Rättvis användning och konkurrens på AI-störda marknader

En bipartisan-lagstiftning, Transparency and Responsibility for Artificial Intelligence Networks Act (TRAIN), introducerades i januari 2026, skulle ge innehållsskapare möjlighet att begära utlämning av information från AI-företag. Om den antas, kommer fler upphovsrättsinnehavare att ha ett rättsligt medel för att ta reda på om deras verk användes för AI-utbildning.

Vid första anblicken kan detta verka som en makt som skulle ge fler upphovsrättsinnehavare rätt att kräva betalning från AI-utvecklare. I verkligheten är det dock långt ifrån tillräckligt att veta att ditt verk användes utan föregående tillstånd.

När domstolar avgör fall om rättvis användning, väger de fyra nyckelfaktorer: användningens syfte, det ursprungliga verkets natur, hur mycket som togs och den effekt som användningen har haft på materialets marknadsvärde. Nya utslag i amerikanska domstolar har bekräftat att rättvis användning förblir en pelare för innovation och inte kan avfärdas lätt. Strålkastarljuset är särskilt riktat mot marknadsskadekriteriet och att bevisa det.

Marknadsskada som huvudsakligt slagfält

AI-upphovsrättsbeslut från Norra distriktet i Kalifornien visar att domstolar tar olika tillvägagångssätt för att analysera rättvis användning. I Kadrey v. Meta kallade domare Chhabria marknadsskada “den viktigaste faktorn för rättvis användning”. Domare Alsup i Bartz v. Anthropic vägde alla fyra faktorerna mer jämnt. Men båda domarna var överens om detta: kärande kan inte bara påstå skada – de måste bevisa att det har inträffat eller är sannolikt.

Beviskraven är viktiga för AI-utvecklare, särskilt för kassabegränsade startups. Om skada måste bevisas snarare än antas, kan utvecklare fatta designbeslut för att undvika det. Besluten tyder på att utvecklare kan minska sin risk genom att skaffa data från lagliga källor, designa produkter som tjänar olika syften än de upphovsrättsskyddade verken och införa skydd för att förhindra reproduktion av stora mängder text.

Både Bartz och Kadrey domstolarna fann att AI-utbildning kvalificerar sig som “transformerande användning” enligt upphovsrättslagen. Med det förskjuts fokus alltmer mot den fjärde faktorn för rättvis användning: marknadsskada. Nya AI-upphovsrättsstrider illustrerar detta. Kraven koncentrerar sig alltmer på idén att ordagranna reproduktioner av upphovsrättsskyddade verk skadar utgivarnas marknadsvärde.

Dessa fall återstår att avgöras. Vad som är viktigt är att utgivare alltmer förstår att, om de vill vinna, måste de påstå två saker: att AI-utdata effektivt ersätter behovet av att komma åt originalverk och att upphovsrättsinnehavare lider konkreta ekonomiska skador.

Beviskrav

Både Bartz och Kadrey betonar att marknadsskada måste demonstreras, inte antas. I Kadrey visade omfattande tester att Meta’s Llama reproducerade inte mer än 50 token från kärandens verk, och endast 60% av tiden under provocerande prompter som var utformade för att få modellen att reproducera det ursprungliga verket.

Domare Alsup i Bartz fokuserade på om Anthropic’s Claude faktiskt levererade intrångsande text till användare – kärande hävdade inte att detta hade inträffat. Utan reproduktion blir det svårare att hävda ersättning för det ursprungliga verket.

Denna bevisbaserade tillvägagångssätt visar att, även när upphovsrättsinnehavare visar att deras verk användes för utbildning, har de inte nödvändigtvis ett starkt fall för intrång. Om den resulterande AI-systemet inte producerar utdata som orsakar identifierbar marknadsskada, är blott användning av ringa betydelse enligt lagen.

När marknadsskada erkänns

I Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc. avvisade distriktsdomstolen i Delaware Ross Intelligences försvar om rättvis användning efter att Ross använde Thomson Reuters’ Westlaw-headnotes för att träna ett AI-verktyg för juridisk forskning som direkt konkurrerade med Westlaw. Både faktor 1 (syfte och karaktär) och faktor 4 (marknadseffekt) i den rättvisa användningsanalysen var avgörande för utslaget.

Circuit-domare Stephanos Bibas fann att Ross användning inte var transformerande eftersom den skapade en direkt marknadsersättning. Ross sökte initialt licens för Westlaws innehåll, men Thomson Reuters avvisade detta specifikt eftersom Ross var deras konkurrent. Överensstämmelsen mellan det ursprungliga materialets syfte och AI-produktens syfte stöder också påståendet om potentiell skada.

Omvänt, när AI-produkter riktar sig mot marknader som skiljer sig från de som användes för utbildning, blir det svårt att etablera marknadsersättning. I Bartz och Kadrey tjänade allmänna språkmodeller fundamentalt olika syften än de enskilda böckerna som användes för utbildning. Denna distinktion kan visa sig vara avgörande – ju mer en AI-systems syfte skiljer sig från dess utbildningsdatakällor, desto svårare är det att demonstrera marknadsersättning.

“Licensmarknads”-argumentet avvisas

Båda domstolarna avvisade uttryckligen argumenten att AI-utvecklare skadar potentiella licensmarknader för utbildningsdata. Domare Chhabria förklarade att att behandla förlorade licensavgifter som skada skulle göra den rättvisa användningsanalysen cirkulär, och automatiskt gynna upphovsrättsinnehavare. Domare Alsup fann att en marknad för licensiering av böcker specifikt för AI-utbildning “inte är en marknad som upphovsrättslagen berättigar författare att utnyttja”.

Domstolarna avvisade att behandla frivilliga licensavtal som etablerar en rättslig rätt till avgifter, åtminstone där användningen är tillräckligt transformerande. Dessa utslag visar att den framväxande licensmarknaden inte automatiskt berättigar upphovsrättsinnehavare att förhindra rättvis användning av deras verk.

Strategiska implikationer

För upphovsrättsinnehavare kommer de starkaste fallen att vara de där marknadsersättning är tydligt identifierbar. De kan strategiskt fokusera på AI-system vars utdata mest liknar deras ursprungliga verk, snarare än att föra breda utmaningar mot utbildningen i sig.

Om TRAIN-lagen blir lag, kommer upphovsrättsinnehavare att få upptäcktsverktyg för att undersöka hur deras verk används. Men att erhålla information kommer bara att vara det första steget. Att demonstrera marknadsskada kommer att förbli centralt för framgången i varje intrångsanspråk.

För AI-utvecklare ger de senaste besluten en ram för att minska exponeringen. Först, säkerställ laglig datakälla. Både Bartz och Kadrey skiljde mellan att använda verk för utbildning (potentiellt rättvis användning) och att skaffa dem genom piratverksamhet . Domare Alsup fann att Anthropics nedladdning från piratsajter var “inherent, oförsonlig intrång”, även om efterföljande utbildning kan vara rättvis användning.

Andra, designa produkter för syften som skiljer sig från utbildningsdatakällorna. Ett AI-system som hjälper användare att skapa dokument tjänar olika syften än romaner eller artiklar i dess utbildningsdata. Ett system som enbart hämtar eller reproducerar dessa verk gör inte det.

Tredje, inför säkerhetsåtgärder för att förhindra betydande ordagrant reproduktion. Kadrey-domstolen noterade att Metas system reproducerade minimalt innehåll, även under adversativ testning, vilket stöder rättvis användning. Utvecklare som tillåter system att återge stora delar av upphovsrättsskyddade verk kan möta betydande rättsliga risker.

Slutsats

TRAIN-lagen kan snart ge upphovsrättsinnehavare verktyg för att upptäcka om deras verk användes för AI-utbildning. Men de senaste besluten gör det klart att en sådan upptäckt bara skulle vara början. Den framväxande amerikanska ramen kretsar kring marknadsskada, vilket kräver demonstration av identifierbar ekonomisk skada snarare än blott utbildningsanvändning.

AI-utvecklare bör fokusera på tre saker: erhåll din data lagligt, bygg produkter som tjänar syften utöver din utbildningsmaterial, och förhindra att dina system reproducerar långa passager ordagrant. Upphovsrättsinnehavare, å andra sidan, kommer att ha de starkaste fallen när de kan visa att en AI-produkt faktiskt ersätter deras verk på marknaden.