Fair Brug og Konkurrence i Markeder, der er Forskudt af AI

En bipartisk lov, Transparency and Responsibility for Artificial Intelligence Networks Act (TRAIN), introduced i januar 2026, ville give indholdsskabere subpoena-fuldmagt til at kræve afsløring fra AI-virksomheder. Hvis den bliver vedtaget, vil flere ophavsretshavere have en juridisk mekanisme til at opdage, om deres værk blev brugt til AI-træning.

Til at begynde med kan det se ud, som om dette ville være en magt, der ville berettige flere ophavsretshavere til at kræve betaling fra AI-udviklere. I virkeligheden er det dog langt fra nok at vide, om ens værk blev brugt uden forudgående tilladelse.

Når domstole afgør sager om fair brug, vægter de fire nøglefaktorer: formålet med brugen, den oprindelige værks natur, hvor meget der blev taget, og den effekt, sådan en brug har haft på materialets markedsværdi. Seneste afgørelser i amerikanske domstole har bekræftet, at fair brug forbliver en pille til innovation og ikke kan afvises let. Fokus er især på markedsskadefaktoren og beviserne for denne.

Markedsskade som Hovedkampplads

AI-ophavsretssager fra Norddistriktet i Californien viser, at domstolene tager forskellige tilgange til fair brugsanalyse. I Kadrey v. Meta, kaldte dommer Chhabria markedsskade for “den eneste vigtigste element i fair brug”. Dommer Alsup i Bartz v. Anthropic vægtede alle fire faktorer mere jævnt. Men begge dommere var enige om dette: sagsøgere kan ikke bare påstå skade – de må bevise, at den er sket eller er sandsynlig.

Beviskravet er vigtigt for AI-udviklere, især for cash-strapped startups. Hvis skade skal bevises og ikke antages, kan udviklere træffe designvalg for at undgå det. Afgørelserne antyder, at udviklere kan reducere deres risiko ved at erhverve data fra lovlige kilder, designe produkter, der tjener forskellige formål end det ophavsretlige værk, og implementere sikkerhedsforanstaltninger for at forhindre reproduktion af store mængder tekst.

Både Bartz og Kadrey-domstolene fandt, at AI-træning kvalificerer sig som “transformerende brug” i henhold til ophavsretten. Derved skifter fokus mere og mere til den fjerde fair brugsfaktor: markedsskade. Seneste AI-ophavsretssager illustrerer dette. Kravene koncentrerer sig mere og mere om idéen om, at ordret reproduktion af ophavsretlige værker skader udgivernes markedsværdi.

Disse sager er endnu ikke afgjort. Det, der er vigtigt, er, at udgivere mere og mere forstår, at hvis de vil vinde, må de påstå to ting: at AI-udgangspunkter effektivt erstatter behovet for at få adgang til originale værker, og at ophavsretshaverne lider konkrete økonomiske skader.

Beviskrav

Både Bartz og Kadrey understreger, at markedsskade skal demonstreres, ikke antages. I Kadrey viste omfattende testning, at Metas Llama reproducerede ikke mere end 50 tokens fra sagsøgeres værker, og kun 60% af tiden under koaksende prompts, der var designede til at få modellen til at reproducerer det originale værk.

Dommer Alsup i Bartz fokuserede på, om Anthropics Claude faktisk leverede krænkende tekst til brugere – sagsøgere påstod ikke, at dette var sket. Uden reproduktion bliver det sværere at påstå substitution for det originale værk.

Denne bevislige tilgang viser, at selv når ophavsretshavere demonstrerer, at deres værker blev brugt til træning, har de ikke nødvendigvis en stærk sag for krænkelse. Hvis det resulterende AI-system ikke producerer udgangspunkter, der forårsager identificerbar markedsskade, er blot brug af little betydning i lovens øjne.

Når Markedsskade Genkendes

I Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc. afviste District Court for District of Delaware Ross Intelligences fair brugsforsvar efter Ross brugte Thomson Reuters’ Westlaw-headnotes til at træne en AI-juridisk forskningstool, der direkte konkurrerede med Westlaw. Begge faktor 1 (formål og karakter) og faktor 4 (markedseffekt) af fair brugsanalysen var afgørende for afgørelsen.

Circuit-dommer Stephanos Bibas fandt, at Ross’ brug ikke var transformerende, da den skabte en direkte markedssubstitut. Ross havde oprindeligt forsøgt at licensere Westlaws indhold, men Thomson Reuters havde specifikt afvist det, fordi Ross var dens konkurrent. Alignment mellem det originale materials formål og AI-produktets formål støtter også påstanden om potentiel skade.

Omvendt bliver det svært at etablere markedssubstitution, når AI-produkter sigter mod markeder, der er forskellige fra dem, der bruges til træning. I Bartz og Kadrey tjente generelle sprogmodeller fundamentalt forskellige formål end de enkelte bøger, der blev brugt til træning. Denne forskel kan vise sig at være afgørende – jo mere AI-systemets formål er fjernet fra dets træningsdatakilder, desto sværere er det at demonstrere markedssubstitution.

“Licensmarkeds”-Argumentet Afvist

Begge domstole afviste eksplicit argumenter om, at AI-udviklere skader potentielle licensmarkeder for træningsdata. Dommer Chhabria forklarede, at behandling af tabte licensgebyrer som skade ville gøre fair brugsanalyse cirkulær, og automatisk favorisere ophavsretshavere. Dommer Alsup fandt, at en marked for licensering af bøger specifikt til AI-træning “er ikke noget, som Ophavsretsloven berettiger forfattere til at udnytte”.

Domstolene afviste at behandle frivillige licensaftaler som etablering af en juridisk ret til gebyrer, i hvert fald hvor brug er tilstrækkeligt transformerende. Disse afgørelser demonstrerer, at den opkommende licensmarked ikke automatisk berettiger ophavsretshavere til at forhindre fair brug af deres værk.

Strategiske Implikationer

For ophavsretshavere vil de stærkeste sager være dem, hvor markedssubstitution er tydeligt identificerbar. De kan strategisk fokusere på AI-systemer, hvis udgangspunkter mest næsten approksimerer deres originale værker, snarere end at forfølge bredt udfordringer til træning selv.

Hvis TRAIN-loven bliver vedtaget, vil ophavsretshavere få opdagelsesværktøjer til at undersøge, hvordan deres værker bliver brugt. Men at opnå information vil kun være det første skridt. At demonstrere markedsskade vil forblive centralt for succesen af enhver krænkelsessag.

For AI-udviklere giver seneste afgørelser en ramme for at reducere eksponering. Først sikre lovlige datakilder. Både Bartz og Kadrey skelnede mellem brug af værker til træning (potentiel fair brug) og erhvervelse gennem piratvirksomhed . Dommer Alsup fandt, at Anthropics download fra piratsites var “inherently, irredeemably infringing”, selv om efterfølgende træning måske var fair brug.

Anden, designe produkter til formål, der er forskellige fra træningsdatakilder. Et AI-system, der hjælper brugere med at udarbejde dokumenter, tjener forskellige formål end romaner eller artikler i dets træningsdata. Et system, der blot henter eller reproducerer disse værker, gør ikke.

Tredje, implementere sikkerhedsforanstaltninger for at forhindre substantiel ordret reproduktion. Kadrey-domstolen bemærkede, at Metas system reproducerede minimalt indhold, selv under fjendtlige tests, hvilket støttede fair brug. Udviklere, der tillader systemer at gensende store mængder ophavsretligt materiale, kan stå over for betydeligt større juridisk risiko.

Konklusion

TRAIN-loven kan snart give ophavsretshavere værktøjer til at opdage, om deres værker blev brugt til AI-træning. Men seneste afgørelser gør klart, at en sådan opdagelse kun vil være begyndelsen. Den opkommende amerikanske ramme koncentrerer sig om markedsskade, og kræver demonstration af identificerbar økonomisk skade snarere end blot træningsbrug.

AI-udviklere bør fokusere på tre ting: erhverve dine data lovligt, bygge produkter, der tjener formål ud over dine træningsmaterialer, og forhindre dine systemer i at reproducerer lange passager ordret. Ophavsretshavere, på den anden side, vil have de stærkeste sager, når de kan vise, at et AI-produkt faktisk erstatter deres værk på markedet.