Fair Brug og Konkurrence i AI-forstyrrede Markeder

En bipartiskt lovbud, Transparency and Responsibility for Artificial Intelligence Networks Act (TRAIN), introduceret i januar 2026, ville give indholdsskabere subpoena-krævende magt til at kræve afsløringer fra AI-virksomheder. Hvis det bliver vedtaget, vil flere ophavsretshavere have en juridisk mekanisme til at opdage, om deres værk blev brugt til AI-træning.

Til første øjekast kan dette se ud som 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. Nylige afgørelser i amerikanske domstole har bekræftet, at fair brug forbliver en pille af innovation og ikke kan afvises let. Fokus er især på markedsskade-faktoren og på at bevise det.

Markedsskade som Hovedkampplads

AI-ophavsretsbeslutninger fra Nordcaliforniens distriktsdomstol viser, at domstolene tager forskellige tilgange til fair brugsanalyse. I Kadrey v. Meta, kaldte dommer Chhabria markedsskade for “den eneste vigtigste faktor 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 skal bevise, at det er sket eller er sandsynligt.

Beviskravet er vigtigt for AI-udviklere, især for pengemæssigt svage start-ups. Hvis skade skal bevises i stedet for 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 formål, der er forskellige fra det ophavsretlige værk, og implementere sikkerhedsforanstaltninger for at forhindre reproduktion af store passager af tekst.

Both Bartz og Kadrey domstolene fandt, at AI-træning kvalificerer sig som “transformerende brug” under ophavsretsloven. Med det er fokus mere og mere på den fjerde fair brugsfaktor: markedsskade. Nylige AI-ophavsrets-kampe illustrerer dette. Kravene koncentrerer sig mere og mere om, at ordret reproduktion af ophavsretligt værk 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, skal de påstå to ting: at AI-udgangspunkter effektivt erstatter behovet for at få adgang til originale værker og at ophavsretshavere lider konkrete økonomiske skader.

Beviskrav

Both Bartz og Kadrey understreger, at markedsskade skal demonstreres, ikke antages. I Kadrey viste omfattende test, at Meta’s Llama reproducerede ikke mere end 50 token fra sagsøgeres værker, og kun 60% af tiden under koaksiale prompts, der var designet 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 selvom ophavsretshavere kan demonstrere, 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 identificerbare markedsskader, er blot brug af little betydning under loven.

Når Markedsskade Erkendes

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

Appelationsdommer Stephanos Bibas fandt, at Ross’s brug ikke var transformerende, fordi det skabte en direkte markedssubstitution. Ross havde oprindeligt søgt om at licensere Westlaws indhold, men Thomson Reuters havde specifikt afvist det, fordi Ross var dens konkurrent. Aligneringen mellem de oprindelige materialers formål og AI-produktets formål understøtter også påstanden om potentiel skade.

Omvrendt bliver det svært at etablere markedssubstitution, når AI-produkter targetter markeder, der er forskellige fra dem, der blev brugt til træning. I Bartz og Kadrey tjente generelle sprogmodeller grundlæggende forskellige formål end de enkelte bøger, der blev brugt til træning. Denne forskel kan være afgørende – jo længere en AI-systems formål er fra dets træningsdatakilder, desto sværere er det at demonstrere markedssubstitution.

“Licensmarked”-Argumentet Afvist

Begge domstole afviste eksplicit argumenter for, 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 et 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 det mindste hvor brug er tilstrækkeligt transformerende. Disse afgørelser demonstrerer, at det 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 udfordring af træning i sig 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 nylige afgørelser en ramme for at reducere eksponering. Først sikre lovlige datakilder. Begge 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 krænkende,” selvom 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 formål, der er forskellige fra romaner eller artikler i dets træningsdata. Et system, der blot henter eller reproducerer disse værker, gør det ikke.

Tredje, implementer sikkerhedsforanstaltninger for at forhindre betydelig ordret reproduktion. Kadrey-domstolen bemærkede, at Metas system reproducerede minimalt indhold, selv under adversarial test, og understøttede fair brug. Udviklere, der tillader systemer at gensende store passager af ophavsretligt værk, 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 nylige 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 skal fokusere på tre ting: erhverve dine data lovligt, bygge produkter, der tjener formål ud over dine træningsmaterialer, og forhindre, at dine systemer 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.