Em resumo
Novos documentos judiciais divulgados no processo do New York Times contra OpenAI e Microsoft descrevem críticas internas ao uso de conteúdo jornalístico obtido por scraping. O material pode enfraquecer a defesa baseada em fair use, mas parte das alegações vem de uma petição da própria publicação e os anexos continuam sob sigilo.
Novas informações apresentadas no processo movido pelo New York Times contra a OpenAI e a Microsoft descrevem uma preocupação interna incomum: executivos e integrantes das empresas teriam reconhecido que o uso de conteúdo jornalístico para treinar modelos poderia causar danos profundos ao setor editorial. Segundo a reportagem da TechCrunch, um alto executivo da Microsoft chamou a prática de “roubo”, enquanto lideranças da OpenAI teriam classificado seus próprios modelos como uma ameaça existencial para publicações e jornalistas.
O material foi divulgado no contexto de uma disputa judicial iniciada há cerca de três anos. O New York Times acusa as duas empresas de violar direitos autorais ao treinar modelos generativos com seus artigos. A atualização não encerra o processo nem estabelece, por si só, que o treinamento foi ilegal. Ela acrescenta elementos sobre o conhecimento interno das companhias e sobre a forma como o conteúdo teria sido obtido e preparado.
O que aparece nos documentos
De acordo com os autos descritos pela TechCrunch, OpenAI e Microsoft teriam coletado grandes volumes de material do Times, inclusive conteúdo protegido por paywall, para formar conjuntos de dados de treinamento. A reportagem também relata que os documentos mencionam o contorno não detectado de barreiras de acesso e a retirada deliberada de avisos de copyright dos dados usados.
Essas afirmações precisam ser lidas com cautela. A maior parte das novas informações vem da própria petição do New York Times, e não diretamente dos anexos originais, que continuam sob sigilo. Além disso, a TechCrunch observa que as declarações apresentadas podem estar sem o contexto completo em que foram feitas. O dossiê fornecido não traz a íntegra dos documentos nem uma resposta detalhada das empresas a cada alegação.
O ponto central, portanto, não é apenas se artigos foram incorporados a conjuntos de dados, mas como isso teria ocorrido e qual era a percepção interna sobre as consequências. Se confirmadas, referências a paywalls, remoção de identificadores e preocupação com o impacto econômico podem ser relevantes para avaliar se o uso competiu com o mercado das publicações.
A disputa sobre fair use
A defesa de empresas de IA costuma recorrer ao conceito de fair use, regra do direito autoral dos Estados Unidos que permite determinados usos de obras protegidas sem autorização, em situações como crítica, paródia ou reportagem. A aplicação da regra ao treinamento de modelos de linguagem, porém, continua sem uma resposta jurídica uniforme, conforme o material fornecido.
A questão econômica é especialmente importante. Um dos fatores associados ao fair use é saber se o novo uso substitui ou prejudica o mercado da obra original. Alegações de que sistemas de IA reproduzem ou tornam dispensável parte do conteúdo jornalístico podem ser exploradas pelo Times para argumentar que o treinamento não foi neutro em relação ao mercado editorial.
O dossiê também informa que o governo Trump apresentou, no início de setembro, uma manifestação favorável ao uso não licenciado de material protegido para treinar modelos da OpenAI. Esse posicionamento político aparece como parte do contexto do litígio, mas não resolve a controvérsia judicial nem substitui a análise dos fatos e das provas do caso.
O que muda para editoras e empresas de IA
Na prática, a divulgação aumenta a pressão para que empresas de IA expliquem a origem dos dados usados no treinamento e as medidas adotadas para respeitar restrições de acesso. Para editoras, o caso reforça a importância de documentar paywalls, avisos de copyright e sinais de uso indevido, embora o dossiê não permita concluir quais medidas técnicas ou comerciais serão adotadas.
Também pode haver impacto nas negociações entre plataformas de IA e produtores de conteúdo. Se tribunais considerarem relevantes as alegações sobre prejuízo ao mercado, acordos de licenciamento e controles para impedir coleta não autorizada podem ganhar peso. Ainda assim, não há no material fornecido evidência de uma nova política conjunta da Microsoft ou da OpenAI.
- A divulgação não equivale a uma decisão judicial definitiva.
- Os anexos originais permanecem parcialmente sob sigilo, segundo a reportagem citada.
- O dossiê não informa o valor de eventuais danos, nem apresenta uma conclusão final sobre responsabilidade.
- A legalidade do treinamento com conteúdo protegido continua em disputa.
O próximo passo relevante será acompanhar como o tribunal tratará essas alegações e se os documentos completos serão tornados públicos. Também será importante verificar as respostas formais da Microsoft e da OpenAI, que podem contestar a caracterização das declarações, a descrição do scraping ou a interpretação dada pelo New York Times.
A evidência disponível sustenta uma conclusão limitada: existem novas alegações documentadas sobre críticas internas e sobre o uso de conteúdo jornalístico no treinamento de modelos. Ela ainda não sustenta afirmar que todas as práticas descritas foram definitivamente comprovadas ou que o tribunal já decidiu contra as empresas.
O nosso prisma
O caso importa porque desloca a discussão de uma abstração técnica para perguntas concretas sobre acesso, rastreabilidade e substituição econômica do jornalismo. Se declarações internas confirmarem que as empresas reconheciam riscos de dano ao mercado, isso poderá pesar contra uma defesa baseada apenas na transformação do conteúdo. Mas a origem parcial das informações e o sigilo dos anexos recomendam cautela. O que muda agora é a pressão por transparência sobre dados de treinamento e por respostas verificáveis das empresas.
Fontes: TechCrunch (IA) · nytimes.com
Perguntas frequentes
O que os documentos revelam?
Segundo a reportagem e a petição citadas, executivos e lideranças teriam descrito o scraping de conteúdo protegido como roubo e reconhecido riscos para editoras e jornalistas.
O caso já decidiu se o treinamento de IA é ilegal?
Não. O dossiê informa que a legalidade do uso de obras protegidas no treinamento ainda não tem resposta definitiva.
Por que o material importa para as empresas de mídia?
Porque alegações de uso em massa, bypass de paywalls e remoção de avisos de copyright podem ser usadas para contestar argumentos de que o treinamento não prejudica o mercado original.
Receba o Jornal da IA todos os dias
As notícias de inteligência artificial que importam no Brasil — com o nosso prisma e sempre com as fontes. Grátis.
