NYT v. OpenAI (2023) é um processo histórico de violação de direitos autorais movido pela The New York Times Company contra a OpenAI e seu principal investidor, a Microsoft, em 27 de dezembro de 2023, no Tribunal Distrital dos EUA para o Distrito Sul de Nova York. A queixa alega que a OpenAI e a Microsoft usaram milhões de artigos jornalísticos protegidos por direitos autorais sem permissão para treinar seus modelos de linguagem de grande porte, incluindo GPT-4 e ChatGPT, e que esses modelos agora reproduzem e "memorizam" conteúdo do Times de maneiras que competem diretamente com os produtos do próprio jornal. O processo busca danos legais de até US$ 150.000 por obra violada, uma liminar contra o uso adicional do conteúdo do Times e a destruição de todos os conjuntos de dados de treinamento que contenham esse material.
O caso é amplamente visto como um indicador do conflito mais amplo entre a indústria de IA generativa e os criadores de conteúdo, pois testa se a doutrina do "uso justo" se estende à coleta em massa de textos protegidos por direitos autorais para treinamento de modelos. O resultado pode reformular a economia do desenvolvimento de IA, forçando empresas a negociar acordos de licenciamento ou redesenhar pipelines de treinamento. No início de 2025, o caso permanece em litígio pré-julgamento, com ambos os lados apresentando moções para arquivamento e contra-alegações.
Contexto: A Ascensão da IA Generativa e a Coleta de Dados
O processo surgiu em meio a avanços rápidos no aprendizado profundo e na implantação comercial de modelos baseados em transformadores. A OpenAI, fundada em 2015, lançou o GPT-3 em 2020 e o ChatGPT em novembro de 2022, que rapidamente se tornou uma das aplicações de consumo de crescimento mais rápido da história. Esses modelos são treinados em vastos corpora de texto coletados da internet pública, incluindo artigos de notícias, livros e artigos acadêmicos. O Times alega que seu conteúdo, que é em grande parte protegido por paywall, apareceu nesses conjuntos de dados sem autorização, muitas vezes em quantidades que o tornavam uma porção significativa do material de treinamento.
A Microsoft, que investiu mais de US$ 13 bilhões na OpenAI e integrou seus modelos em produtos como Bing Chat e Office 365, é nomeada como corré por seu papel na implantação e lucro com os sistemas supostamente infratores. A queixa cita exemplos específicos em que o ChatGPT produziu trechos quase verbatim de artigos do Times, incluindo uma investigação de 2019 sobre a indústria de táxis e uma peça de 2020 sobre taxas de juros de hipotecas, demonstrando que os modelos podem reproduzir textos protegidos por direitos autorais sob demanda.
Reivindicações Legais e Demandas
O Times afirma várias causas de ação, incluindo violação direta de direitos autorais, violação contributiva e violação vicária. Argumenta que a OpenAI e a Microsoft copiaram, armazenaram e distribuíram suas obras durante o treinamento e a inferência, e que as saídas dos modelos constituem obras derivadas não autorizadas. A queixa enfatiza que os réus "construíram seu negócio às custas do trabalho de outros" e que o Times gastou bilhões de dólares em jornalismo que as empresas de IA se apropriaram gratuitamente.
Além dos danos monetários, o Times solicita uma liminar permanente que exigiria que a OpenAI e a Microsoft excluíssem todas as cópias do conteúdo do Times de seus conjuntos de dados de treinamento e prevenissem uso futuro. Essa demanda é sem precedentes em escala, pois efetivamente forçaria as empresas a retreinar seus modelos do zero, um processo que custa centenas de milhões de dólares e pode degradar a qualidade do modelo. O Times também pede uma ordem que exija que os réus divulguem suas fontes de dados de treinamento e implementem medidas técnicas para prevenir futuras violações.
Defesa da OpenAI: Uso Justo e Interesse Público
A OpenAI apresentou sua resposta em fevereiro de 2024, argumentando que seu uso de material protegido por direitos autorais se enquadra na exceção de uso justo, que permite reprodução limitada para fins como crítica, comentário, reportagem, ensino e pesquisa. A empresa alega que treinar modelos de IA é um uso transformador que não substitui as obras originais, e que os modelos aprendem padrões e fatos em vez de memorizar textos específicos. A OpenAI também aponta seu mecanismo de "opt-out", que permite que proprietários de sites bloqueiem seu rastreador web, e suas parcerias contínuas com outros editores, como a Associated Press e a Axel Springer, como evidência de esforços de boa-fé para respeitar a propriedade intelectual.
A Microsoft ecoou esses argumentos, enfatizando que os modelos são ferramentas para gerar novo conteúdo, não para reproduzir artigos existentes. Os réus também observam que o próprio Times usou ferramentas de IA para vários fins e que a queixa do jornal é uma tentativa de sufocar a concorrência. Estudiosos do direito estão divididos sobre a força dessas defesas, com alguns argumentando que a escala da cópia e a natureza comercial do uso pesam contra o uso justo, enquanto outros apontam a natureza transformadora do aprendizado de máquina como uma justificativa convincente.
Reações da Indústria e Processos Paralelos
O processo do Times faz parte de uma onda de litígios contra empresas de IA. Em 2023, autores como Sarah Silverman, Christopher Golden e Richard Kadrey entraram com ações coletivas contra a OpenAI e a Meta, enquanto o caso da comediante Sarah Silverman foi posteriormente consolidado com outros. A Getty Images processou a Stability AI no Reino Unido e nos EUA pelo uso de suas fotografias no treinamento de geradores de imagens. Em 2024, a Authors Guild entrou com uma ação coletiva contra a OpenAI, e vários jornais, incluindo o Chicago Tribune e o New York Daily News, juntaram-se a um processo separado contra a OpenAI e a Microsoft.
Esses casos provocaram uma gama de respostas da indústria. Algumas empresas, como Anthropic e Google DeepMind, começaram a licenciar conteúdo de editores, enquanto outras defenderam um esquema de licenciamento estatutário semelhante ao usado para streaming de música. O Escritório de Direitos Autorais dos EUA lançou uma consulta pública sobre IA e direitos autorais em 2023, e a União Europeia aprovou a Lei de IA em 2024, que inclui requisitos de transparência para dados de treinamento. O resultado do caso do Times pode estabelecer um precedente que influencia todos esses esforços.
Questões Legais Chave e Precedentes
A questão legal central é se treinar modelos de IA em textos protegidos por direitos autorais constitui uso justo. Os tribunais historicamente aplicaram um teste de quatro fatores: a finalidade e o caráter do uso, a natureza da obra protegida, a quantidade e substancialidade da porção usada e o efeito no mercado potencial. No caso de 2015 Authors Guild v. Google, o Segundo Circuito considerou que a digitalização de livros pelo Google para busca era uso justo, mas esse caso envolvia trechos limitados e um propósito não comercial. O Times argumenta que seus artigos são altamente criativos e expressivos, que os réus copiaram obras inteiras e que a capacidade do ChatGPT de produzir resumos e trechos prejudica diretamente a receita de licenciamento e o negócio de assinaturas do jornal.
Outra questão chave é o problema da "memorização". A OpenAI reconheceu que modelos de linguagem de grande porte às vezes podem reproduzir dados de treinamento verbatim, especialmente quando solicitados de certas maneiras. A queixa do Times inclui exemplos dessas saídas, que a empresa argumenta não serem transformadoras, mas sim uma forma de cópia em massa. Os réus contrapõem que essas instâncias são raras e que os modelos são projetados para generalizar, não para memorizar. Espera-se que testemunhas especializadas testemunhem de ambos os lados sobre os detalhes técnicos do treinamento de modelos e a probabilidade de reprodução.
Histórico Processual e Status Atual
Após a queixa ser apresentada, o tribunal designou o caso para o Juiz Sidney H. Stein. No início de 2024, a OpenAI e a Microsoft apresentaram moções para arquivamento, argumentando que o Times não havia alegado adequadamente violação direta porque não identificou saídas infratoras específicas. O Times emendou sua queixa em março de 2024, adicionando mais exemplos e esclarecendo suas reivindicações. Em julho de 2024, o Juiz Stein negou as moções para arquivamento, permitindo que o caso prosseguisse para a descoberta. Essa decisão foi vista como uma vitória significativa para o Times, pois rejeitou o argumento dos réus de que o caso era especulativo demais.
Espera-se que a descoberta seja contenciosa, com o Times buscando acesso aos dados de treinamento da OpenAI e comunicações internas sobre a origem dos dados. A OpenAI resistiu a alguns pedidos, citando segredos comerciais e o ônus de produzir conjuntos de dados massivos. O tribunal também ordenou que as partes discutissem um possível acordo, mas nenhum acordo foi alcançado no início de 2025. Uma data para o julgamento não foi definida, mas observadores legais estimam que ele possa começar no final de 2025 ou 2026.
Implicações Mais Amplas para o Desenvolvimento de IA
O caso tem implicações além das duas partes. Se o Times vencer, as empresas de IA podem ser obrigadas a obter licenças para todos os dados de treinamento protegidos por direitos autorais, o que pode aumentar custos e desacelerar a inovação. Algumas startups podem mudar para usar apenas dados de domínio público ou sintéticos, enquanto empresas maiores podem investir em conjuntos de dados proprietários ou parcerias com editores. O caso também pode afetar o desenvolvimento de modelos de código aberto, que dependem fortemente de dados coletados e podem não ter recursos para cumprir requisitos de licenciamento.
Por outro lado, se a OpenAI prevalecer, isso pode legitimar a prática de treinar em material protegido por direitos autorais sem permissão, potencialmente levando a uma coleta mais agressiva e menos compensação para criadores. Esse resultado pode acelerar a tendência em direção a conteúdo gerado por IA, pressionando ainda mais as empresas de mídia tradicionais. O caso é, portanto, acompanhado de perto por tecnólogos, advogados e jornalistas, pois ajudará a definir os limites da propriedade intelectual na era do aprendizado de máquina.
Conclusão
NYT v. OpenAI (2023) é uma batalha legal definidora para a era da IA generativa. Levanta questões fundamentais sobre autoria, propriedade e o valor da criatividade humana em um mundo onde máquinas podem produzir texto em escala. A resolução do caso, seja através de decisão judicial ou acordo, provavelmente moldará o futuro da pesquisa em IA, da economia da mídia e da lei de direitos autorais por décadas. À medida que o litígio se desenrola, serve como um lembrete de que o rápido avanço das redes neurais e do aprendizado de máquina não é apenas uma história técnica, mas uma profundamente humana sobre quem se beneficia e quem arca com os custos do progresso tecnológico.