การใช้ประโยชน์อย่างยุติธรรมและการแข่งขันในตลาดที่ถูก AI รบกวน

ร่างกฎหมายสองฝ่าย Transparency and Responsibility for Artificial Intelligence Networks Act (TRAIN) ซึ่งนำเสนอในเดือนมกราคม 2026 จะให้อำนาจแก่ผู้สร้างเนื้อหาสามารถสั่งให้ AI บริษัทเปิดเผยข้อมูล หากมันผ่านไป ก็จะมีผู้ถือลิขสิทธิ์มากขึ้นที่มีกลไกทางกฎหมายในการค้นหาว่าผลงานของตนถูกใช้ในการฝึกอบรม AI หรือไม่

ในตอนแรก อาจดูเหมือนว่าอำนาจนี้จะทำให้ผู้ถือลิขสิทธิ์มีสิทธิ์ในการเรียกร้องค่าชดเชยจากผู้พัฒนา AI มากขึ้น แต่ในความเป็นจริง การทราบว่าผลงานของตนถูกใช้โดยไม่ได้รับอนุญาตก่อนหน้านั้นยังไม่เพียงพอ

เมื่อตัดสินคดีเกี่ยวกับการใช้ประโยชน์อย่างยุติธรรม ศาลจะพิจารณาปัจจัยสี่ประการ ได้แก่ วัตถุประสงค์ของการใช้ ลักษณะของผลงานเดิม ปริมาณที่ถูกนำไปใช้ และผลกระทบต่อคุณค่าของตลาดของผลงานนั้น การตัดสินล่าสุดในศาลสหรัฐฯ ได้ยืนยันว่าการใช้ประโยชน์อย่างยุติธรรมยังคงเป็นรากฐานของนวัตกรรมและไม่สามารถถูกปฏิเสธได้ง่ายๆ จุดสนใจอยู่ที่ปัจจัยการทำลายตลาด และการพิสูจน์มัน

การทำลายตลาดเป็นสนามรบหลัก

การตัดสินของ AI เกี่ยวกับลิขสิทธิ์จากเขตศาล Northern District of California แสดงให้เห็นว่าศาลมีการเข้าถึงการวิเคราะห์การใช้ประโยชน์อย่างยุติธรรมที่แตกต่างกัน ในคดี Kadrey v. Meta ผู้พิพากษา Chhabria กล่าวว่าการทำลายตลาดเป็น “องค์ประกอบที่สำคัญที่สุดของการใช้ประโยชน์อย่างยุติธรรม” ผู้พิพากษา Alsup ในคดี Bartz v. Anthropic พิจารณาปัจจัยทั้งสี่อย่างสมดุล แต่ทั้งสองผู้พิพากษาตกลงกันว่า ผู้ฟ้องคดีไม่สามารถอ้างว่ามีการทำลายได้โดยไม่ต้องพิสูจน์ว่ามันเกิดขึ้นหรือมีแนวโน้มที่จะเกิดขึ้น

ความต้องการหลักฐานมีความสำคัญสำหรับผู้พัฒนา AI โดยเฉพาะอย่างยิ่งสำหรับสตาร์ทอัพขนาดเล็ก หากต้องพิสูจน์การทำลายตลาดมากกว่าการถือว่ามันเป็นเรื่องสมมติ ผู้พัฒนา AI สามารถเลือกการออกแบบเพื่อหลีกเลี่ยงมันได้ การตัดสินเหล่านี้ชี้ให้เห็นว่าผู้พัฒนา AI สามารถลดความเสี่ยงได้โดยการได้รับข้อมูลจากแหล่งที่ถูกต้อง การออกแบบผลิตภัณฑ์ที่มีวัตถุประสงค์ที่แตกต่างจากผลงานลิขสิทธิ์ที่ใช้ในการฝึกอบรม และการนำระบบป้องกันการทำซ้ำข้อความขนาดใหญ่

ทั้ง Bartz และ Kadrey ตัดสินว่าการฝึกอบรม AI ถือเป็นการใช้ประโยชน์อย่างยุติธรรมตามกฎหมายลิขสิทธิ์ ด้วยเหตุนี้ จุดสนใจจึงย้ายไปที่ปัจจัยที่สี่ของการวิเคราะห์การใช้ประโยชน์อย่างยุติธรรม: การทำลายตลาด การรบกวนลิขสิทธิ์ AI ล่าสุด แสดงให้เห็นถึงสิ่งนี้ คดีเหล่านี้มักมีการอ้างว่าการทำซ้ำข้อความลิขสิทธิ์ที่เหมือนกันทำให้คุณค่าของตลาดลดลง

คดีเหล่านี้ยังคงต้องได้รับการตัดสิน อะไรที่สำคัญคือผู้จัดพิมพ์เข้าใจมากขึ้นว่า หากต้องการชนะ พวกเขาต้องอ้างว่าผลลัพธ์ของ AI แทนที่ความจำเป็นในการเข้าถึงผลงานเดิม และผลลัพธ์คือผู้ถือลิขสิทธิ์ได้รับอันตรายทางเศรษฐกิจที่แท้จริง

ความต้องการหลักฐาน

ทั้ง Bartz และ Kadrey เน้นย้ำว่าการทำลายตลาดต้องแสดงให้เห็น ไม่ใช่การถือว่ามันเป็นเรื่องสมมติ ในคดี Kadrey การทดสอบอย่างละเอียดแสดงให้เห็นว่า Meta’s Llama ทำซ้ำไม่เกิน 50 โทเค็นจากผลงานของผู้ฟ้อง และเพียง 60% ของเวลาในการทดสอบที่ออกแบบมาเพื่อให้โมเดลทำซ้ำผลงานเดิม

ผู้พิพากษา Alsup ในคดี Bartz มุ่งเน้นไปที่ว่า Anthropic’s Claude จริงๆ แล้วส่งเนื้อหาที่ละเมิดลิขสิทธิ์ให้กับผู้ใช้หรือไม่ – ผู้ฟ้องคดีไม่ได้โต้แย้งว่ามันเกิดขึ้น หากไม่มีการทำซ้ำ จะยากที่จะอ้างว่ามีการแทนที่ผลงานเดิม

แนวทางเชิงหลักฐานนี้แสดงให้เห็นว่า แม้ว่าผู้ถือลิขสิทธิ์สามารถแสดงให้เห็นว่าผลงานของตนถูกใช้ในการฝึกอบรม แต่พวกเขาไม่จำเป็นต้องมีคดีที่แข็งแกร่งสำหรับการละเมิดลิขสิทธิ์ หากระบบ AI ที่ได้ผลไม่สร้างผลลัพธ์ที่ทำให้เกิดความเสียหายที่สามารถระบุได้ในการตลาด การใช้เพียงอย่างเดียวจะมีความสำคัญน้อย

เมื่อการทำลายตลาดได้รับการยอมรับ

ในคดี Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc. (TRI ) ศาล District Court for the District of Delaware ปฏิเสธการป้องกันการละเมิดลิขสิทธิ์ของ Ross Intelligence หลังจากที่ Ross ใช้ Westlaw headnotes ของ Thomson Reuters เพื่อฝึกอบรมเครื่องมือการวิจัยทางกฎหมาย AI ที่แข่งขันกับ Westlaw ทั้งปัจจัยที่ 1 (วัตถุประสงค์และลักษณะ) และปัจจัยที่ 4 (ผลกระทบต่อตลาด) ของการวิเคราะห์การใช้ประโยชน์อย่างยุติธรรมมีความสำคัญต่อการตัดสิน

ผู้พิพากษา Stephanos Bibas พบว่าการใช้งานของ Ross ไม่ใช่การเปลี่ยนแปลงเนื่องจากสร้างตัวแทนการตลาดโดยตรง Ross ได้พยายามขออนุญาตใช้เนื้อหาของ Westlaw แต่ Thomson Reuters ปฏิเสธเนื่องจาก Ross เป็นคู่แข่ง การจัดตำแหน่งระหว่างวัตถุประสงค์ของวัสดุเดิมและวัตถุประสงค์ของผลิตภัณฑ์ AI ยังช่วยสนับสนุนการอ้างว่ามีการทำลายที่อาจเกิดขึ้น

ในทางกลับกัน เมื่อผลิตภัณฑ์ AI มุ่งเป้าไปที่ตลาดที่แตกต่างจากที่ใช้ในการฝึกอบรม การพิสูจน์การแทนที่ตลาดจะยากขึ้น ในคดี Bartz และ Kadrey โมเดลภาษาทั่วไปมีหน้าที่แตกต่างจากหนังสือที่ใช้ในการฝึกอบรม ความแตกต่างนี้อาจเป็นเรื่องสำคัญ – ระบบ AI ที่มีวัตถุประสงค์ห่างไกลจากแหล่งข้อมูลที่ใช้ในการฝึกอบรมจะยากที่จะพิสูจน์การแทนที่ตลาด

การปฏิเสธข้อโต้แย้ง “ตลาดการอนุญาต”

ทั้งสองศาลปฏิเสธข้อโต้แย้งว่าผู้พัฒนา AI ทำลายตลาดการอนุญาตสำหรับข้อมูลที่ใช้ในการฝึกอบรม ผู้พิพากษา Chhabria อธิบาย ว่าการปฏิบัติต่อค่าธรรมเนียมการอนุญาตที่สูญเสียไปว่าเป็นการทำลายจะทำให้การวิเคราะห์การใช้ประโยชน์อย่างยุติธรรมเป็นวงกลมโดยอัตโนมัติ โดยเอื้อประโยชน์ต่อผู้ถือลิขสิทธิ์ ผู้พิพากษา Alsup พบว่าตลาดการอนุญาตหนังสือเฉพาะสำหรับการฝึกอบรม AI “ไม่ใช่ตลาดที่กฎหมายลิขสิทธิ์ให้สิทธิ์แก่ผู้เขียน”

ศาลปฏิเสธที่จะปฏิบัติตามข้อตกลงการอนุญาตโดยสมัครใจว่าเป็นการสถาปนาสิทธิ์ทางกฎหมายในการเรียกเก็บค่าธรรมเนียม โดยเฉพาะอย่างยิ่งเมื่อการใช้งานมีการเปลี่ยนแปลงอย่างเพียงพอ การตัดสินเหล่านี้แสดงให้เห็นว่าตลาดการอนุญาตที่เกิดขึ้นใหม่ไม่ได้ให้สิทธิ์แก่ผู้ถือลิขสิทธิ์ในการห้ามการใช้ผลงานของตนอย่างยุติธรรมโดยอัตโนมัติ

ผลกระทบเชิงกลยุทธ์

สำหรับผู้ถือลิขสิทธิ์ คดีที่แข็งแกร่งที่สุดจะเป็นคดีที่การแทนที่ตลาดสามารถระบุได้อย่างชัดเจน พวกเขาอาจมุ่งเน้นไปที่ระบบ AI ที่ผลลัพธ์ใกล้เคียงกับผลงานเดิมมากกว่าการท้าทายการฝึกอบรมโดยทั่วไป

หาก TRAIN Act กลายเป็นกฎหมาย ผู้ถือลิขสิทธิ์จะได้รับเครื่องมือในการสืบสวนว่าผลงานของตนถูกใช้อย่างไร อย่างไรก็ตาม การได้รับข้อมูลจะเป็นเพียงขั้นตอนแรกเท่านั้น การพิสูจน์การทำลายตลาดจะยังคงเป็นกุญแจสำคัญในการประสบความสำเร็จของการเรียกร้องการละเมิดลิขสิทธิ์

สำหรับผู้พัฒนา AI การตัดสินล่าสุดให้กรอบการทำงานสำหรับการลดการเปิดเผยความเสี่ยง ประการแรก ควรได้รับแหล่งข้อมูลตามกฎหมาย ทั้ง Bartz และ Kadrey แสดงให้เห็นว่าการใช้ผลงานสำหรับการฝึกอบรม (อาจเป็นการใช้ประโยชน์อย่างยุติธรรม) แตกต่างจากการได้รับมาจากการละเมิดลิขสิทธิ์ ผู้พิพากษา Alsup พบว่าการดาวน์โหลดจากเว็บไซต์ละเมิดลิขสิทธิ์ของ Anthropic เป็นการละเมิดลิขสิทธิ์ที่ไม่สามารถแก้ไขได้ แม้ว่าการฝึกอบรมในภายหลังอาจเป็นการใช้ประโยชน์อย่างยุติธรรม

ประการที่สอง ควรออกแบบผลิตภัณฑ์สำหรับวัตถุประสงค์ที่แตกต่างจากแหล่งข้อมูลที่ใช้ในการฝึกอบรม ระบบ AI ที่ช่วยให้ผู้ใช้สร้างเอกสารมีวัตถุประสงค์ที่แตกต่างจากผลงานที่ใช้ในการฝึกอบรม ระบบที่เพียงแค่ค้นหาหรือทำซ้ำผลงานเหล่านั้นไม่ได้

ประการที่สาม ควรนำระบบป้องกันการทำซ้ำข้อความขนาดใหญ่ ระบบ Kadrey พบว่าระบบของ Meta ทำซ้ำเนื้อหาน้อยมากแม้ภายใต้การทดสอบที่ออกแบบมาเพื่อให้โมเดลทำซ้ำผลงานเดิม การพิสูจน์นี้ช่วยสนับสนุนการวิเคราะห์การใช้ประโยชน์อย่างยุติธรรม

สรุป

TRAIN Act อาจให้เครื่องมือแก่ผู้ถือลิขสิทธิ์ในการค้นหาว่าผลงานของตนถูกใช้ในการฝึกอบรม AI หรือไม่ อย่างไรก็ตาม การตัดสินล่าสุดชี้ให้เห็นว่าการค้นพบดังกล่าวจะเป็นเพียงจุดเริ่มต้นเท่านั้น กรอบการทำงานที่เกิดขึ้นในสหรัฐฯ มุ่งเน้นไปที่การทำลายตลาด โดยต้องแสดงให้เห็นถึงความเสียหายทางเศรษฐกิจที่สามารถระบุได้มากกว่าการใช้เพียงอย่างเดียว

ผู้พัฒนา AI ควรเน้นไปที่สามสิ่งนี้: ได้รับข้อมูลตามกฎหมาย สร้างผลิตภัณฑ์ที่มีวัตถุประสงค์ที่อยู่นอกเหนือจากวัสดุฝึกอบรม และป้องกันไม่ให้ระบบของตนทำซ้ำข้อความขนาดใหญ่ ผู้ถือลิขสิทธิ์จะมีคดีที่แข็งแกร่งที่สุดเมื่อสามารถแสดงให้เห็นว่าผลิตภัณฑ์ AI แทนที่ผลงานของตนในตลาด