Rättvis användning och konkurrens på marknader som störts av AI

En bipartisk lag, Transparency and Responsibility for Artificial Intelligence Networks Act (TRAIN), introducerades i januari 2026, skulle ge skapare av innehåll möjlighet att begära uppgifter från AI-företag via stämning. Om den antas kommer fler upphovsrättsinnehavare att ha ett lagligt verktyg för att ta reda på om deras arbete har använts för AI-utbildning.

Vid första anblicken kan detta verka som en möjlighet som skulle ge upphovsrättsinnehavare rätt att kräva betalning från AI-utvecklare. I verkligheten är det dock långt ifrån tillräckligt att veta att ens arbete har använts utan tillstånd.

När domstolar avgör fall om rättvis användning väger de fyra nyckelfaktorer: användningens syfte, den ursprungliga verket, 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 ligger särskilt på marknadsskadekriteriet och bevisningen för detta.

Marknadsskada som huvudstridspunkt

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

Beviskravet är viktigt för AI-utvecklare, särskilt för kassabristade startups. Om skada måste bevisas snarare än antas, kan utvecklare fatta designbeslut för att undvika den. Besluten tyder på att utvecklare kan minska sin risk genom att skaffa data från lagliga källor, utforma produkter som tjänar distinkta syften från det upphovsrättsskyddade verket och implementera skydd för att förhindra reproduktion av stora textstycken.

Både Bartz och Kadrey-domstolarna fann att AI-utbildning kvalificerar sig som “transformerande användning” enligt upphovsrättslagen. Med det har fokus alltmer skiftat till den fjärde faktorn för rättvis användning: marknadsskada. Nya AI-upphovsrättsstrider illustrerar detta. Anspråken handlar alltmer om att ordagranna reproduktioner av upphovsrättsskyddat material skadar utgivarnas marknadsvärde.

Dessa fall återstår att avgöras. Det som är viktigt är att utgivarna 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 konkrekt ekonomisk skada.

Beviskrav

Både Bartz och Kadrey betonar att marknadsskada måste demonstreras, inte antas. I Kadrey visade omfattande testning att Metas Llama reproducerade inga fler än 50 token från kärandens verk, och endast 60% av tiden under provocerande uppmaningar som var utformade för att få modellen att reproducera det ursprungliga verket.

Domare Alsup i Bartz fokuserade på om Anthropics Claude faktiskt levererade intrångsande text till användare – kärande hävdade inte att detta hade inträffat. Utan reproduktion blir det svårare att hävda substitution 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 det resulterande AI-systemet inte producerar utdata som orsakar identifierbar marknadsskada, är blott användning av liten betydelse enligt lagen.

När marknadsskada erkänns

I Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc., avslog distriktsdomstolen i Delaware Ross Intelligences försvar mot rättvis användning efter att Ross använde Thomson Reuters Westlaw-headnotes för att utbilda 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.

Appellationsdomare Stephanos Bibas fann att Ross användning inte var transformerande eftersom den skapade en direkt marknadsersättning. Ross försökte initialt licensiera Westlaws innehåll, men Thomson Reuters avslog specifikt eftersom Ross var dess konkurrent. Överensstämmelsen mellan det ursprungliga materialets syfte och AI-produktens syfte stöder också påståendet om potentiell skada.

Omvänt, när AI-produkter riktar sig till marknader som skiljer sig från dem som används för utbildning, blir det svårt att etablera marknadsersättning. I Bartz och Kadrey tjänade allmänna språkmodeller grundläggande olika funktioner 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 rättvis användningsanalys cirkulär, automatiskt gynna upphovsrättsinnehavare. Domare Alsup fann att en marknad för licensiering av böcker specifikt för AI-utbildning “är inte en som upphovsrättslagen berättigar författare att utnyttja”.

Domstolarna avslog 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 nära approximerar deras ursprungliga verk snarare än att föra en bred utmaning mot utbildning i sig.

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

För AI-utvecklare ger de senaste besluten en ram för att minska exponeringen. Först, säkerställ att datakällorna är lagliga. Både Bartz och Kadrey skilde mellan att använda verk för utbildning (potentiellt rättvis användning) och att förvärva dem genom piratkopiering . Domare Alsup fann att Anthropics nedladdning från piratsajter var “i grunden, oåterkalleligt intrångsande”, även om efterföljande utbildning kanske var rättvis användning.

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

Tredje, implementera skydd för att förhindra omfattande ordagrann reproduktion. Kadrey-domstolen noterade att Metas system reproducerade minimalt innehåll, även under antagonistisk testning, vilket stöder rättvis användning. Utvecklare som tillåter system att återge stora delar av upphovsrättsskyddat material kan möta betydande rättslig risk.

Slutsats

TRAIN-lagen kan snart ge upphovsrättsinnehavare verktyg för att upptäcka om deras verk användes för AI-utbildning. Men de senaste besluten gör 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: skaffa din data lagligt, bygg produkter som tjänar syften utöver dina utbildningsmaterial och förhindra att dina system reproducerar långa textstycken ordagrant. Upphovsrättsinnehavare, å andra sidan, kommer att ha de starkaste fallen när de kan visa att ett AI-produkt faktiskt ersätter deras arbete på marknaden.