os sistemas da OpenAI. A Microsoft também integra a tecnologia da OpenAI em seu mecanismo de busca Bing e no pacote de produtividade Office.
O processo nomeia tanto a OpenAI quanto a Microsoft como rés, argumentando que o profundo envolvimento financeiro e técnico da Microsoft a torna igualmente responsável. A equipe jurídica do Times, liderada pelo escritório de advocacia Susman Godfrey, protocolou a queixa em 27 de dezembro de 2023, após meses de negociações fracassadas com a OpenAI sobre um potencial acordo de licenciamento.
Alegações de Violação de Direitos Autorais
A queixa detalha instâncias específicas em que o ChatGPT e o Copilot da Microsoft supostamente reproduziram artigos do Times. Por exemplo, quando solicitado com uma pergunta sobre um relatório investigativo de 2019 sobre envenenamento por chumbo, o ChatGPT supostamente gerou um trecho quase idêntico do artigo, incluindo o título e vários parágrafos. O Times também apresentou evidências de que os modelos poderiam produzir texto correspondente às suas críticas de restaurantes, recomendações de produtos e notícias, às vezes sem atribuição.
O Times argumenta que essa reprodução vai além do uso justo aceitável porque compete diretamente com o conteúdo digital do próprio jornal. Quando os usuários pedem resumos de notícias ao ChatGPT, eles podem receber informações que, de outra forma, exigiriam uma assinatura do Times, reduzindo o tráfego para o site do jornal e diminuindo a receita de publicidade e assinaturas. A queixa também observa que os dados de treinamento da OpenAI incluíam artigos do Times de fontes como o Common Crawl, uma organização sem fins lucrativos que arquiva páginas da web, sem obter permissão.
Argumentos Legais e Defesa de Uso Justo
A OpenAI e a Microsoft entraram com uma moção para rejeitar o processo em fevereiro de 2024, argumentando que as alegações do Times são baseadas em "hackear" o ChatGPT com prompts incomuns projetados para extrair texto protegido por direitos autorais, em vez do comportamento típico do usuário. Eles citaram a doutrina do uso justo, que considera fatores como a finalidade do uso (transformador versus comercial), a natureza do trabalho protegido, a quantidade usada e o efeito no mercado. A OpenAI mantém que treinar em texto disponível publicamente é análogo a um humano ler e aprender com livros, e que os modelos resultantes não armazenam cópias dos artigos originais.
O Times rebate que o uso não é transformador porque os modelos são projetados para gerar texto que compete com os artigos originais, e que a natureza comercial dos produtos da OpenAI pesa contra o uso justo. O jornal também aponta para o fator "quantidade e substancialidade", observando que os modelos podem reproduzir artigos inteiros, não apenas breves trechos. Estudiosos do direito notaram que o resultado pode depender de os tribunais verem o treinamento de IA como um uso justo semelhante à digitalização de livros pelo Google no caso Authors Guild v. Google, ou como uma violação mais direta.
Contexto Mais Amplo da Litigação de Direitos Autorais em IA
O processo do Times faz parte de uma onda de ações de direitos autorais contra empresas de IA. Em 2023, autores como Sarah Silverman, Christopher Golden e Richard Kadrey processaram a OpenAI e a Meta pelo uso de seus livros em dados de treinamento. A Getty Images entrou com um processo contra a Stability AI no Reino Unido e nos Estados Unidos, alegando uso indevido de suas fotografias. Em dezembro de 2023, a comediante Sarah Silverman e outros autores alteraram suas queixas para incluir exemplos específicos de ChatGPT reproduzindo texto protegido por direitos autorais.
Esses casos levantaram questões sobre a legalidade da coleta de dados da web para treinamento de IA, a aplicabilidade do uso justo ao aprendizado de máquina e a necessidade de novas estruturas de licenciamento. Alguns editores, como a Associated Press e a Axel Springer, assinaram acordos de licenciamento com a OpenAI, enquanto outros, incluindo o Times, optaram pela litigação. O processo do Times é notável por sua escala e pela qualidade de suas evidências, que incluem comparações lado a lado de saídas de modelos e artigos originais.
Implicações Tecnológicas e Econômicas
O caso tem implicações significativas para a indústria de IA. Se o Times prevalecer, as empresas de IA podem ser obrigadas a obter licenças para todos os dados de treinamento protegidos por direitos autorais, o que pode aumentar os custos e desacelerar o desenvolvimento de modelos. Alternativamente, uma decisão a favor da OpenAI poderia reforçar a prática de treinar em texto disponível publicamente sem compensação, potencialmente prejudicando organizações de notícias que dependem da receita de assinaturas.
Os riscos econômicos são altos. O Times relatou receita anual de aproximadamente US$ 2,5 bilhões em 2023, com assinaturas digitais representando uma parcela crescente. O jornal investiu pesadamente em seus próprios produtos digitais, incluindo jogos, culinária e áudio, e argumenta que os resumos gerados por IA prejudicam esses investimentos. A OpenAI, avaliada em mais de US$ 80 bilhões no início de 2024, declarou que está disposta a pagar pelo conteúdo, mas contesta as alegações do Times de violação generalizada.
Histórico Processual e Status Atual
Após a moção para rejeitar ser protocolada, o tribunal permitiu que o caso prosseguisse, com a fase de descoberta agendada para começar em meados de 2024. Em abril de 2024, o Times protocolou uma queixa alterada adicionando novos exemplos de suposta violação, incluindo instâncias em que o ChatGPT reproduziu artigos da seção de análise de produtos Wirecutter do Times. A OpenAI respondeu argumentando que a queixa alterada ainda não mostrava que os modelos "memorizam" artigos de uma forma que constitua violação.
Em maio de 2024, o tribunal negou parcialmente a moção da OpenAI para rejeitar, permitindo que as alegações centrais de direitos autorais prosseguissem, enquanto rejeitava algumas alegações acessórias relacionadas ao Digital Millennium Copyright Act. O caso está atualmente na fase de descoberta, com ambos os lados trocando documentos e depoimentos. Uma data para o julgamento não foi definida, mas especialistas jurídicos esperam que o caso dure vários anos, com possíveis apelações a tribunais superiores.
Reações das Indústrias de IA e de Publicação
O processo gerou debate dentro da comunidade de IA. Alguns pesquisadores argumentam que treinar em texto protegido por direitos autorais é essencial para construir modelos capazes, enquanto outros defendem uma fonte de dados mais transparente. O CEO da OpenAI, Sam Altman, declarou publicamente que a empresa está aberta a acordos de licenciamento e expressou arrependimento pela falta de clareza em suas práticas de dados. A Microsoft permaneceu em grande parte silenciosa, deferindo à OpenAI em declarações públicas.
Grupos da indústria de publicação, incluindo a News Media Alliance, protocolaram memoriais de amicus curiae apoiando o Times, argumentando que as empresas de IA estão se aproveitando do trabalho dos jornalistas. Por outro lado, alguns grupos de defesa de tecnologia alertaram que uma decisão contra a OpenAI poderia dificultar a inovação e dar aos grandes editores controle excessivo sobre a informação. O caso também influenciou discussões legislativas, com alguns legisladores propondo leis que exigiriam que as empresas de IA divulgassem suas fontes de dados de treinamento.
Resultados Potenciais e Precedente
Se o Times vencer, o tribunal poderia ordenar que a OpenAI e a Microsoft pagassem danos legais de até US$ 150.000 por obra violada, o que poderia chegar a bilhões de dólares, dados os milhões de artigos supostamente usados. O tribunal também poderia emitir uma liminar exigindo a destruição dos conjuntos de dados de treinamento, o que forçaria a OpenAI a retreinar seus modelos sem o conteúdo do Times. Tal resultado provavelmente levaria a uma onda de processos semelhantes de outros editores.
Se a OpenAI vencer, o caso estabeleceria um precedente amplo de uso justo para treinamento de IA, potencialmente permitindo que empresas usassem qualquer texto disponível publicamente sem compensação. Isso poderia acelerar o desenvolvimento de IA, mas também pode reduzir a viabilidade financeira das organizações de notícias, que já viram declínio na receita impressa. Alguns observadores sugerem que um acordo é mais provável, com a OpenAI concordando em pagar ao Times uma taxa de licenciamento em troca de acesso contínuo ao seu conteúdo.
Significância para a Governança de IA
O processo é um marco no debate mais amplo sobre a governança de IA e o equilíbrio entre inovação e direitos de propriedade intelectual. Ele levanta questões fundamentais sobre se os modelos de IA devem ser tratados como ferramentas transformadoras ou como obras derivadas, e se os criadores dos dados de treinamento merecem compensação. O caso está sendo acompanhado de perto por reguladores, incluindo o U.S. Copyright Office, que tem conduzido um estudo sobre IA e questões de direitos autorais.
No final de 2024, o caso permanece sem resolução, com ambos os lados se preparando para uma longa batalha legal. O resultado provavelmente influenciará não apenas o futuro da OpenAI e da Microsoft, mas também as práticas de outras empresas de IA, como a Anthropic e a Google DeepMind, que também dependem de treinamento em texto em grande escala. A decisão do Times de processar em vez de negociar o tornou um caso de teste para os direitos dos criadores de conteúdo na era da IA generativa.