Wikimedia Foundation ønsker at indgive et amicusindlæg i OpenAI-sag om ophavsret

Wikimedia Foundation meddelte den 30. oktober 2026, at fonden har anmodet den føderale distriktsdomstol for det sydlige distrikt i New York om tilladelse til at indgive et amicusindlæg, det vil sige et indlæg fra en udenforstående part til støtte for retten, i In re: OpenAI, Inc. Copyright Infringement Litigation, der samler 12 søgsmål mod OpenAI. Det mest kendte af søgsmålene er The New York Times’ sag mod OpenAI og Microsoft.

Fondens indgivelse er dateret den 29. oktober 2026 og adresseret til dommer Sidney H. Stein. Det er en begæring i form af et brev om tilladelse til at indgive et indlæg, hvor det foreslåede indlæg er vedlagt som bilag og angiver, at det hverken støtter nogen af parterne. Begæringen blev indgivet i henhold til domstolens lokale regler og en kendelse af 7. august 2026 om deltagelse af amicusparter, som blev ændret den 24. september 2026. Da kendelsen pålægger potentielle amicusparter at søge om tilladelse, bad Wikimedia ikke parterne om deres samtykke. Det foreslåede indlæg er på 5.831 ord, hvilket er inden for domstolens grænse på 6.000 ord for amicusindlæg.

Rhett O. Millsaps II fra Lex Lumina LLP er den registrerede advokat i sagen sammen med fondens juridiske chef Stephen LaPorte, assisterende juridiske chef Jacob Rogers og juridiske rådgiver Aly Marino.

I den samlede retssag skal domstolen tage stilling til, om AI-virksomheders brug af ophavsretligt beskyttet indhold til at udvikle store sprogmodeller (LLM’er) udgør fair use. Fonden sagde, at afgørelsen vil få stor indflydelse på grund af domstolens jurisdiktion, de involverede parter og det begrænsede antal afgørelser, der hidtil har behandlet spørgsmålet.

The New York Times anlagde sag i 2023 og hævdede, at OpenAI’s og Microsoft’s brug af indhold, der ejes af The New York Times, til ethvert formål, herunder træning af AI-modeller, er en direkte overtrædelse af ophavsretsloven. OpenAI og Microsoft hævder, at træning og ibrugtagning af modeller baseret på offentligt tilgængelige data er teknologisk udvikling, der falder ind under fair use.

Fonden argumenterer for, at en alt for restriktiv fortolkning af fair use kan hæmme teknologisk innovation og begrænse adgangen til værktøjer, der gavner open source-projekter som Wikipedia. En generel anvendelse af fair use kan omvendt føre til et mere lukket internet, hvor onlineviden svækkes af mangel på tilgængeligt materiale fra sekundære kilder.

I et tilhørende indlæg på Diff, Wikimedia-bevægelsens blog, sagde fonden, at AI-udvikling sandsynligvis kun vil være mulig for de største virksomheder eller de bedst finansierede udviklere, hvis træningstrinnet ikke betragtes som fair use. Det vil betyde, at open source-udviklere ikke har råd til eller ligefrem ikke kan få adgang til teknologien. Fonden sagde, at en generel afgørelse til gengæld ville tilskynde udgivere til at lægge flere oplysninger bag betalingsmure og andre adgangsbarrierer. Det ville mindske den synlighed, som Wikipedia og mange udgivere er afhængige af for at nå læsere og rekruttere nye frivillige.

Administrerende direktør Bernadette Meehan sagde, at fonden indtager denne position »for at forsvare den frie og åbne menneskelige viden, som Wikipedia er afhængig af«. Hun beskrev den øgede adgang til viden gennem AI som et vigtigt mål, der skal tage hensyn til de mennesker, bidragydere og fællesskaber, som gør pålidelig viden mulig.

En ramme for vurdering af fair use for hver enkelt anvendelse

Det foreslåede indlæg bygger sin tilgang på højesteretsafgørelsen fra 2023 i Andy Warhol Foundation for the Visual Arts v. Goldsmith og argumenterer for, at hver særskilt brug af kopierede værker på tværs af faserne i udviklingen og driften af en chatbot kræver sin egen vurdering efter de fire fair use-faktorer. Indlægget henviser til afgørelsen fra 2025 i Bartz v. Anthropic som vejledende for vurderingen af særskilte anvendelser af de samme kopier på forskellige stadier i stedet for at samle dem i én vurdering.

Indlægget hævder også, at scraping – en automatiseret teknisk anmodning til et websted om at få en kopi af et værk – er indhentning af materialet snarere end brug i ophavsretlig forstand, og at det kun er den efterfølgende brug af kopierne, der bør vurderes efter fair use. Det bemærker, at visse former for scraping stadig kan være i strid med webstedets brugsvilkår, delstatens aftale- eller erstatningsret, Digital Millennium Copyright Act eller Computer Fraud and Abuse Act.

Træning er sandsynligvis fair use, mens generering med informationssøgning sandsynligvis ikke er det

Om fortræning argumenterer indlægget for, at brugen sandsynligvis udgør fair use: Den er transformerende, fordi kopierne leverer sproglige mønstre frem for at tjene værkernes informationsformål; den er neutral med hensyn til den anden faktor, fordi encyklopædiske værker er faktuelle; den er berettiget med hensyn til den tredje faktor, fordi udviklere har brug for milliarder af ord til at træne en model, hvilket gør det rimeligt nødvendigt at bruge hele værker; og den er fair med hensyn til den fjerde faktor, fordi fortræningen i sig selv ikke erstatter originalværkerne på markedet. I sin meddelelse opsummerer fonden sin holdning sådan, at brug af ophavsretligt beskyttet indhold til modeltræning bør betragtes som fair use, når indholdet bruges til at træne modeller, der er noget nyt og forskelligt fra de oprindelige kilder, uden krav om at overholde ophavsretlige licensvilkår.

Indlægget beskriver retrieval-augmented generation (RAG), eller generering med informationssøgning, som en proces, hvor en chatbot søger på nettet eller i en anden database og derefter udvælger, kopierer, rangerer og indsætter relevante indholdsuddrag i modellens kontekstvindue sammen med brugerens forespørgsel. Da et sådant system bruger værkerne til deres oprindelige formål, nemlig at informere læserne, tager de vigtigste dele af værkerne og konkurrerer med kilderne om menneskelige læsere, argumenterer indlægget for, at brugen sandsynligvis ikke består firefaktortesten.

Wikimedia Foundation fastholder, at RAG og lignende teknikker til forankring i kilder ikke bør betragtes som fair use, og at virksomheder, der tilbyder dem, bør overholde de enkelte platformes eller udgiveres licensvilkår. I Wikipedias tilfælde er det Creative Commons-licensen CC BY-SA 4.0, som kræver, at de oprindelige skabere krediteres, og at bearbejdelser forbliver under samme licens.

Indlæggets konklusion opfordrer retten til at fastslå, at fortræningen af ChatGPT’s almenformålsbaserede LLM var fair use, mens OpenAI’s brug af kopier i ChatGPT’s funktion til generering med informationssøgning ikke er fair use og skal overholde licenser som Creative Commons-licensen for indhold fra Wikimedia-projekterne.

Wikipedias interesser og andre amicus-indlæg

Wikipedia rummer mere end 67 millioner artikler på 300 sprog, og næsten 250.000 frivillige bidrager hver måned. Wikimedia Foundation beskriver Wikipedia som et af de datasæt af højeste kvalitet, der bruges til at træne LLM’er. Indlægget fastslår, at mere end 260.000 frivillige bidragydere om måneden, pr. januar 2025, skaber og modererer indhold på fondens tretten platforme for fri viden, og at Wikipedia bliver vist milliarder af gange om måneden.

Indlægget anfører, at ikke-menneskelig trafik fra scraping og crawlerbesøg belaster Wikimedias servere og får organisationen til at indføre tekniske sikkerhedsforanstaltninger, som ondsindede aktører ofte omgår. Både belastningen og sikkerhedsforanstaltningerne truer med at gøre organisationens websteder mindre tilgængelige for menneskelige læsere. Wikimedia Foundation oplyste, at scraping af fondens projekter skal overholde de offentlige grænser for forespørgsler til dens API eller foregå via Wikimedia Enterprises API-tjenester. Fonden oplyste også retten om, at maskinlæringsværktøjer allerede hjælper frivillige med at bekæmpe hærværk, opdage ophavsretskrænkelser og upassende personoplysninger samt prioritere de artikler, der har størst behov for forbedring. Den argumenterede for, at det ville være i strid med ophavsretslovens formål kategorisk at betegne udvikling af LLM’er som urimelig.

Chefen for juridisk afdeling, Stephen LaPorte, sagde, at debatten om fair use »ikke kan begrænses til organisationer, der arbejder med gevinst for øje«, og tilføjede, at en afgørelse, der ikke anvender fair use-principperne omhyggeligt, kan true bæredygtigheden af fri viden og hæmme udviklingen af open source-teknologier.

Wikimedias begæring blev en del af en bølge af amicus-indlæg: registreringer i retsbogen viser, at Engine Advocacy, the Authors Alliance, Public Knowledge, professor Matthew Sag, Brian L. Frye, Digital Content Next og en gruppe udgiverorganisationer, herunder Association of American Publishers, den 28. og 29. oktober 2026 anmodede om at indgive deres egne amicus-indlæg, mens parterne fortsat udvekslede indlæg om begæringer om summarisk dom i sagen mellem nyhedsudgiverne, OpenAI og Microsoft. Retten har vidtgående skøn med hensyn til, om den vil tage et amicus-indlæg i betragtning, bemærker Wikimedia Foundation i sin indgivelse, og dommer Stein skal give fonden tilladelse, før det foreslåede indlæg formelt kan accepteres.