Rettferdig bruk og konkurranse i markedene som er forstyrret av AI

En bipartisk lovgivning, Transparency and Responsibility for Artificial Intelligence Networks Act (TRAIN), innført i januar 2026, ville gi innholdsskapere fullmakt til å pålegge AI-selskaper å avsløre informasjon. Hvis den blir vedtatt, vil flere opphavere ha en lovmessig mekanisme for å finne ut om deres verk ble brukt til AI-trening.

Ved første øyekast kan dette se ut som en fullmakt som ville berettige flere opphavere til å kreve betaling fra AI-utviklere. I virkeligheten er det imidlertid langt fra nok å vite at ditt verk ble brukt uten forhåndstillatelse.

Når domstolene avgjør saker om rettferdig bruk, vurderer de fire nøkkel faktorer: formålet med bruken, naturen til det opprinnelige verket, hvor mye som ble tatt, og virkningen som slik bruk har hatt på materialets markedverdi. Nylige avgjørelser i USAs domstoler har bekreftet at rettferdig bruk fortsatt er en søyle for innovasjon og kan ikke lett avvises. Spotlighten er særlig på markedsskade-faktoren og å bevise det.

Markedsskade som hovedslagfelt

AI-avgjørelser om opphavsrett fra Nord-Californias distriktsdomstol viser at domstolene tar forskjellige tilnærminger til rettferdig bruksanalyse. I Kadrey v. Meta, kalte dommer Chhabria markedsskade “det eneste viktigste elementet i rettferdig bruk”. Dommer Alsup i Bartz v. Anthropic, på den andre siden, vektla alle fire faktorene mer jevnt. Men begge dommere var enige om dette: saksøkere kan ikke bare hevde skade – de må bevise at det skjedde eller er sannsynlig.

Kravet til bevis er viktig for AI-utviklere, særlig for små og nøkterne start-ups. Hvis skade må bevises i stedet for antas, kan utviklerne ta designvalg for å unngå det. Avgjørelsene antyder at utviklerne kan redusere risikoen ved å skaffe data fra lovlige kilder, designe produkter som tjener distinkte formål fra det opprinnelige verket, og implementere sikkerhetstiltak for å forhindre reproduksjon av store deler av tekst.

Både Bartz og Kadrey-domstolene fant at AI-trening kvalifiserer som “transformerende bruk” under opphavsrettsloven. Med det er fokuset økende skiftet til den fjerde rettferdige bruksfaktoren: markedsskade. Nylige AI-oppfølgingskamper illustrerer dette. Kravene øker stadig rundt tanken på at ordrette reproduksjoner av opphavsrettslige verk skader utgivernes markedverdi.

Disse sakene er fortsatt å avgjøres. Det som betyr noe er at utgivere stadig mer forstår at, hvis de ønsker å vinne, må de hevde to ting: at AI-utdata effektivt erstatter behovet for å få tilgang til opprinnelige verk og at, som et resultat, opphavere lider konkrete økonomiske skader.

Beviskrav

Både Bartz og Kadrey understreker at markedsskade må demonstreres, ikke antas. I Kadrey viste omfattende testing at Metas Llama reproducerer ikke mer enn 50 token fra saksøkeres verk, og bare 60% av tiden under koaksende promter designet for å få modellen til å reproducerer det opprinnelige verket.

Dommer Alsup i Bartz fokuserte på om Anthropics Claude faktisk leverte krenkende tekst til brukerne – saksøkerne hevdet ikke at dette hadde skjedd. Uten reproduksjon blir det vanskeligere å hevde erstatning for det opprinnelige verket.

Denne bevisbaserte tilnærmingen viser at, selv når opphavere demonstrerer at deres verk ble brukt i trening, har de ikke nødvendigvis en sterk sak for krenkelse. Hvis det resulterende AI-systemet ikke produserer utdata som forårsaker identifiserbar markedsskade, er bare bruk av liten betydning under loven.

Når markedsskade erkjennes

I Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc., avviste distriktsdomstolen i Delaware Ross Intelligences forsvar om rettferdig bruk etter at Ross brukte Thomson Reuters’ Westlaw-headnotes til å trene et AI-verktøy for juridisk forskning som konkurrerte direkte med Westlaw. Begge faktor 1 (formål og karakter) og faktor 4 (markedseffekt) av rettferdig bruksanalyse var avgjørende for avgjørelsene.

Appeldommer Stephanos Bibas fant at Ross’ bruk ikke var transformerende fordi det skapte en direkte markedserstatter. Ross forsøkte opprinnelig å lisensiere Westlaws innhold, men Thomson Reuters nektet spesifikt fordi Ross var deres konkurrent. Sammenligningen mellom de opprinnelige materiales formål og AI-produktets formål støtter også påstanden om potensiell skade.

Omvendt, når AI-produkter retter seg mot marked som er forskjellige fra de som brukes til trening, blir det vanskelig å etablere markedserstatter. I Bartz og Kadrey tjente generelle språkmodeller grunnleggende forskjellige formål enn de enkelte bøkene som ble brukt til trening. Denne forskjellen kan vise seg å være avgjørende – jo mer AI-systemets formål er fjernet fra dens treningsdatas kilder, desto vanskeligere er det å demonstrere markedserstatter.

“Lisensmarked”-argumentet avvist

Begge domstolene avviste uttrykkelig argumenter om at AI-utviklere skader potensielle lisensmarkeder for treningsdata. Dommer Chhabria forklarte at å behandle tapte lisensgebyrer som skade ville gjøre rettferdig bruksanalyse sirkulær, og automatisk favorisere opphavere. Dommer Alsup, for sin del, fant at et marked for å lisensiere bøker spesifikt for AI-trening “er ikke et marked som opphavsrettsloven berettiger forfattere til å utnytte”.

Domstolene avviste å behandle frivillige lisensavtaler som etablerer en lovmessig rett til gebyrer, å bare bruke er tilstrekkelig transformerende. Disse avgjørelsene demonstrerer at det fremvoksende lisensmarkedet ikke automatisk berettiger opphavere til å forby rettferdig bruk av deres verk.

Strategiske implikasjoner

For opphavere vil de sterkeste sakene være de hvor markedserstatter er tydelig identifiserbar. De kan strategisk fokusere på AI-systemer hvis utdata mest nærmer seg deres opprinnelige verk, i stedet for å forfølge brede utfordringer mot treningen i seg selv.

Hvis TRAIN-loven blir lovgivning, vil opphavere få oppdagelsesverktøy for å undersøke hvordan deres verk blir brukt. Imidlertid vil å få informasjon bare være det første skrittet. Å demonstrere markedsskade vil fortsatt være avgjørende for suksessen til enhver krenkelsessak.

For AI-utviklere gir nylige avgjørelser en ramme for å redusere eksponering. Først, sikre lovlige datasourcing. Begge Bartz og Kadrey skilte mellom å bruke verk til trening (potensielt rettferdig bruk) og å skaffe dem gjennom piratvirksomhet . Dommer Alsup fant at Anthropics nedlasting fra piratsider var “i seg selv, uforbederlig krenkende”, selv om etterfølgende trening måtte være rettferdig bruk.

For det andre, design produkter for formål som er forskjellige fra treningsdatas kilder. Et AI-system som hjelper brukerne med å utarbeide dokumenter tjener forskjellige formål enn romaner eller artikler i treningsdataene. Et system som bare henter eller reproducerer disse verkene, gjør det ikke.

Tredje, implementer sikkerhetstiltak for å forhindre substantiell ordrett reproduksjon. Kadrey-domstolen noterte at Metas system reproducerer minimalt innhold, selv under motstridende testing, som støtter rettferdig bruk. Utviklere som tillater systemer å gjenta lange avsnitt av opphavsrettslige verk, kan møte betydelig større lovmessig risiko.

Konklusjon

TRAIN-loven kan snart gi opphavere verktøy for å oppdage om deres verk ble brukt til AI-trening. Imidlertid gjør nylige avgjørelser det klart at en slik oppdagelse bare ville være begynnelsen. Den fremvoksende amerikanske rammen sentrerer seg rundt markedsskade, og krever demonstrasjon av identifiserbar økonomisk skade, i stedet for bare treningbruk.

AI-utviklere bør fokusere på tre ting: skaffe dine data lovlige, bygge produkter som tjener formål utover dine treningsmateriale, og forhindre dine systemer fra å reproducerer lange avsnitt ordrett. Opphavere, på den andre siden, vil ha de sterkeste sakene når de kan vise at et AI-produkt faktisk erstatter deres verk i markedet.