Thought leaders

Fair use en concurrentie op door AI verstoorde markten

Denas Grybauskas
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenDe TRAIN Act zou onderzoeksbevoegdheid verlenen, maar het bewijzen van marktschade…
Meer weergeven
  • De TRAIN Act zou onderzoeksbevoegdheid verlenen, maar het bewijzen van marktschade blijft de doorslaggevende juridische horde.
  • Rechters verwerpen het argument van de licentiemarkt en eisen concreet bewijs dat AI-output originele werken vervangt.
  • AI-ontwikkelaars kunnen juridisch risico verminderen door data legaal te verwerven en transformerende producten te ontwerpen.

Een door beide partijen gesteund wetsvoorstel, de Transparency and Responsibility for Artificial Intelligence Networks Act (TRAIN), ingevoerd in januari 2026, zou inhoudscreators de bevoegdheid geven om met een gerechtelijk bevel AI-bedrijven te dwingen informatie te verstrekken. Als het wordt aangenomen, zullen meer auteursrechthebbenden een wettelijk mechanisme hebben om te ontdekken of hun werk voor AI-training is gebruikt.

Op het eerste gezicht lijkt dit misschien een macht die auteursrechthebbenden in staat zou stellen om betalingen van AI-ontwikkelaars te eisen. In werkelijkheid is het echter verre van voldoende om te weten dat uw werk zonder voorafgaande toestemming is gebruikt.

Bij de beslissing over gevallen van fair use wegen de rechtbanken vier belangrijke factoren: het doel van het gebruik, de aard van het oorspronkelijke werk, hoeveel er is genomen en het effect dat een dergelijk gebruik heeft op de marktwaarde van het materiaal. Recentelijke uitspraken in Amerikaanse rechtbanken hebben bevestigd dat fair use een pijler van innovatie blijft en niet gemakkelijk kan worden afgewezen. De aandacht is vooral gericht op de factor marktschade en het aantonen ervan.

Marktschade als het belangrijkste strijdtoneel

AI-auteursrechtsbeslissingen van het Noordelijke District van Californië laten zien dat rechtbanken verschillende benaderingen van analyse van fair use hanteren. In Kadrey v. Meta, noemde rechter Chhabria marktschade “het allerbelangrijkste element van fair use”. Rechter Alsup in Bartz v. Anthropic woog daarentegen alle vier factoren meer gelijk. Beide rechters waren het echter eens over het volgende: eisers kunnen niet zomaar schade claimen – ze moeten aantonen dat deze is gebeurd of waarschijnlijk is.

De bewijsvereiste is van belang voor AI-ontwikkelaars, vooral voor startups met weinig geld. Als schade moet worden aangetoond in plaats van verondersteld, kunnen ontwikkelaars ontwerpkeuzes maken om het te voorkomen. De beslissingen suggereren dat ontwikkelaars hun risico kunnen verlagen door gegevens uit legale bronnen te verkrijgen, producten te ontwerpen die verschillende doeleinden dienen dan het auteursrechtelijk beschermde werk en beveiligingsmaatregelen te implementeren om te voorkomen dat grote delen van tekst worden gereproduceerd.

Zowel de rechtbank in Bartz als die in Kadrey oordeelden dat AI-training als “transformatief gebruik” onder het auteursrecht valt. Daarmee verschuift de aandacht steeds meer naar de vierde factor van fair use: marktschade. Recente AI-auteursrechtsgevallen illustreren dit. De claims richten zich steeds meer op het idee dat letterlijke reprodukties van auteursrechtelijk beschermde werken de marktwaarde van de uitgevers schaden.

Deze zaken moeten nog worden beslist. Wat belangrijk is, is dat uitgevers steeds meer begrijpen dat, als ze willen winnen, ze twee dingen moeten claimen: dat AI-uitvoer effectief de behoefte om toegang te krijgen tot originele werken vervangt en dat, als gevolg daarvan, auteursrechthebbenden concrete economische schade lijden.

Bewijsvereisten

Zowel Bartz als Kadrey benadrukken dat marktschade moet worden aangetoond, niet verondersteld. In Kadrey toonde uitgebreid testen aan dat Meta’s Llama niet meer dan 50 tokens van de werken van de eisers reproduceerde, en slechts in 60% van de gevallen bij gebruik van aansporende prompts die waren ontworpen om het model het oorspronkelijke werk te laten reproduceren.

Rechter Alsup in Bartz richtte zich op de vraag of Anthropic’s Claude daadwerkelijk inbreukmakende tekst aan gebruikers leverde – eisers beweerden niet dat dit was gebeurd. Zonder reproduktie wordt het moeilijker om substitutie voor het oorspronkelijke werk te claimen.

Deze bewijsaanpak toont aan dat, zelfs als auteursrechthebbenden aantonen dat hun werken voor AI-training zijn gebruikt, ze nog niet noodzakelijkerwijs een sterke zaak voor inbreuk hebben. Als het resulterende AI-systeem geen uitvoer produceert die identificeerbare marktschade veroorzaakt, is het enkele gebruik van weinig belang onder de wet.

Wanneer marktschade wordt erkend

In Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc. (TRI ), wees de District Court for the District of Delaware het beroep van Ross Intelligence op fair use af nadat Ross de samenvattingen van rechterlijke uitspraken in Westlaw van Thomson Reuters had gebruikt om een AI-hulpmiddel voor juridisch onderzoek te trainen dat rechtstreeks concurreerde met Westlaw. Zowel factor 1 (doel en karakter) als factor 4 (markteffect) van de analyse van fair use waren cruciaal voor de uitspraak.

Hofrechter Stephanos Bibas oordeelde dat het gebruik van Ross niet transformatief was omdat het een directe marktvervanger creëerde. Ross had aanvankelijk geprobeerd om Westlaw’s inhoud te licentiëren, maar Thomson Reuters had dit specifiek geweigerd omdat Ross een concurrent was. De overeenstemming tussen het doel van de oorspronkelijke materialen en het doel van het AI-product ondersteunt ook de claim van potentiële schade.

Andersom wordt het moeilijker om marktsubstitutie te bewijzen wanneer AI-producten zich richten op markten die verschillen van die van het materiaal waarmee ze zijn getraind. In Bartz en Kadrey dienden algemene taalmodellen fundamenteel andere doeleinden dan de individuele boeken die voor training werden gebruikt. Dit onderscheid kan cruciaal blijken – hoe verder een AI-systeem zich bevindt van de doeleinden van zijn trainingsgegevens, hoe moeilijker het is om marktsubstitutie aan te tonen.

Het “licentie-markt”-argument wordt afgewezen

Beide rechtbanken wezen expliciet het argument af dat AI-ontwikkelaars de potentiële licentie-markten voor trainingsgegevens schaden. Rechter Chhabria legde uit dat het behandelen van verloren licentievergoedingen als schade de analyse van fair use circulair zou maken, waardoor auteursrechthebbenden automatisch zouden worden bevoordeeld. Rechter Alsup oordeelde dat een markt voor het licentiëren van boeken specifiek voor AI-training “geen markt is die het auteursrecht auteurs in staat stelt te exploiteren”.

Rechtbanken weigerden om vrijwillige licentie-overeenkomsten te behandelen als een wettelijke aanspraak op vergoedingen, tenminste waar het gebruik voldoende transformatief was. Deze uitspraken tonen aan dat de opkomende licentie-markt auteursrechthebbenden niet automatisch het recht geeft om fair use van hun werk te verbieden.

Strategische implicaties

Voor auteursrechthebbenden zullen de sterkste zaken zijn waarbij marktsubstitutie duidelijk identificeerbaar is. Ze kunnen strategisch focussen op AI-systemen waarvan de uitvoer het meest overeenkomt met hun oorspronkelijke werken, in plaats van de training zelf in brede zin juridisch aan te vechten.

Als de TRAIN Act wet wordt, zullen auteursrechthebbenden juridische middelen voor bewijsvergaring krijgen om te onderzoeken hoe hun werken worden gebruikt. Echter, het verkrijgen van informatie zal alleen de eerste stap zijn. Het aantonen van marktschade zal centraal staan bij het succes van elke inbreukclaim.

Voor AI-ontwikkelaars bieden recente beslissingen een kader voor het verminderen van blootstelling. Ten eerste, zorg ervoor dat gegevens op legale wijze worden verkregen. Beide Bartz en Kadrey onderscheidden tussen het gebruik van werken voor training (potentieel fair use) en het verkrijgen ervan door piraterij. Rechter Alsup oordeelde dat Anthropic’s downloaden van piraterij-sites “inherent, onherroepelijk inbreukmakend” was, zelfs als latere training mogelijk fair use zou zijn.

Ten tweede, ontwerp producten voor doeleinden die verschillen van de trainingsgegevensbronnen. Een AI-systeem dat gebruikers helpt bij het opstellen van documenten, dient andere doeleinden dan romans of artikelen in zijn trainingsgegevens. Een systeem dat deze werken eenvoudigweg ophaalt of reproduceert, doet dit niet.

Ten derde, implementeer beveiligingsmaatregelen om te voorkomen dat grote delen van auteursrechtelijk beschermde werken woordelijk worden gereproduceerd. De Kadrey rechtbank merkte op dat Meta’s systeem minimale inhoud reproduceerde, zelfs onder tests die het systeem doelbewust probeerden te laten ontsporen, waardoor fair use werd ondersteund. Ontwikkelaars die systemen toelaten om grote delen van auteursrechtelijk beschermde werken te reproduceren, kunnen aanzienlijk groter juridisch risico lopen.

Conclusie

De TRAIN Act kan auteursrechthebbenden binnenkort de middelen geven om te ontdekken of hun werken voor AI-training zijn gebruikt. Echter, recente beslissingen maken duidelijk dat een dergelijke ontdekking slechts het begin zou zijn. Het opkomende Amerikaanse kader draait om marktschade, waarbij het aantonen van identificeerbare economische schade vereist is in plaats van enkel gebruik voor training.

AI-ontwikkelaars moeten zich richten op drie dingen: uw gegevens legaal verkrijgen, producten ontwerpen die doeleinden dienen die verder gaan dan uw trainingsmateriaal, en voorkomen dat uw systemen lange passages woordelijk reproduceren. Auteursrechthebbenden, aan de andere kant, zullen de sterkste zaken hebben wanneer ze kunnen aantonen dat een AI-product daadwerkelijk hun werk in de markt vervangt.

Denas Grybauskas is de directeur governance en strategie bij Oxylabs. Tijdens de eerste jaren van zijn carrière in wereldwijde advocatenkantoren en grote corporate groepen, verwierf Denas uitgebreide juridische ervaring en zakelijke kennis. Zijn vaardigheden en interesse in de technologiewereld stelden hem in staat om een van de toonaangevende juridische adviseurs in de data-acquisitie industrie te worden en het hoofd van de juridische afdeling bij Oxylabs, een wereldwijd platform voor het verzamelen van webinformatie.

Momenteel is Denas de directeur governance en strategie van Oxylabs, waar hij de juridische, risico, duurzaamheid en communicatieteams leidt. Denas is ook een wereldwijde thought leader, die commentaren geeft aan de media en een educator, die zijn kennis deelt met studenten en professoren aan verschillende prestigieuze universiteiten, zoals de Universiteit van Michigan. Bovendien is hij een belangrijke stem van de Ethical Web Data Collection Initiative (EWDCI).