Microsoft dice al tribunale che Copilot raramente riproduce libri nella causa MDL sul copyright dell’IA

Microsoft ha presentato una mozione per il giudizio sommario il 4 settembre 2026 nella causa consolidata sul copyright intentata da autori di libri e editori di notizie riguardo all’addestramento di grandi modelli linguistici, comunicando a un tribunale federale di Manhattan che la revisione di un esperto di 8,2 milioni di conversazioni Copilot ha rilevato solo 24 risposte contenenti almeno 30 parole corrispondenti alle opere rivendicate dagli autori.

Il dato proviene da un analisi descritta nel memorandum legale di Microsoft a sostegno della sua mozione per il giudizio sommario nei casi consolidati dei querelanti del settore dei libri, parte del contenzioso multidistretto pendente davanti al giudice Sidney H. Stein presso la Corte Distrettuale degli Stati Uniti per il Distretto Meridionale di New York. La Authors Guild e gli autori di narrativa e saggistica nominati hanno intentato la causa circa dieci mesi dopo che OpenAI ha lanciato ChatGPT al pubblico nel novembre 2022, aggiungendo successivamente Microsoft come convenuto.

Cosa ha rilevato l’analisi dei log di Copilot

Secondo il memorandum, l’esperto degli autori di libri, il dott. Shawn Shan, ha impiegato un protocollo di estrazione avversaria di circa 5,3 milioni di tentativi che hanno fornito ai modelli GPT passaggi di libri, parola per parola, lunghi centinaia di parole, e meno dell’1 % di tali tentativi ha prodotto una corrispondenza di 30 parole. Microsoft ha descritto l’esercizio come un’operazione in cui l’esperto ha selezionato un passaggio target e ha sollecitato ripetutamente il modello finché non ha generato il testo desiderato.

Al di fuori di quel contesto di laboratorio, il documento afferma che Shan ha esaminato 8,2 milioni di conversazioni dal prodotto Copilot di Microsoft e ha identificato 24 risposte contenenti 30 parole corrispondenti — una percentuale che il fascicolo descrive come 0,00029 %. Per 202 dei 212 libri rivendicati, il memorandum dice che l’esperto non ha riscontrato alcuna rigurgitazione nei log. “Ciò difficilmente mina lo scopo trasformativo dell’addestramento dei LLM”, conclude il documento.

Microsoft ha inoltre citato le prove di vendita fornite dagli autori, affermando che i querelanti stanno vendendo lo stesso numero di libri che avrebbero venduto se ChatGPT e Copilot non fossero mai stati rilasciati e che hanno trovato praticamente nessun esempio di output reali che corrispondano alle loro opere. Il documento cita il drammaturgo David Henry Hwang, il quale dichiara di non ritenere che i LLM dei convenuti stiano danneggiando il mercato delle sue opere teatrali, e afferma che le analisi di vendita non mostrano alcuna diminuzione attribuibile all’arrivo dei modelli.

L’argomento del fair use

La pretesa legale centrale nel documento di Microsoft è che l’addestramento di un LLM su libri protetti da copyright costituisce fair use per legge. Il fascicolo sostiene che l’uso è “profondamente trasformativo”, facendo riferimento a sentenze in due altri casi di addestramento AI — uno contro Meta e uno contro Anthropic — che hanno descritto l’addestramento dei LLM come altamente trasformativo. I libri sono creati per essere letti, afferma il documento, mentre l’uso da parte di OpenAI di testi come The Street Lawyer di John Grisham e Cleopatra di Stacy Schiff ha servito a uno scopo tecnologico: costruire un modello che genera risposte in linguaggio naturale a prompt.

Riguardo all’attenzione degli autori sul download da parte di OpenAI di libri da Library Genesis, un repository online noto per contenere copie non autorizzate, Microsoft ha dichiarato che il record indiscutibile dimostra che non ha effettuato download né ha partecipato all’acquisizione di tali dataset, e ha sostenuto che la provenienza dei dati di addestramento non altera l’analisi del fair use perché ogni fase del processo ha servito lo stesso scopo di addestramento.

Il documento affronta anche la fornitura da parte di Microsoft, su richiesta di OpenAI, di parti dell’indice del motore di ricerca Bing. Il memorandum afferma che le prove sono inconcludenti riguardo al fatto se tali parti contenessero opere dei querelanti, osservando che l’esperto dei querelanti ha identificato tra 8 e 24 opere rivendicate nelle parti trasferite dell’indice, e sostiene che il trasferimento è stato comunque parte dell’addestramento del LLM.

Per quanto riguarda il danno al mercato, Microsoft ha sollecitato il tribunale a respingere due teorie attribuite ai querelanti: perdita di royalty per i dati di addestramento e “diluizione del mercato” da parte di libri assistiti dall’IA che competono con quelli degli autori. La ricerca citata nel documento ha rilevato che la stragrande maggioranza dei consumatori non acquisterebbe un libro generato dall’IA nemmeno a un prezzo drasticamente più basso, secondo la dichiarazione dell’esperto dell’azienda. Il fascicolo aggiunge che qualsiasi requisito di licenza per i dati di addestramento rappresenterebbe un enorme ostacolo all’innovazione, dato che gli sviluppatori dovrebbero ottenere opere di milioni di autori.

Microsoft ha simultaneamente presentato una mozione per il giudizio sulla base delle difese riguardo al conteggio dell’infrazione contributiva dei querelanti, secondo lo stesso memorandum, che afferma che ritenere l’addestramento dei LLM un fair use escluderebbe indipendentemente tale pretesa. L’azienda ha anche depositato una mozione separata per il giudizio sommario nei casi consolidati dei querelanti del settore News lo stesso giorno; il suo documento relativo ai libri descrive la presentazione dei News come una spiegazione del motivo per cui lo strumento basato su LLM contestato dagli editori è legittimo.

Cosa segue nel MDL

I documenti sono stati inseriti in In re: OpenAI, Inc. Copyright Infringement Litigation, il procedimento multidistretto che combina i casi degli autori e degli editori. I registri del fascicolo mostrano che The New York Times Company ha presentato le proprie mozioni per il giudizio sommario il 4 settembre 2026, con risposte previste entro il 5 ottobre 2026, e OpenAI ha presentato una mozione per il giudizio sommario sulle pretese dei querelanti del settore News lo stesso giorno.

Un ordine di sigillatura stipulato firmato dal giudice Stein il 3 settembre 2026 stabilisce il calendario di pubblicazione dei documenti: le parti e i terzi devono presentare eventuali richieste per mantenere le redazioni nei fascicoli di giudizio sommario entro il 14 settembre 2026, e le parti devono riproporre pubblicamente i loro fascicoli e le dichiarazioni ai sensi della Regola 56.1 con tutte le parti non contestate non redatte entro il 17 settembre 2026. I fascicoli di opposizione seguono un percorso parallelo, con la ripresentazione pubblica richiesta entro il 15 ottobre 2026.