ผู้นำทางความคิด

การใช้ประโยชน์อย่างยุติธรรมและการแข่งขันในตลาดที่ถูก AI รบกวน

Denas Grybauskas
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญพระราชบัญญัติ TRAIN จะให้อำนาจการออกหมายเรียก…
ดูเพิ่มเติม
  • พระราชบัญญัติ TRAIN จะให้อำนาจการออกหมายเรียก แต่การพิสูจน์ความเสียหายในตลาดยังคงเป็นอุปสรรคทางกฎหมายที่ชี้ขาด
  • ศาลปฏิเสธข้อโต้แย้งเรื่องตลาดการให้สิทธิ์และกำหนดให้ต้องมีหลักฐานชัดเจนว่าผลลัพธ์จาก AI แทนที่งานดั้งเดิม
  • นักพัฒนา AI สามารถลดความเสี่ยงทางกฎหมายด้วยการจัดหาข้อมูลอย่างถูกกฎหมายและออกแบบผลิตภัณฑ์ที่มีการเปลี่ยนแปลง

ร่างกฎหมายที่ได้รับการสนับสนุนจากทั้งสองพรรค Transparency and Responsibility for Artificial Intelligence Networks Act (TRAIN) ซึ่งเสนอในเดือนมกราคม 2026 จะให้อำนาจผู้สร้างเนื้อหาใช้หมายเรียกเพื่อบังคับให้บริษัท AI เปิดเผยข้อมูล หากร่างกฎหมายนี้ผ่าน ก็จะมีผู้ถือลิขสิทธิ์มากขึ้นที่มีกลไกทางกฎหมายในการค้นหาว่าผลงานของตนถูกใช้ในการฝึกอบรม AI หรือไม่

ในตอนแรก อาจดูเหมือนว่าอำนาจนี้จะทำให้ผู้ถือลิขสิทธิ์มีสิทธิ์ในการเรียกร้องค่าชดเชยจากผู้พัฒนา AI มากขึ้น แต่ในความเป็นจริง การทราบว่าผลงานของตนถูกใช้โดยไม่ได้รับอนุญาตก่อนหน้านั้นยังไม่เพียงพอ

เมื่อตัดสินคดีเกี่ยวกับการใช้ประโยชน์อย่างยุติธรรม ศาลจะพิจารณาปัจจัยสี่ประการ ได้แก่ วัตถุประสงค์ของการใช้ ลักษณะของผลงานเดิม ปริมาณที่ถูกนำไปใช้ และผลกระทบต่อมูลค่าตลาดของผลงานนั้น การตัดสินล่าสุดในศาลสหรัฐฯ ได้ยืนยันว่าการใช้ประโยชน์อย่างยุติธรรมยังคงเป็นรากฐานของนวัตกรรมและไม่สามารถถูกปฏิเสธได้ง่ายๆ จุดสนใจอยู่ที่ปัจจัยความเสียหายต่อตลาด และการพิสูจน์มัน

ความเสียหายต่อตลาดเป็นสนามรบหลัก

คำตัดสินคดีลิขสิทธิ์ที่เกี่ยวข้องกับ AIจากเขตศาล Northern District of California แสดงให้เห็นว่าศาลมีการเข้าถึงการวิเคราะห์การใช้ประโยชน์อย่างยุติธรรมที่แตกต่างกัน ในคดี Kadrey v. Meta ผู้พิพากษา Chhabria กล่าวว่าความเสียหายต่อตลาดเป็น “องค์ประกอบที่สำคัญที่สุดของการใช้ประโยชน์อย่างยุติธรรม” ผู้พิพากษา Alsup ในคดี Bartz v. Anthropic พิจารณาปัจจัยทั้งสี่อย่างสมดุล แต่ทั้งสองผู้พิพากษาตกลงกันว่า ผู้ฟ้องคดีไม่สามารถอ้างว่ามีการทำลายได้โดยไม่ต้องพิสูจน์ว่ามันเกิดขึ้นหรือมีแนวโน้มที่จะเกิดขึ้น

ความต้องการหลักฐานมีความสำคัญสำหรับผู้พัฒนา AI โดยเฉพาะอย่างยิ่งสำหรับสตาร์ทอัพที่ขาดแคลนเงินทุน หากต้องพิสูจน์ความเสียหายแทนที่จะสันนิษฐานว่ามีความเสียหาย ผู้พัฒนา AI สามารถเลือกการออกแบบเพื่อหลีกเลี่ยงมันได้ การตัดสินเหล่านี้ชี้ให้เห็นว่าผู้พัฒนา AI สามารถลดความเสี่ยงได้โดยการได้รับข้อมูลจากแหล่งที่ถูกต้อง การออกแบบผลิตภัณฑ์ที่มีวัตถุประสงค์ที่แตกต่างจากผลงานลิขสิทธิ์ที่ใช้ในการฝึกอบรม และการนำระบบป้องกันการทำซ้ำข้อความขนาดใหญ่

ศาลทั้งในคดี Bartz และ Kadrey เห็นว่าการฝึก AI เข้าข่าย “การใช้ที่ก่อให้เกิดการเปลี่ยนแปลงวัตถุประสงค์หรือคุณลักษณะ” ตามกฎหมายลิขสิทธิ์ ด้วยเหตุนี้ จุดสนใจจึงย้ายไปที่ปัจจัยที่สี่ของการวิเคราะห์การใช้ประโยชน์อย่างยุติธรรม: ความเสียหายต่อตลาด ข้อพิพาทลิขสิทธิ์ AI ล่าสุด แสดงให้เห็นถึงสิ่งนี้ คดีเหล่านี้มักมีการอ้างว่าการทำซ้ำข้อความลิขสิทธิ์ที่เหมือนกันทำให้มูลค่าตลาดลดลง

คดีเหล่านี้ยังคงต้องได้รับการตัดสิน อะไรที่สำคัญคือผู้จัดพิมพ์เข้าใจมากขึ้นว่า หากต้องการชนะ พวกเขาต้องอ้างว่าผลลัพธ์ของ AI แทนที่ความจำเป็นในการเข้าถึงผลงานเดิม และผลลัพธ์คือผู้ถือลิขสิทธิ์ได้รับอันตรายทางเศรษฐกิจที่แท้จริง

ความต้องการหลักฐาน

ทั้ง Bartz และ Kadrey เน้นย้ำว่าต้องแสดงหลักฐานความเสียหายต่อตลาด ไม่ใช่สันนิษฐานว่ามีความเสียหาย ในคดี Kadrey การทดสอบอย่างละเอียดแสดงให้เห็นว่า Llama ของ Meta ทำซ้ำไม่เกิน 50 โทเค็นจากผลงานของผู้ฟ้อง และเกิดขึ้นเพียง 60% ของกรณีเมื่อใช้คำสั่งโน้มน้าวที่ออกแบบมาเพื่อให้โมเดลทำซ้ำผลงานเดิม

ผู้พิพากษา Alsup ในคดี Bartz มุ่งเน้นไปที่ว่า Claude ของ Anthropic จริงๆ แล้วส่งเนื้อหาที่ละเมิดลิขสิทธิ์ให้กับผู้ใช้หรือไม่ – โจทก์ไม่ได้กล่าวอ้างว่าสิ่งนี้เกิดขึ้น หากไม่มีการทำซ้ำ จะยากที่จะอ้างว่ามีการแทนที่ผลงานเดิม

แนวทางเชิงหลักฐานนี้แสดงให้เห็นว่า แม้ว่าผู้ถือลิขสิทธิ์สามารถแสดงให้เห็นว่าผลงานของตนถูกใช้ในการฝึกอบรม แต่พวกเขาไม่จำเป็นต้องมีคดีที่แข็งแกร่งสำหรับการละเมิดลิขสิทธิ์ หากระบบ AI ที่ได้ผลไม่สร้างผลลัพธ์ที่ทำให้เกิดความเสียหายต่อตลาดที่ระบุได้ การใช้เพียงอย่างเดียวมีความสำคัญน้อยในทางกฎหมาย

เมื่อความเสียหายต่อตลาดได้รับการยอมรับ

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

ผู้พิพากษา Stephanos Bibas พบว่าการใช้ของ Ross ไม่ได้ก่อให้เกิดการเปลี่ยนแปลงวัตถุประสงค์หรือคุณลักษณะ เพราะสร้างผลิตภัณฑ์ที่ทดแทนของเดิมในตลาดโดยตรง Ross ได้พยายามขออนุญาตใช้เนื้อหาของ Westlaw แต่ Thomson Reuters ปฏิเสธเนื่องจาก Ross เป็นคู่แข่ง ความสอดคล้องระหว่างวัตถุประสงค์ของเนื้อหาต้นฉบับและวัตถุประสงค์ของผลิตภัณฑ์ AI ยังช่วยสนับสนุนข้อกล่าวอ้างว่าอาจเกิดความเสียหาย

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

การปฏิเสธข้อโต้แย้ง “ตลาดการอนุญาต”

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

ศาลไม่ยอมถือว่าข้อตกลงอนุญาตใช้สิทธิโดยสมัครใจเป็นการก่อตั้งสิทธิทางกฎหมายในการเรียกเก็บค่าธรรมเนียม อย่างน้อยในกรณีที่การใช้มีการเปลี่ยนแปลงวัตถุประสงค์หรือคุณลักษณะอย่างเพียงพอ การตัดสินเหล่านี้แสดงให้เห็นว่าตลาดการอนุญาตที่เกิดขึ้นใหม่ไม่ได้ให้สิทธิ์แก่ผู้ถือลิขสิทธิ์ในการห้ามการใช้ผลงานของตนอย่างยุติธรรมโดยอัตโนมัติ

ผลกระทบเชิงกลยุทธ์

สำหรับผู้ถือลิขสิทธิ์ คดีที่แข็งแกร่งที่สุดจะเป็นคดีที่การแทนที่ตลาดสามารถระบุได้อย่างชัดเจน พวกเขาอาจมุ่งเน้นไปที่ระบบ AI ที่ผลลัพธ์ใกล้เคียงกับผลงานเดิมมากกว่าการท้าทายการฝึกอบรมโดยทั่วไป

หาก TRAIN Act กลายเป็นกฎหมาย ผู้ถือลิขสิทธิ์จะได้รับเครื่องมือในการสืบสวนว่าผลงานของตนถูกใช้อย่างไร อย่างไรก็ตาม การได้รับข้อมูลจะเป็นเพียงขั้นตอนแรกเท่านั้น การพิสูจน์ความเสียหายต่อตลาดจะยังคงเป็นกุญแจสำคัญในการประสบความสำเร็จของการเรียกร้องการละเมิดลิขสิทธิ์

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

ประการที่สอง ควรออกแบบผลิตภัณฑ์สำหรับวัตถุประสงค์ที่แตกต่างจากแหล่งข้อมูลที่ใช้ในการฝึกอบรม ระบบ AI ที่ช่วยผู้ใช้ร่างเอกสารมีวัตถุประสงค์ต่างจากนวนิยายหรือบทความในข้อมูลฝึกของมัน แต่ระบบที่เพียงค้นคืนหรือทำซ้ำผลงานเหล่านั้นไม่ได้มีวัตถุประสงค์ที่แตกต่างเช่นนั้น

ประการที่สาม ควรใช้มาตรการป้องกันการทำซ้ำข้อความแบบคำต่อคำในปริมาณมาก ศาลในคดี Kadrey ระบุว่าระบบของ Meta ทำซ้ำเนื้อหาเพียงเล็กน้อยแม้ในการทดสอบเชิงโจมตี ซึ่งสนับสนุนข้ออ้างเรื่องการใช้ประโยชน์อย่างยุติธรรม ผู้พัฒนาที่ปล่อยให้ระบบคายเนื้อหาที่มีลิขสิทธิ์ออกมาเป็นส่วนใหญ่ อาจเผชิญความเสี่ยงทางกฎหมายที่สูงกว่ามาก

สรุป

TRAIN Act อาจให้เครื่องมือแก่ผู้ถือลิขสิทธิ์ในการค้นหาว่าผลงานของตนถูกใช้ในการฝึกอบรม AI หรือไม่ อย่างไรก็ตาม การตัดสินล่าสุดชี้ให้เห็นว่าการค้นพบดังกล่าวจะเป็นเพียงจุดเริ่มต้นเท่านั้น กรอบการทำงานที่เกิดขึ้นในสหรัฐฯ มุ่งเน้นไปที่ความเสียหายต่อตลาด โดยต้องแสดงความเสียหายทางเศรษฐกิจที่ระบุได้ ไม่ใช่เพียงการใช้ผลงานในการฝึก

ผู้พัฒนา AI ควรเน้นไปที่สามสิ่งนี้: ได้รับข้อมูลตามกฎหมาย สร้างผลิตภัณฑ์ที่มีวัตถุประสงค์ที่อยู่นอกเหนือจากวัสดุฝึกอบรม และป้องกันไม่ให้ระบบของตนทำซ้ำข้อความยาวแบบคำต่อคำ ผู้ถือลิขสิทธิ์จะมีคดีที่แข็งแกร่งที่สุดเมื่อสามารถแสดงให้เห็นว่าผลิตภัณฑ์ AI แทนที่ผลงานของตนในตลาด

เดนาส กริบาวสคัส เป็น ประธานเจ้าหน้าที่ฝ่ายกำกับดูแลและกลยุทธ์ ที่ Oxylabs ในช่วงแรกของอาชีพของเขาในบริษัทกฎหมายระดับโลกและกลุ่มองค์กรขนาดใหญ่ เดนาสได้รับประสบการณ์ทางกฎหมายและธุรกิจอย่างกว้างขวาง ทักษะและความสนใจของเขาในโลกเทคโนโลยีช่วยให้เขาเป็นหนึ่งในที่ปรึกษาทางกฎหมายชั้นนำในอุตสาหกรรมการรวบรวมข้อมูล และเป็นหัวหน้าฝ่ายกฎหมายของ Oxylabs ซึ่งเป็นแพลตฟอร์มการรวบรวมข้อมูลอินเทอร์เน็ตระดับโลก

ปัจจุบัน เดนาสเป็น ประธานเจ้าหน้าที่ฝ่ายกำกับดูแลและกลยุทธ์ ของ Oxylabs โดยนำทีมกฎหมาย ความเสี่ยง ความยั่งยืน และการสื่อสาร เดนาสยังเป็นผู้นำความคิดระดับโลก โดยให้ข้อคิดเห็นต่อสื่อ และเป็นนักการศึกษา โดยแบ่งปันความรู้ของเขากับนักเรียนและอาจารย์ที่มหาวิทยาลัยชั้นนำหลายแห่ง เช่น University of Michigan นอกจากนี้เขายังเป็นหนึ่งในเสียงหลักของ Ethical Web Data Collection Initiative (EWDCI)