O que aconteceu
O processo tem cerca de dois anos. Os veículos acusam a OpenAI de treinar seus modelos generativos com conteúdo do Times sem permissão e de reproduzir esse jornalismo nas respostas que o ChatGPT dá aos usuários.
Para provar isso, os autores queriam acesso a duas coisas: o dataset de treinamento e a montanha de conversas do ChatGPT. A ideia é ver se os artigos deles estão lá dentro e com que frequência o ChatGPT se apoia neles ou os repete.
Segundo os autos, a OpenAI argumentou que não conseguia buscar nos dados com que treinou seus modelos. Também disse que buscar ou entregar os logs de chat seria tecnicamente trabalhoso. Para completar, levantou a privacidade dos usuários, já que os logs teriam de ser recuperados, processados e anonimizados antes.
Aí veio um depoimento determinado pela Justiça, em abril. Os autores dizem que Vinnie Monaco, engenheiro de privacidade de dados da OpenAI, deixou escapar que a empresa já havia feito buscas e avaliações internas no corpus de treinamento, atrás de jornalismo protegido por direitos autorais.
Se isso se sustentar, "não dá" começa a soar muito como "dá, a gente fez, só não foi pra vocês".
Por que importa
A fase de produção de provas (a discovery) é onde os casos de direitos autorais contra IA são ganhos ou perdidos. Saber se um modelo absorveu obra protegida é questão de evidência, e a evidência mora nos servidores da ré.
Se uma empresa consegue buscar nos próprios dados para os próprios fins, mas diz ao tribunal que não consegue buscar para o autor, juízes costumam reparar. Ainda é uma alegação de um lado só. Mas ela mira direto na credibilidade da OpenAI num ponto factual central, num dos casos de direitos autorais mais vigiados do setor.
Também joga uma luz mais forte no argumento da privacidade. Proteger conversas de usuários é uma preocupação legítima. É também um escudo muito conveniente, e os tribunais vão pesar se ele está mesmo fazendo algum trabalho aqui.
Para todo mundo que treina modelo com conteúdo raspado da web, a lição é simples: seus dados podem ser intimados um dia, e "é grande demais para olhar" é uma defesa bem frágil.
O que fazer com isso
- Acompanhe o tribunal, não o press release.As próximas petições e a reação do juiz vão mostrar se a alegação pega.
- Conheça o rastro dos seus dados.Se você constrói ou compra IA, pergunte aos fornecedores o que eles realmente conseguem buscar e auditar nos dados de treinamento.
- Trate logs de chat como material que pode ser requisitado.Tudo que seu time cola num chatbot pode, um dia, ser recuperado, processado e lido por estranhos.
- Publishers, documentem tudo.Se o seu trabalho está num modelo, a evidência de reprodução nas respostas é o que move esses casos.
Ciao, sapiens. Quando a máquina diz que não consegue olhar, confira quem mais já olhou.


