Liderzy opinii

Uczciwe użycie i konkurencja na rynkach zakłóconych przez sztuczną inteligencję

Denas Grybauskas
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyUstawa TRAIN przyznałaby prawo do wydawania wezwań, ale udowodnienie szkody na rynku…
Zobacz więcej
  • Ustawa TRAIN przyznałaby prawo do wydawania wezwań, ale udowodnienie szkody na rynku pozostaje decydującą przeszkodą prawną.
  • Sądy odrzucają argument rynku licencyjnego i wymagają konkretnych dowodów na to, że rezultaty AI zastępują oryginalne dzieła.
  • Deweloperzy AI mogą zmniejszyć ryzyko prawne, pozyskując dane legalnie i projektując przełomowe produkty.

Bipartyjny projekt ustawy, Ustawa o przejrzystości i odpowiedzialności sieci sztucznej inteligencji (TRAIN), wprowadzony w styczniu 2026 r., dałby twórcom treści uprawnienia do wymuszania ujawnienia informacji przez firmy zajmujące się sztuczną inteligencją za pomocą wezwania sądowego. Jeśli ustawa wejdzie w życie, więcej posiadaczy praw autorskich będzie miało mechanizm prawny, aby dowiedzieć się, czy ich praca została wykorzystana do szkolenia sztucznej inteligencji.

Na pierwszy rzut oka może się wydawać, że jest to uprawnienie, które pozwoliłoby więcej posiadaczom praw autorskich na żądanie zapłaty od deweloperów sztucznej inteligencji. W rzeczywistości jednak posiadanie wiedzy o tym, że praca została wykorzystana bez uprzedniej zgody, jest dalece niewystarczające.

Przy rozstrzyganiu przypadków uczciwego użytku sądy uwzględniają cztery kluczowe czynniki: cel użytkowania, charakter oryginalnego dzieła, jak dużą część przejęto oraz wpływ, jaki takie użytkowanie miało na wartość rynkową materiału. Ostatnie orzeczenia sądów w Stanach Zjednoczonych potwierdziły, że uczciwe użytkowanie pozostaje filarem innowacji i nie może być łatwo odrzucone. Szczególnie istotny jest czynnik szkody rynkowej i udowodnienie jej.

Szkoda rynkowa jako główny obszar sporu

Orzeczenia sądów w północnym okręgu Kalifornii pokazują, że sądy stosują różne podejścia do analizy uczciwego użytkowania. W Kadrey v. Meta, sędzia Chhabria określił szkodę rynkową jako “najważniejszy element uczciwego użytkowania”. Sędzia Alsup w Bartz v. Anthropic zważył wszystkie cztery czynniki bardziej równomiernie. Obaj sędziowie zgodzili się jednak, że powodowie nie mogą po prostu twierdzić, że doszło do szkody – muszą wykazać, że wystąpiła lub jest prawdopodobna.

Wymóg dowodowy ma znaczenie dla deweloperów sztucznej inteligencji, szczególnie dla startupów z ograniczonymi środkami finansowymi. Jeśli szkoda musi być udowodniona, a nie założona, deweloperzy mogą podejmować decyzje projektowe, aby jej uniknąć. Orzeczenia sugerują, że deweloperzy mogą zmniejszyć swoje ryzyko, pozyskując dane z legalnych źródeł, projektując produkty, które służą celom odrębnym od chronionych prawem autorskim dzieł oraz wdrażając zabezpieczenia, aby zapobiec odtwarzaniu dużych fragmentów tekstu.

Oba sądy Bartz i Kadrey stwierdziły, że szkolenie sztucznej inteligencji kwalifikuje się jako “przekształcające użytkowanie” zgodnie z prawem autorskim. Wraz z tym uwaga coraz bardziej skupia się na czwartym czynniku uczciwego użytkowania: szkodzie rynkowej. Ostatnie bitwy o prawa autorskie sztucznej inteligencji ilustrują to. Roszczenia coraz częściej koncentrują się na idei, że odtworzenia dosłowne chronionych dzieł szkodzą wartości rynkowej wydawców.

Sprawy te pozostają do rozstrzygnięcia. Istotne jest to, że wydawcy coraz lepiej rozumieją, iż aby wygrać, muszą podnieść dwie kwestie: że wyniki generowane przez AI faktycznie zastępują potrzebę dostępu do oryginalnych dzieł oraz że w konsekwencji posiadacze praw autorskich ponoszą konkretną szkodę ekonomiczną.

Wymagania dowodowe

Oba Bartz i Kadrey podkreślają, że szkoda rynkowa musi być udowodniona, a nie założona. W Kadrey przeprowadzono obszerne testy, które wykazały, że Llama Meta odtworzyła nie więcej niż 50 tokenów z dzieł powodów i tylko 60% czasu pod wpływem podpowiedzi, które miały skłonić model do odtworzenia oryginalnego dzieła.

Sędzia Alsup w Bartz skupił się na tym, czy Claude Anthropic faktycznie dostarczał użytkownikom tekst naruszający prawa autorskie – powodowie nie twierdzili, że do tego doszło. Bez odtwarzania trudno jest twierdzić, że nastąpiła substytucja oryginalnego dzieła.

To podejście dowodowe pokazuje, że nawet gdy posiadacze praw autorskich udowodnią, że ich prace zostały wykorzystane do szkolenia, niekoniecznie mają silną podstawę do roszczeń o naruszenie praw autorskich. Jeśli wynikowy system sztucznej inteligencji nie wytwarza danych wyjściowych, które powodują identyfikowalną szkodę rynkową, sam fakt użycia ma niewielkie znaczenie w świetle prawa.

Gdy szkoda rynkowa jest uznana

W Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc. (TRI ), Sąd Okręgowy dla Dystryktu Delaware odrzucił obronę Ross Intelligence dotyczącą uczciwego użytkowania po tym, jak Ross wykorzystał streszczenia orzeczeń w Westlaw firmy Thomson Reuters do szkolenia narzędzia AI do badań prawnych, które bezpośrednio konkurowało z Westlaw. Zarówno pierwszy czynnik (cel i charakter) jak i czynnik czwarty (wpływ na rynek) analizy uczciwego użytkowania były kluczowe dla orzeczenia.

Sędzia okręgowy Stephanos Bibas stwierdził, że użycie Rossa nie było przekształcające, ponieważ stworzyło bezpośrednią substytucję rynkową. Ross początkowo próbował uzyskać licencję na zawartość Westlaw, ale Thomson Reuters odmówił, ponieważ Ross był jego konkurentem. Zbieżność między celem oryginalnych materiałów a celem produktu sztucznej inteligencji wspiera również twierdzenie o potencjalnej szkodzie.

Z kolei gdy produkty sztucznej inteligencji celują w rynki odmienne od tych, które zostały wykorzystane do szkolenia, ustalenie substytucji rynkowej staje się trudne. W Bartz i Kadrey modele językowe o ogólnym przeznaczeniu spełniały funkcje fundamentalnie odmienne od poszczególnych książek wykorzystanych do szkolenia. Ta różnica może okazać się kluczowa – im dalej cel systemu sztucznej inteligencji odbiega od źródeł danych szkoleniowych, tym trudniej jest udowodnić substytucję rynkową.

Argument “rynku licencyjnego” odrzucony

Oba sądy wyraźnie odrzuciły argumenty, że deweloperzy sztucznej inteligencji szkodzą potencjalnym rynkom licencyjnym dla danych szkoleniowych. Sędzia Chhabria wyjaśnił, że traktowanie utraconych opłat licencyjnych jako szkody uczyniłoby analizę uczciwego użytkowania rozumowaniem błędnego koła, automatycznie faworyzując posiadaczy praw autorskich. Sędzia Alsup stwierdził, że rynek licencyjny dla książek specjalnie dla szkolenia sztucznej inteligencji “nie jest tym, co ustawa o prawie autorskim uprawnia autorów do wykorzystania”.

Sądy odmówiły traktowania dobrowolnych umów licencyjnych jako ustanawiających prawnie uzasadnione roszczenia o opłaty, przynajmniej tam, gdzie użycie jest wystarczająco przekształcające. Te orzeczenia pokazują, że powstający rynek licencyjny nie automatycznie uprawnia posiadaczy praw autorskich do zakazu uczciwego użytkowania ich dzieł.

Wnioski strategiczne

Dla posiadaczy praw autorskich najmocniejsze przypadki będą tam, gdzie substytucja rynkowa jest wyraźnie identyfikowalna. Mogą oni strategicznie skupić się na systemach sztucznej inteligencji, których dane wyjściowe najbardziej przypominają ich oryginalne dzieła, zamiast szeroko kwestionować prawnie samo szkolenie.

Jeśli ustawa TRAIN wejdzie w życie, posiadacze praw autorskich zyskają narzędzia procesowe do pozyskiwania dowodów na to, w jaki sposób ich prace są wykorzystywane. Niemniej jednak, uzyskanie informacji będzie tylko pierwszym krokiem. Udowodnienie szkody rynkowej pozostanie kluczowe dla powodzenia każdego roszczenia o naruszenie.

Dla deweloperów sztucznej inteligencji ostatnie decyzje dostarczają ramy dla zmniejszenia narażenia. Po pierwsze, należy zapewnić legalne źródła danych. W obu sprawach, Bartz i Kadrey, rozróżniono użycie dzieł do szkolenia (potencjalnie uczciwe użycie) od ich pozyskania poprzez piractwo. Sędzia Alsup stwierdził, że pobieranie danych z pirackich stron przez Anthropic było “z natury i w sposób nieodwracalny naruszające prawa autorskie”, nawet jeśli późniejsze szkolenie mogłoby być uczciwym użyciem.

Po drugie, należy projektować produkty do celów innych niż źródła danych szkoleniowych. System sztucznej inteligencji, który pomaga użytkownikom w tworzeniu dokumentów, służy innym celom niż powieści lub artykuły w danych szkoleniowych. System, który po prostu pobiera lub odtwarza te dzieła, nie spełnia tego warunku.

Po trzecie, należy wdrożyć zabezpieczenia, które zapobiegają dosłownemu odtwarzaniu znacznych fragmentów dzieł chronionych prawem autorskim. Sąd Kadrey zauważył, że system Meta odtworzył minimalną zawartość, nawet pod testami prowokacyjnymi, co wspierało uczciwe użycie. Deweloperzy, którzy pozwalają systemom na odtwarzanie dużych fragmentów chronionych dzieł, mogą spotkać się ze znacznie większym ryzykiem prawnym.

Podsumowanie

Ustawa TRAIN może wkrótce dać posiadaczom praw autorskich narzędzia do odkrywania, czy ich prace zostały wykorzystane do szkolenia sztucznej inteligencji. Niemniej jednak, ostatnie decyzje jasno pokazują, że takie odkrycie będzie tylko początkiem. Powstający amerykański model opiera się na szkodzie rynkowej, wymagając udowodnienia identyfikowalnej szkody ekonomicznej, a nie samego faktu użycia do szkolenia.

Deweloperzy sztucznej inteligencji powinni skupić się na trzech rzeczach: pozyskiwać dane legalnie, tworzyć produkty, które służą celom wykraczającym poza materiały szkoleniowe, oraz zapobiegać dosłownemu odtwarzaniu długich fragmentów dzieł chronionych prawem autorskim. Posiadacze praw autorskich, z drugiej strony, będą mieli najmocniejsze przypadki, gdy będą mogli udowodnić, że produkt sztucznej inteligencji zastępuje ich prace na rynku.

Denas Grybauskas jest Dyrektorem ds. Zarządzania i Strategii w Oxylabs. W początkowych latach swojej kariery w globalnych firmach prawniczych i dużych grupach korporacyjnych, Denas zdobył rozległe doświadczenie prawne i biznesowe. Jego umiejętności i zainteresowania światem techniki pozwoliły mu zostać jednym z wiodących radców prawnych w branży pozyskiwania danych i Dyrektorem Prawnym w Oxylabs, globalnej platformie do zbierania informacji z sieci.

Obecnie Denas jest Dyrektorem ds. Zarządzania i Strategii w Oxylabs, kierując zespołami prawnymi, ryzyka, zrównoważonego rozwoju i komunikacji. Denas jest również globalnym liderem myśli, dostarczającym komentarze do mediów oraz edukatorem, dzielącym się swoją wiedzą ze studentami i profesorami na licznych prestiżowych uniwersytetach, takich jak Uniwersytet Michigan. Dodatkowo jest on głosem Inicjatywy Etycznego Pozyskiwania Danych z Sieci (EWDCI).