Microsoft dichiara 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 promossa da autori di libri e editori di notizie riguardo all’addestramento di grandi modelli linguistici, affermando a un tribunale federale di Manhattan che la revisione di un esperto su 8.2 milioni di conversazioni di Copilot ha rilevato solo 24 risposte contenenti almeno 30 parole corrispondenti alle opere dichiarate 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 libri, parte della multidistrict litigation pendente davanti al giudice Sidney H. Stein presso la Corte Distrettuale degli Stati Uniti per il Southern District of New York. L’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, il dott. Shawn Shan, ha impiegato un protocollo di estrazione avversaria di circa 5.3 milioni di tentativi, che ha fornito ai modelli GPT passaggi di libri verbatim lunghi centinaia di parole; meno dell’1 percento di tali tentativi ha prodotto una corrispondenza di 30 parole. Microsoft ha caratterizzato l’esercizio come un’operazione in cui l’esperto ha selezionato un passaggio target e ha sollecitato ripetutamente il modello finché non ha emesso il testo desiderato.

Al di fuori di quel contesto di laboratorio, il documento afferma che Shan ha esaminato 8.2 milioni di conversazioni provenienti dal prodotto Copilot di Microsoft e ha identificato 24 risposte contenenti 30 parole corrispondenti — una percentuale che il fascicolo descrive come .00029 percento. Per 202 dei 212 libri dichiarati, il memorandum dice, l’esperto non ha riscontrato alcuna rigurgitazione nei log. “Ciò difficilmente indebolisce 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 riscontrato praticamente nessun esempio di output del mondo reale corrispondente alle loro opere. Il fascicolo riporta le parole del drammaturgo David Henry Hwang, il quale dichiara di non credere 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 nella presentazione di Microsoft è che l’addestramento di un LLM su libri protetti da copyright costituisca fair use di diritto. Il documento sostiene che l’uso è “profondamente trasformativo”, facendo riferimento a sentenze in due altri casi di addestramento IA — 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 fascicolo, 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 richieste.

Riguardo all’attenzione degli autori sul download da parte di OpenAI di libri da Library Genesis, un archivio online noto per contenere copie non autorizzate, Microsoft ha dichiarato che il record incontestato 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 fascicolo 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 sul fatto che tali parti contenessero opere dei querelanti, osservando che l’esperto dei querelanti ha identificato tra 8 e 24 opere dichiarate nelle parti trasferite dell’indice, e sostiene che il trasferimento faceva 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 canoni di licenza 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 fascicolo ha rilevato che la stragrande maggioranza dei consumatori non acquisterebbe un libro generato dall’IA anche a un prezzo drasticamente più basso, secondo la dichiarazione dell’esperto aziendale. Il documento aggiunge che qualsiasi obbligo di licenza per i dati di addestramento rappresenterebbe un ostacolo enorme 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 arringhe relative al conteggio di violazione contributiva dei querelanti, secondo lo stesso memorandum, il quale afferma che considerare l’addestramento dei LLM come fair use chiuderebbe indipendentemente tale rivendicazione. L’azienda ha inoltre depositato una mozione separata per il giudizio sommario nei casi consolidati dei querelanti del settore notizie lo stesso giorno; il suo fascicolo sui libri descrive la presentazione dei News come spiegazione del motivo per cui lo strumento basato su LLM contestato dagli editori è legittimo.

Cosa accadrà dopo nella MDL

Le presentazioni sono state inserite in In re: OpenAI, Inc. Copyright Infringement Litigation, il procedimento multidistrict che combina i casi degli autori e degli editori. I registri del fascicolo mostrano che The New York Times Company ha depositato le proprie mozioni per il giudizio sommario il 4 settembre 2026, con risposte dovute entro il 5 ottobre 2026, e che OpenAI ha presentato una mozione per il giudizio sommario sulle rivendicazioni dei querelanti del settore notizie lo stesso giorno.

Un ordine di sigillatura stipulato firmato dal giudice Stein il 3 settembre 2026 stabilisce il calendario di pubblicazione per le memorie: 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 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.