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. 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