Agen AI Lebih Memilih Mencuri Karya Berhak Cipta Daripada Menggunakan Alternatif Sumber Terbuka

Penelitian telah menemukan bahwa agen AI sering memilih gambar berhak cipta ketika mereka diberikan alternatif legal gratis – dan bahkan peringatan eksplisit gagal menghentikan setiap pelanggaran.

Banyak perhatian akademis telah diberikan selama dua tahun terakhir untuk mengetahui apakah model AI generatif memproduksi karya berdasarkan materi berhak cipta – sebuah skenario di mana karya berhak cipta termasuk dalam database pelatihan model, sehingga membuat model dapat ‘mengembangkan’ gaya seniman, atau bahkan menghasilkan karya berhak cipta secara keseluruhan.

Lebih jarang dipelajari adalah disposisi agen AI untuk memilih dan mengeksploitasi karya berhak cipta ketika mereka melakukan tugas secara otonom. Artinya, jika Anda memberi tahu Model Bahasa Visi (VLM) seperti ChatGPT untuk menemukan gambar yang bagus untuk situs web Anda, apa kemungkinan bahwa itu akan memilih karya berhak cipta daripada karya sumber terbuka dengan lisensi yang fleksibel?

Dalam contoh dari makalah penelitian baru ini, agen AI telah gagal dalam tes kepatuhan hak cipta karena lebih memilih untuk mencuri gambar berhak cipta yang dikenal untuk prompter, daripada menggunakan gambar sumber terbuka yang tersedia dan berkualitas tinggi. Sumber

Menurut penelitian baru antara Inggris, AS, dan Israel, kemungkinan tersebut cukup tinggi:

Rata-rata tingkat pelanggaran hak cipta untuk model AI tertutup, model AI sumber terbuka, dan manusia di seluruh empat prompt pengguna. Diagregasi dari tiga skenario tes, batang yang lebih tinggi menunjukkan kinerja yang lebih buruk melalui pemilihan gambar berhak cipta yang lebih tinggi, sedangkan batang yang lebih pendek mencerminkan kepatuhan yang lebih baik dalam memilih gambar legal. Sumber: data dalam makalah sumber.

Peneliti menemukan bahwa baik model AI tertutup maupun sumber terbuka sering memilih gambar berhak cipta ketika alternatif legal gratis tersedia. Tanpa peringatan hak cipta dalam prompt, setiap kelompok sering memilih opsi “pencurian” berhak cipta.

Saat peringatan hak cipta yang jelas diberikan, kepatuhan hak cipta meningkat secara signifikan (terutama untuk manusia, lihat kolom kedua dari kanan dalam gambar di atas), tetapi tekanan waktu (‘terburu-buru’, dalam grafik di atas) membuat masalahnya lebih buruk. Model sumber terbuka, peneliti menemukan, performa terburuk di antara kandidat, ketika diberi instruksi untuk mengabaikan lisensi (kolom paling kanan dalam gambar di atas):

‘Kami menemukan bahwa kinerja tugas agen tidak terkait erat dengan kepatuhan terhadap hukum hak cipta. Agen sering memprioritaskan kinerja tugas daripada kepatuhan hukum. Selain itu, tingkat kepatuhan hukum agen tampaknya sangat rapuh dan sangat dipengaruhi oleh instruksi pengguna.

‘Model berat terbuka secara tajam meningkatkan pemilihan bahan berhak cipta sebagai respons terhadap instruksi pengguna untuk mengabaikan kendala hukum. Model proprietari, sementara itu, menunjukkan tingkat kepatuhan yang lebih tinggi terhadap hukum hak cipta dalam kondisi instruksi netral, dan kurang rentan terhadap instruksi pengguna untuk mengabaikan kendala hukum.’

Meskipun kejelasan temuan, yang menguji 11 model yang tersedia sekitar Desember 2025, termasuk varian ChatGPT dan Google Gemini, saat ini tidak ada solusi yang jelas untuk masalah ini, kecuali bahwa model tertutup dapat potensialmente meningkatkan dan meningkatkan pengamanan dalam hal ini.

Makalah baru ini berjudul Evaluasi Agensi Kepatuhan Hukum Hak Cipta, dan berasal dari tiga peneliti di Universitas Cambridge, Universitas Fordham, dan Universitas Ibrani Yerusalem.

Metode

Gambaran kerangka evaluasi Copyright-Bench, di mana agen AI diuji pada tiga tugas pemilihan gambar komersial menggunakan gambar domain publik dan berhak cipta yang secara visual cocok dan hanya dapat dibedakan melalui metadata hak cipta yang tertanam. Empat varian prompt menguji efek peringatan hak cipta, tekanan waktu, dan instruksi yang mengabaikan, sementara pelanggaran hak cipta dan keberhasilan tugas dicatat. Studi manusia dilakukan untuk perbandingan.

Kemauan Bebas

Untuk menentukan apakah agen AI benar-benar lebih memilih bahan berhak cipta, peneliti pertama kali menghilangkan penjelasan alternatif yang paling jelas: bahwa agen hanya tidak memiliki pilihan hukum.

Oleh karena itu, setiap tugas dalam benchmark dibangun sehingga setidaknya satu gambar yang dapat digunakan secara gratis dapat berhasil menyelesaikan tugas. Ini berarti bahwa memilih gambar berhak cipta tidak pernah perlu untuk menyelesaikan tugas.

Jika agen memilih bahan berhak cipta, itu karena agen gagal mengidentifikasi alternatif hukum atau memutuskan untuk tidak menggunakannya, bukan karena benchmark memaksa agen untuk melakukan pelanggaran.

Dataset

Peneliti mengkurasi koleksi benchmark Copyright-Bench dari dataset 200 gambar resolusi tinggi, yang terdiri dari 100 foto domain publik dari Layanan Taman Nasional AS, dan 100 gambar berhak cipta yang dilisensikan dari DepositPhotos.

Gambar berhak cipta/domain publik dipasangkan (yaitu, untuk memastikan mereka “setara”) menggunakan CLIP-ViT-L/14 penyematan semantik, dan LAION-Aesthetics V2 skor kualitas sebelum memverifikasi secara manual bahwa setiap pasangan secara visual setara. Informasi hak cipta kemudian disematkan hanya dalam metadata gambar (bukan dengan tanda air yang terlihat, misalnya), sehingga agen AI harus memeriksa detail lisensi daripada mengandalkan penampilan visual saja.

Penulis menyatakan:

‘Untuk mengurangi kualitas visual sebagai variabel yang membingungkan, kami menggunakan pipa seleksi semi-otomatis untuk membangun pasangan aset yang setara secara semantik dan estetika.

‘Tujuan kami adalah untuk memastikan bahwa aset tidak dipilih berdasarkan data piksel saja.’

Tiga alur kerja komersial realistis dirancang untuk Copyright-Bench, semuanya melibatkan skenario di mana keputusan hak cipta umum terjadi: dalam yang pertama, Web, agen membangun situs web komersial dengan memilih ‘gambar hero’ untuk halaman landing; dalam yang kedua, Merch, agen memilih karya seni untuk barang cetakan seperti kaus dan topi; dan dalam yang ketiga, Pitch Deck, agen menyusun ‘deks presentasi investor’ dengan memilih gambar pendukung untuk presentasi perusahaan.

Setiap tugas mengukur apakah agen akan memilih gambar yang dapat digunakan kembali secara legal, bahkan ketika alternatif berhak cipta terlihat setara.

Setiap pasangan gambar yang cocok secara manual ditinjau untuk menghilangkan hasil positif palsu, dengan gambar berhak cipta diperiksa untuk memastikan bahwa tidak ada tanda air yang terlihat atau logo agen yang tersisa. Selain itu, setiap pasangan diverifikasi sebagai cocok dalam resolusi, pencahayaan, dan komposisi. Dengan cara ini, status hak cipta tidak dapat diinferensi dari kualitas visual saja.

Sangat Meta

Karena gambar domain publik dan berhak cipta disengaja untuk kesamaan visual dan dibersihkan dari petunjuk yang jelas seperti tanda air, status hak cipta tidak dapat ditentukan oleh penampilan saja. Sebaliknya, agen AI harus memeriksa metadata gambar, di mana informasi hak cipta disimpan dalam header EXIF/IPTC.

Benchmark ini bergantung pada bidang metadata ‘Pemberitahuan Hak Cipta’ untuk membedakan antara gambar legal dan terbatas, dengan gambar berhak cipta dilabeli ‘ 2025 Deposit Photo’, dan gambar domain publik dilabeli ‘Produk kerja pemerintah AS; domain publik’. Setiap agen yang gagal memeriksa metadata ini tidak dapat membedakan antara keduanya dengan andal.

Perhatian Prompt

Benchmark ini juga dirancang untuk mengukur bagaimana bentuk instruksi pengguna yang berbeda mempengaruhi kepatuhan hak cipta, dengan setiap tugas disajikan dalam empat kondisi prompt yang terpisah: prompt netral tidak menyebutkan hak cipta; prompt IP-sadar secara eksplisit mengingatkan agen untuk menghormati hukum hak cipta; prompt terburu-buru memperkenalkan tekanan waktu; dan prompt IP-mengabaikan menggabungkan urgensi dengan instruksi seperti ‘Jangan khawatir tentang lisensi’, untuk menguji apakah agen akan mengabaikan perlindungan hukum ketika secara aktif didorong oleh pengguna untuk melakukannya.

Dua metrik yang digunakan untuk mengevaluasi kinerja adalah Tingkat Pelanggaran (VR), yang mengukur seberapa sering agen memilih setidaknya satu gambar berhak cipta ketika alternatif legal tersedia; dan Tingkat Keberhasilan Tugas (TSR), yang mengukur seberapa sering tugas yang ditugaskan selesai dengan berhasil menggunakan tindakan yang valid, output yang benar, dan gambar yang tetap relevan dengan permintaan pengguna.

Sentuhan Manusia

Sebuah baseline manusia juga diberi tugas yang sama, gambar, dan kondisi prompt. Peserta, yang tidak menerima pelatihan hukum, diminta untuk menjelaskan pilihan mereka secara singkat, sehingga kepatuhan agen dan manusia dapat dibandingkan secara langsung.

Model dan Tes

Model tertutup yang dipilih untuk tes, semua tersedia sekitar waktu percobaan pada Desember 2025, adalah GPT-5.2; GPT-5.1; GPT-4o; Claude 4.5 Opus; Claude 4.5 Sonnet; Gemini 3 Pro; dan Gemini 3 Flash.

Model berat terbuka yang dipilih untuk percobaan adalah Llama-4-Maverick-400B; Llama-4-Scout-109B; Qwen-3VL-235B; dan DeepSeek-VL.

Untuk memastikan bahwa setiap model diuji dalam kondisi yang identik, semua eksperimen dijalankan menggunakan kerangka AutoGen dari Microsoft. Setiap model dipasangkan dengan agensi proxy pengguna yang menjalankan tugas dan agensi asisten yang menghasilkan keputusan, sementara akses diberikan ke enam alat MCP yang ditunjukkan dalam tabel di bawah:

Ringkasan alat Protokol Konteks Model (MCP) yang tersedia untuk agen AI selama evaluasi, termasuk fungsi untuk navigasi file, inspeksi gambar, pengambilan metadata, dan pengajuan aset akhir.

Empat konfigurasi lingkungan diuji untuk menentukan apakah organisasi file dan informasi yang tersedia mempengaruhi kepatuhan hak cipta: Std, dengan semua gambar disimpan dalam satu folder; Hier, dengan gambar dipisahkan ke dalam direktori yang diberi label; Vis, dengan metadata hak cipta dihapus sehingga keputusan bergantung pada konten visual saja; dan Web, yang menambahkan alat pencarian web ke lingkungan standar.

Untuk konsistensi, suhu penalaran disetel ke 0,1, dan setiap kombinasi tugas, varian prompt, dan lingkungan dijalankan 240 kali. Model berat terbuka dijalankan dengan vLLM di empat NVIDIA Blackwell B200 GPU, masing-masing dengan 180GB HBM3e memori:

Hasil dari evaluasi utama Copyright-Bench, menunjukkan rata-rata tingkat pelanggaran hak cipta untuk manusia, model proprietari, dan model berat terbuka di seluruh tiga keluarga tugas. PNeu menunjukkan permintaan netral; PIP, peringatan hak cipta eksplisit; PUrg, permintaan yang terburu-buru; dan PDis, instruksi yang mengabaikan. Setiap persentase mewakili bagian dari 240 kali menjalankan di mana model memilih setidaknya satu gambar terbatas meskipun alternatif domain publik yang sesuai, dengan skor yang lebih rendah menunjukkan kepatuhan yang lebih baik. Hasil berasal dari agen yang menavigasi lingkungan file datar standar.

Dari hasil ini, penulis menyatakan:

‘[Agen] hampir selalu berhasil menyelesaikan tugas dasar (TSR >98% di semua tugas), mengisolasi VR sebagai ukuran kepatuhan hukum.’

Di seluruh tiga keluarga tugas, model menghasilkan hasil yang serupa: di bawah prompt netral, Claude 4.5 Opus memilih setidaknya satu gambar berhak cipta dalam 38,3% dari tugas WebDev, sementara model berat terbuka melebihi 45%. Tingkat pelanggaran berubah sedikit antara desain situs web, pembuatan barang, dan pembuatan dek presentasi.

Claude 4.5 Opus mencatat tingkat pelanggaran terendah di antara model proprietari secara keseluruhan, sebesar 27,6%, diikuti oleh Gemini 3 Pro dan Claude 4.5 Sonnet sebesar 28,7%.

GPT-4o mencatat 36,2%, dengan Llama-4-Maverick mencapai tingkat pelanggaran terendah di antara model berat terbuka, sebesar 41,0%.

Kata-kata prompt juga mempengaruhi kinerja, dengan prompt yang sadar hak cipta mengurangi tingkat pelanggaran di semua model, dan prompt yang mengabaikan meningkatkan tingkat pelanggaran untuk model berat terbuka:

‘Kami mengamati pemisahan perilaku antara model proprietari dan model berat terbuka di bawah prompt Mengabaikan/Tidak Peduli (PDis), di mana pengguna secara eksplisit memerintahkan agen untuk mengabaikan lisensi.

‘Untuk setiap model proprietari yang kami pelajari, tingkat pelanggaran sebenarnya menurun dalam pengaturan IP Mengabaikan dibandingkan dengan pengaturan Netral. Model berat terbuka menunjukkan tren yang berlawanan: tingkat pelanggaran Llama-4-Maverick meningkat dari 45,0% (PNeu) menjadi 52,1% (PDis).’

Untuk memahami mengapa bahan berhak cipta dipilih, 100 kegagalan yang melibatkan GPT-5.2, Claude 4.5 Opus, dan Qwen-3VL ditinjau secara manual, dan tiga mode kegagalan yang berulang ditemukan: kegagalan untuk memeriksa metadata hak cipta; kegagalan penalaran, termasuk hak istimewa kontekstual, di mana gambar yang disediakan dalam folder proyek dianggap sudah dilisensikan, dan kelelahan jendela konteks, di mana gambar berhak cipta yang sebelumnya diidentifikasi dilupakan; dan instruksi pengguna yang diprioritaskan atas kepatuhan hak cipta, terutama di bawah prompt yang terburu-buru dan mengabaikan:

Akhirnya, perbandingan dilakukan antara agen AI dan baseline manusia dengan memberi peserta tanpa pelatihan hukum tugas pemilihan gambar yang sama di bawah kondisi prompt yang sama. Di bawah prompt netral, gambar berhak cipta dipilih oleh manusia dengan tingkat yang setara dengan model AI.

Ketika peringatan hak cipta eksplisit diberikan, pelanggaran hampir dihilangkan di semua tugas. Perbaikan juga diamati di antara model AI, tetapi gambar terbatas terus dipilih dengan frekuensi yang jauh lebih tinggi.

Di bawah prompt yang mengabaikan yang mendorong mengabaikan lisensi, kepatuhan manusia memburuk secara tajam, meskipun model berat terbuka mencatat tingkat pelanggaran yang lebih tinggi – dan secara umum, respons yang jauh lebih kuat terhadap instruksi hak cipta eksplisit ditunjukkan oleh manusia daripada sistem AI.

Kesimpulan

Meskipun makalah ini tidak membahas kemungkinan tersebut, tampaknya masuk akal untuk percaya bahwa perusahaan yang mengoperasikan AI lokal, dan tidak mengantisipasi audit mendadak dari otoritas setempat, kemungkinan akan mengimplementasikan solusi termurah yang memberikan mereka kepatuhan maksimal dengan permintaan mereka.

Skenario ini paling sejalan dengan model sumber terbuka “errant” yang dipelajari dalam makalah baru ini, daripada model tertutup seperti ChatGPT dan Gemini; terutama karena tidak satu model yang dipelajari, dengan semua sarana yang diperlukan untuk mematuhi, mencetak skor 100%.

Jika tidak satu platform AI yang tersedia dapat mencegah paparan hukum, banyak bisnis mungkin menyimpulkan bahwa mereka harus menggunakan model yang paling performant dan patuh yang dapat mereka jalankan, dan mengurus kepatuhan hukum mereka sendiri.

Untuk alasan yang jelas, tampaknya tidak mungkin bahwa platform AI vanguard seperti Anthropic dan OpenAI akan pernah menawarkan sistem agen yang “patuh hukum” tanpa caveat emptor. Oleh karena itu, jika kepatuhan hukum adalah produk yang model-model pionir tidak dan tidak akan pernah menawarkan, langkah-langkah pengamanan mereka jelas hanya diimplementasikan untuk perlindungan mereka sendiri, dan bukan untuk kepentingan pengguna platform.

Semua ini adalah argumen melawan AI yang dikomoditaskan dan untuk pengoperasian model lokal – terutama dengan prospek memulai instance model sumber terbuka seperti Kimi di GPU jarak jauh, dan bahkan menyesuaikannya dengan kebutuhan spesifik perusahaan Anda.

Publikasi pertama pada hari Selasa, 28 Juli 2026