Uso Justo e Concorrência em Mercados Disruptados por IA

Um projeto de lei bipartidário, o Transparency and Responsibility for Artificial Intelligence Networks Act (TRAIN), introduzido em janeiro de 2026, daria aos criadores de conteúdo o poder de subpoena para compelir a divulgação de empresas de IA. Se for aprovado, mais titulares de direitos autorais terão um mecanismo legal para descobrir se seu trabalho foi usado para treinamento de IA.

À primeira vista, isso pode parecer um poder que daria aos titulares de direitos autorais o direito de receber pagamentos dos desenvolvedores de IA. Na realidade, no entanto, saber que seu trabalho foi usado sem permissão prévia é longe de ser suficiente.

Ao decidir casos de uso justo, os tribunais consideram quatro fatores-chave: o propósito do uso, a natureza da obra original, quanto foi retirado e o efeito que tal uso teve sobre o valor de mercado do material. Decisões recentes nos tribunais dos EUA reafirmaram que o uso justo permanece um pilar da inovação e não pode ser facilmente descartado. O foco está especialmente no fator de dano ao mercado e na comprovação disso.

Dano ao Mercado como o Principal Campo de Batalha

Decisões de direitos autorais de IA do Northern District of California mostram os tribunais adotando abordagens diferentes para a análise de uso justo. Em Kadrey v. Meta, o juiz Chhabria chamou o dano ao mercado de “o elemento mais importante do uso justo”. O juiz Alsup em Bartz v. Anthropic, por outro lado, considerou os quatro fatores de forma mais equilibrada. Mas ambos os juízes concordaram com isto: os autores não podem simplesmente alegar dano – eles precisam provar que ele ocorreu ou é provável.

O requisito de evidência é importante para os desenvolvedores de IA, especialmente as startups com pouco capital. Se o dano deve ser provado em vez de presumido, os desenvolvedores podem fazer escolhas de design para evitá-lo. As decisões sugerem que os desenvolvedores podem reduzir seu risco adquirindo dados de fontes legais, projetando produtos que atendam a propósitos distintos da obra com direitos autorais e implementando barreiras para prevenir a reprodução de grandes trechos de texto.

Ambos os tribunais Bartz e Kadrey encontraram que o treinamento de IA se qualifica como “uso transformador” sob a lei de direitos autorais. Com isso, o foco está cada vez mais se deslocando para o quarto fator de uso justo: o dano ao mercado. Batalhas recentes de direitos autorais de IA ilustram isso. As alegações cada vez mais centram-se na ideia de que reproduções verbais de obras com direitos autorais prejudicam o valor de mercado dos editores.

Esses casos ainda estão para ser decididos. O que importa é que os editores cada vez mais entendem que, se quiserem vencer, precisam alegar duas coisas: que as saídas de IA efetivamente substituem a necessidade de acessar as obras originais e que, como resultado, os titulares de direitos autorais sofrem dano econômico concreto.

Requisitos de Evidência

Ambos Bartz e Kadrey enfatizam que o dano ao mercado deve ser demonstrado, não presumido. Em Kadrey, testes extensivos mostraram que o Llama da Meta reproduziu no máximo 50 tokens das obras dos autores e apenas 60% do tempo sob prompts de coação projetados para fazer o modelo reproduzir a obra original.

O juiz Alsup em Bartz se concentrou em se o Claude da Anthropic realmente entregou texto infrator para os usuários – os autores não alegaram que isso havia ocorrido. Sem reprodução, torna-se mais difícil alegar substituição para a obra original.

Essa abordagem evidenciária mostra que, mesmo quando os titulares de direitos autorais demonstram que suas obras foram usadas no treinamento, eles não necessariamente têm um caso forte de violação. Se o sistema de IA resultante não produz saídas que causem danos identificáveis ao mercado, o uso em si é de pouca importância sob a lei.

Quando o Dano ao Mercado é Reconhecido

Em Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc., o Tribunal Distrital do Delaware rejeitou a defesa de uso justo da Ross Intelligence após a Ross usar as notas de cabeçalho da Westlaw da Thomson Reuters para treinar uma ferramenta de pesquisa jurídica de IA que competia diretamente com a Westlaw. Tanto o fator 1 (propósito e caráter) quanto o fator 4 (efeito no mercado) da análise de uso justo foram cruciais para a decisão.

O juiz de circuito Stephanos Bibas encontrou que o uso da Ross não foi transformador porque criou um substituto de mercado direto. A Ross inicialmente buscou licenciar o conteúdo da Westlaw, mas a Thomson Reuters recusou especificamente porque a Ross era sua concorrente. A alinhamento entre o propósito dos materiais originais e o propósito do produto de IA também apoia a alegação de dano potencial.

Conversamente, quando os produtos de IA visam mercados diferentes daqueles usados para treinamento, estabelecer substituição de mercado se torna difícil. Em Bartz e Kadrey, os modelos de linguagem de propósito geral serviam a funções fundamentalmente diferentes das dos livros individuais usados para treinamento. Essa distinção pode ser crucial – quanto mais distante o propósito do sistema de IA de suas fontes de dados de treinamento, mais difícil é demonstrar substituição de mercado.

O Argumento do “Mercado de Licenciamento” Rejeitado

Ambos os tribunais rejeitaram explicitamente os argumentos de que os desenvolvedores de IA prejudicam os mercados potenciais de licenciamento de dados de treinamento. O juiz Chhabria explicou que tratar as taxas de licenciamento perdidas como dano tornaria a análise de uso justo circular, automaticamente favorecendo os titulares de direitos autorais. O juiz Alsup, por sua vez, encontrou que um mercado para licenciar livros especificamente para treinamento de IA “não é um que a Lei de Direitos Autorais entitle os autores a explorar”.

Os tribunais declinaram de tratar acordos de licenciamento voluntários como estabelecendo um direito legal a taxas, pelo menos onde o uso é suficientemente transformador. Essas decisões demonstram que o mercado de licenciamento emergente não dá automaticamente aos titulares de direitos autorais o direito de proibir o uso justo de suas obras.

Implicações Estratégicas

Para os titulares de direitos autorais, os casos mais fortes serão aqueles em que a substituição de mercado é claramente identificável. Eles podem se concentrar estrategicamente em sistemas de IA cujas saídas se aproximam mais das suas obras originais, em vez de perseguir desafios amplos ao próprio treinamento.

Se o TRAIN Act se tornar lei, os titulares de direitos autorais ganharão ferramentas de descoberta para investigar como suas obras são usadas. No entanto, obter informações seria apenas o primeiro passo. Demonstrar dano ao mercado permaneceria central ao sucesso de qualquer alegação de violação.

Para os desenvolvedores de IA, as decisões recentes fornecem um quadro para reduzir a exposição. Primeiro, garantam que a fonte de dados seja legal. Ambos Bartz e Kadrey distinguiram entre o uso de obras para treinamento (potencialmente uso justo) e a aquisição delas por meio de pirataria. O juiz Alsup encontrou que o download da Anthropic de sites de pirataria era “inerentemente, irredeemavelmente infrator”, mesmo que o treinamento subsequente possa ser uso justo.

Segundo, projetem produtos para propósitos diferentes das fontes de dados de treinamento. Um sistema de IA que ajuda os usuários a criar documentos serve a propósitos diferentes dos romances ou artigos em seus dados de treinamento. Um sistema que simplesmente recupera ou reproduz essas obras não o faz.

Terceiro, implementem salvaguardas para prevenir a reprodução substancial de trechos verbais. O tribunal Kadrey notou que o sistema da Meta reproduziu conteúdo mínimo, mesmo sob testes adversários, apoiando o uso justo. Desenvolvedores que permitem que seus sistemas regurgitem grandes porções de obras com direitos autorais podem enfrentar riscos legais significativamente maiores.

Conclusão

O TRAIN Act pode em breve dar aos titulares de direitos autorais ferramentas para descobrir se suas obras foram usadas para treinamento de IA. No entanto, as decisões recentes deixam claro que tal descoberta seria apenas o começo. O quadro emergente nos EUA centra-se no dano ao mercado, exigindo a demonstração de dano econômico identificável em vez de apenas uso de treinamento.

Os desenvolvedores de IA devem se concentrar em três coisas: obtenha seus dados legalmente, construa produtos que atendam a propósitos além de seus materiais de treinamento e previna que seus sistemas reproduzam longos trechos verbais. Os titulares de direitos autorais, por outro lado, terão os casos mais fortes quando puderem mostrar que um produto de IA efetivamente substitui seu trabalho no mercado.