Treinar IA em livros protegidos é legal? A resposta ainda é complicada

Os modelos por trás de ChatGPT, Gemini, Claude e companhia foram treinados em bases gigantescas de obras publicadas: centenas de milhões de livros, artigos, papers acadêmicos e basicamente tudo que existe na internet. A maioria dos autores contribuiu sem saber e sem consentir. Parece ilegal, mas segundo reportagem do TechCrunch, a realidade é bem mais complexa, e as primeiras decisões judiciais nos EUA estão começando a montar o quebra-cabeça.

A lei de 1976 tentando entender LLMs

O problema de fundo é que a lei de direitos autorais dos EUA não é atualizada desde 1976. Juízes precisam interpretar diretrizes de 50 anos atrás para resolver disputas que podem moldar toda a indústria de IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI →.

"Todo mundo está muito preocupado agora porque a lei está por todo lugar", disse ao TechCrunch Jason Henderson, advogado sênior e fundador da prática de PI e Mídia da JWL International. "Eles sabem que o modelo de IA foi treinado em muita coisa, e a lei ainda não alcançou essa questão."

A advogada Cathy Gellis, especialista em propriedade intelectual e tecnologia, resume o clima: "É muito complexo e há muitos sentimentos crus sobre o que está acontecendo, a favor e contra."

O caso Anthropic: multa bilionária, mas treino considerado legal

O caso mais emblemático até agora foi o do juiz William Alsup, que ordenou à Anthropic o pagamento de US$ 1,5 bilhão a um grupo de escritores cujas obras foram usadas no treino. À primeira vista, uma vitória moral dos autores. Mas Alsup na verdade decidiu que o treino da IA era legal. O que a Anthropic pagou foi pela pirataria: baixar os livros de bibliotecas-sombra ilegais.

Na fundamentação, Alsup comparou a forma como um LLM ingere trilhões de palavras ao estudo de literatura por um escritor: "Como qualquer leitor que aspira a ser escritor, os LLMs da Anthropic treinaram em obras não para correr e replicá-las ou substituí-las, mas para virar uma esquina difícil e criar algo diferente."

Para Gellis, o veredito é mais vantajoso para as empresas de IA. Afinal, o que é uma multa de US$ 1,5 bilhão para uma companhia que projeta cerca de US$ 200 bilhões de receita anual até 2028? O ponto central, segundo ela, é a distinção que o juiz fez: "A lei de direitos autorais depende de cópia, mas não depende de usar a obra, experimentar a obra, consumir a obra, ler a obra."

O critério que está decidindo os casos: competir ou não competir

A maioria dessas disputas gira em torno do fair use, a exceção do direito autoral americano que permite usar obras protegidas sem permissão explícita para fins como crítica, paródia e educação. Os juízes avaliam fatores como o propósito e a natureza do uso, a quantidade usada e o impacto no mercado, especialmente se o uso é "transformativo" o bastante.

Segundo Henderson, um padrão está emergindo: "O que tende a ganhar é: se você está treinando na propriedade de alguém porque seu propósito é competir diretamente, os tribunais reprovam. Se o que você faz não vai competir, os tribunais tendem a achar um jeito de dizer que está tudo bem."

O exemplo é o caso Thomson Reuters contra Ross Intelligence. A Reuters processou a Ross por copiar seu conteúdo para construir uma plataforma jurídica baseada em IA que competiria diretamente com ela. O juiz Stephanos Bibas decidiu que não era fair use: "O uso da Ross não é transformativo porque não tem um 'propósito ulterior ou caráter diferente' do da Thomson Reuters."

Autores poderiam, em tese, argumentar que chatbots competem com eles ao gerar livros sintéticos. Mas esse argumento ainda não venceu em tribunal.

Treinar IA e registrar obra gerada por IA são coisas diferentes

Gellis faz uma distinção importante: pensar em direito autoral no contexto de treino é bem diferente de pensar no registro de conteúdo gerado por IA.

No caso Thaler v. Perlmutter, o tribunal decidiu que uma obra 100% gerada por IA não é passível de copyright. Isso abre outra caixa de problemas: como provar se algo foi gerado por IA e, em caso positivo, qual porcentagem? Gellis usa uma analogia: "Se você escreve seu romance no Word e roda o corretor ortográfico, ficamos confortáveis em dizer que o Word não é dono do seu romance. A IA está nos forçando a olhar para um monte de decisões que ignoramos por um tempo."

O que isso muda para quem desenvolve no Brasil

Essas decisões são todas dos EUA e não têm efeito jurídico direto aqui. Mas importam por dois motivos práticos. Primeiro: os modelos que a maioria dos devs brasileiros consome via API (OpenAI, Anthropic, Google) foram treinados sob essas regras em construção, e a estabilidade jurídica dessas empresas afeta produto, preço e disponibilidade. Segundo: o Brasil discute sua própria regulação, e o debate sobre direitos autorais em IA está em aberto, sem uma decisão que consolide o que é permitido treinar.

Para quem constrói ou faz fine-tuning de modelos com dados próprios, a lição prática das cortes americanas é direta: a origem dos dados pesa. A Anthropic não foi punida por treinar, foi punida por piratear. E o teste de competição do caso Ross sugere que treinar em dados de um concorrente para construir um produto que o substitui é o cenário mais arriscado. Usar dados obtidos de forma lícita e para propósito distinto é o terreno mais seguro.

Como resume Gellis, nada está resolvido: "O que você vê é que os primeiros lances estão sendo influentes, e essa influência pode ser desfeita se outras cortes decidirem coisas diferentes. Mas, enquanto isso, todas essas decisões estão moldando tudo. Seria tolice as empresas de IA ignorá-las." O mesmo vale para quem constrói software em cima delas.

Fonte: TechCrunch