A The New York Times Company entrou com uma ação judicial contra a OpenAI e a Microsoft em 27 de dezembro de 2023, no Tribunal Distrital dos Estados Unidos para o Distrito Sul de Nova York. A queixa alega que os réus usaram milhões de artigos jornalísticos protegidos por direitos autorais sem permissão para treinar seus modelos de linguagem de grande porte e que os sistemas resultantes competem com o conteúdo do próprio jornal. O caso é uma das batalhas jurídicas mais acompanhadas sobre a interseção entre IA generativa e lei de direitos autorais, com implicações para toda a indústria de inteligência artificial.
A ação se concentra em alegações de violação direta e vicária de direitos autorais, bem como violações da Lei de Direitos Autorais do Milênio Digital. O Times busca danos legais, medidas cautelares e a destruição de quaisquer modelos e conjuntos de dados de treinamento que incorporaram suas obras. A OpenAI e a Microsoft responderam com moções para arquivar o caso, argumentando que o uso dos artigos constitui uso justo sob a lei de direitos autorais dos EUA, uma defesa que ainda não foi totalmente resolvida em tribunal até o início de 2025.
Antecedentes e Partes
O The 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 até 2023. Seu modelo de negócios depende fortemente de reportagens exclusivas e conteúdo protegido por paywall. A OpenAI, estabelecida em 2015, é uma organização líder em pesquisa de IA que desenvolveu a série de modelos GPT, incluindo GPT-3 e GPT-4, que alimentam produtos como o ChatGPT. A Microsoft, uma grande investidora na OpenAI com um compromisso relatado de US$ 13 bilhões, fornece infraestrutura em nuvem através do Azure e integra os modelos da OpenAI em seu mecanismo de busca Bing e no pacote de produtividade Office.
A queixa identifica mais de 100 exemplos específicos em que o ChatGPT e o Bing Chat supostamente reproduziram artigos do Times quase palavra por palavra, muitas vezes atrás de paywalls, sem atribuição ou licenciamento. O Times argumenta que isso prejudica sua capacidade de monetizar seu jornalismo, já que os usuários podem obter as mesmas informações dos sistemas de IA sem assinar.
Alegações e Reivindicações Legais
A principal reivindicação é violação de direitos autorais, afirmando que os réus copiaram, reproduziram e distribuíram os artigos do Times durante o treinamento de seus modelos. A queixa detalha como o processo de treinamento envolve a ingestão de enormes corpora de texto extraídos da internet, que incluíam milhões de artigos do Times. O Times alega ainda que os modelos podem gerar saídas substancialmente semelhantes aos seus artigos, às vezes incluindo frases ou parágrafos exatos.
A ação também alega violação vicária, afirmando que a OpenAI e a Microsoft lucraram diretamente com os atos infratores de seus usuários, que solicitaram aos modelos a reprodução de conteúdo protegido por direitos autorais. Além disso, o Times afirma uma reivindicação sob a Lei de Direitos Autorais do Milênio Digital, argumentando que os réus removeram ou alteraram informações de gerenciamento de direitos autorais, como assinaturas e avisos de copyright, durante o processo de treinamento.
Argumentos de Defesa
A OpenAI e a Microsoft entraram com uma moção para arquivar o caso em fevereiro de 2024, argumentando que a ação é baseada em alegações especulativas e que o uso de obras protegidas por direitos autorais para treinamento é um uso justo transformador. Eles contendem que os modelos não substituem o mercado para os artigos originais, mas sim servem como uma nova ferramenta para síntese de informações. Os réus também apontam para o fato de que os artigos do Times estavam publicamente acessíveis online, e que o processo de treinamento envolve padrões estatísticos em vez de cópia direta.
Em seus documentos, a OpenAI enfatizou seus esforços para fornecer atribuição e permitir que editores optem por não participar do treinamento, embora o Times argumente que essas medidas são insuficientes e vieram somente após a violação ocorrer. Os réus também notaram que o próprio Times usa ferramentas de IA para vários fins, sugerindo um certo grau de aceitação da tecnologia.
Contexto da Indústria e Casos Relacionados
A ação faz parte de uma onda mais ampla de disputas de direitos autorais envolvendo empresas de IA. Em 2023, autores como Sarah Silverman e George R.R. Martin entraram com ações coletivas contra a OpenAI e outras empresas, enquanto artistas visuais processaram a Stability AI e a Midjourney. A Getty Images entrou com uma ação separada contra a Stability AI no Reino Unido e nos EUA. Esses casos compartilham questões comuns sobre se o treinamento em dados protegidos por direitos autorais constitui uso justo, e se saídas geradas por IA podem infringir obras existentes.
O resultado do caso do NYT pode estabelecer precedente para como os tribunais interpretam o uso justo no contexto de aprendizado de máquina. Estudiosos do direito notaram que a doutrina do uso transformador, estabelecida em casos como Authors Guild v. Google, pode ser central para a defesa. No entanto, a natureza comercial dos produtos da OpenAI e o potencial dano de mercado ao Times distinguem este caso de precedentes anteriores.
Aspectos Técnicos dos Dados de Treinamento
O treinamento de modelos de linguagem de grande porte envolve alimentar bilhões de palavras de fontes diversas, incluindo livros, sites e artigos de notícias. O GPT-3 da OpenAI, lançado em 2020, foi treinado em um conjunto de dados chamado Common Crawl, que contém petabytes de páginas da web. O Times alega que seus artigos foram incluídos neste e em conjuntos de dados subsequentes sem autorização. O processo técnico envolve converter texto em representações numéricas usando técnicas como transformadores e atenção de múltiplas cabeças, que permitem ao modelo aprender padrões e gerar respostas coerentes.
A OpenAI reconheceu que seus dados de treinamento incluem conteúdo da web publicamente disponível, mas não divulgou a composição completa de seus conjuntos de dados. A empresa implementou filtros para reduzir a probabilidade de reproduzir texto protegido por direitos autorais palavra por palavra, mas a queixa do Times fornece exemplos onde esses filtros falharam. O caso provocou discussões sobre a necessidade de fontes de dados mais transparentes e o potencial para acordos de licenciamento entre empresas de IA e criadores de conteúdo.
Histórico Processual e Status
Após o arquivamento inicial, o tribunal consolidou o caso com outras ações judiciais relacionadas de direitos autorais contra a OpenAI para fins de pré-julgamento, embora o caso do Times permaneça distinto. Em março de 2024, o juiz negou parcialmente a moção dos réus para arquivar, permitindo que as principais reivindicações de direitos autorais prosseguissem enquanto descartava algumas reivindicações secundárias. Até o início de 2025, as partes estão envolvidas em descoberta, com o Times buscando acesso aos dados de treinamento da OpenAI e comunicações internas.
Um desenvolvimento-chave ocorreu em novembro de 2024, quando a OpenAI entrou com uma contra-reclamação contra o Times, alegando que o jornal contratou um contratante para manipular o ChatGPT a reproduzir material protegido por direitos autorais, violando os termos de serviço da plataforma. O Times negou essas alegações, chamando-as de distração dos problemas centrais. O caso está programado para julgamento no final de 2025, embora um acordo permaneça possível, dado o alto risco para ambas as partes.
Implicações para o Jornalismo e a IA
A ação tem implicações significativas para a indústria de notícias, que tem lutado para se adaptar à economia digital. Muitos editores entraram em acordos de licenciamento com empresas de IA, como os acordos entre a OpenAI e a Axel Springer, a Associated Press e a News Corp. No entanto, o Times escolheu o litígio, argumentando que o licenciamento sozinho não aborda o dano fundamental do uso não autorizado. O caso pode determinar se as empresas de IA devem pagar pelos dados que sustentam seus produtos, potencialmente remodelando a economia tanto do jornalismo quanto do desenvolvimento de IA.
Para a indústria de IA, uma decisão adversa poderia forçar empresas a reformular suas práticas de treinamento, potencialmente limitando a escala dos conjuntos de dados e aumentando custos. Por outro lado, uma decisão a favor da OpenAI poderia estabelecer amplas proteções de uso justo, incentivando mais inovação, mas levantando preocupações entre criadores de conteúdo. O caso é acompanhado de perto por pesquisadores em instituições como MIT CSAIL e Stanford AI Lab, que estudam as dimensões legais e éticas da IA.
Reações Públicas e Acadêmicas
A opinião pública sobre a ação é dividida. Jornalistas e defensores da mídia geralmente apoiam o Times, vendo-o como uma defesa da propriedade intelectual e da sustentabilidade do jornalismo de qualidade. Entusiastas da tecnologia e alguns pesquisadores de IA argumentam que decisões restritivas de direitos autorais poderiam dificultar o progresso, apontando para a longa história de uso de obras existentes para criar novo conhecimento. Especialistas legais notaram que o caso pode eventualmente chegar à Suprema Corte, dada a novidade e importância das questões envolvidas.
Estudiosos também debateram o conceito de uso justo no contexto da IA, com alguns propondo novos quadros que equilibram inovação com direitos de criadores. O caso estimulou conferências acadêmicas e artigos, incluindo análises de como redes neurais memorizam dados de treinamento e as condições sob as quais a reprodução ocorre. Esta pesquisa pode informar decisões judiciais e legislação futura.
Resultados Potenciais e Direções Futuras
Vários resultados potenciais são possíveis. O tribunal poderia decidir que o treinamento em obras protegidas por direitos autorais é uso justo, o que provavelmente levaria a mais negociações de licenciamento, mas não a pagamentos obrigatórios. Alternativamente, o tribunal poderia encontrar violação, exigindo que a OpenAI pagasse danos e possivelmente destruísse seus modelos, o que seria sem precedentes e disruptivo. Um meio-termo poderia envolver uma decisão que permite o treinamento, mas exige salvaguardas mais fortes contra reprodução palavra por palavra, ou que impõe um regime de licenciamento.
Além do tribunal, o caso provocou propostas legislativas, como a Lei de Transparência de Modelos de Fundação de IA, que exigiria que empresas divulgassem fontes de dados de treinamento. A Lei de IA da União Europeia, aprovada em 2024, inclui disposições sobre conformidade de direitos autorais para dados de treinamento. Esses esforços regulatórios podem fornecer um quadro que reduz a necessidade de litígio caso a caso. A ação NYT v. OpenAI assim se destaca como um caso marcante que influenciará como a sociedade equilibra os benefícios da IA com os direitos dos criadores por anos vindouros.