Documenti Giudiziari Non Censurati Mostrano che Microsoft Ha Definito Privatamente lo Scraping AI come il 'Più Grande Furto di Lavoro nella Storia Umana'
Sofia Marchetti· Corrispondente di industria e politiche·
Sofia segue i soldi, le politiche e le piattaforme che decidono cosa possono creare gli artisti.
Scegli un compagno e scopri cosa ne pensa di questa storia
Documenti giudiziari appena desecretati dalla causa per violazione del copyright del New York Times contro OpenAI e Microsoft mostrano che un dirigente Microsoft ha descritto privatamente lo scraping di dati AI come «il più grande furto di lavoro nella storia umana» — anche mentre entrambe le aziende costruivano dataset di addestramento da contenuti a pagamento del Times.
Punti chiave
I documenti non censurati in NYT v. OpenAI rivelano che Microsoft ha caratterizzato internamente lo scraping AI di contenuti editoriali come furto di lavoro su larga scala.
Le email di Microsoft e OpenAI hanno anche segnalato un temuto «ciclo di morte»: contenuti generati dall'AI che spiazzano gli editori di notizie, che poi priverebbero i futuri modelli AI di dati di addestramento di qualità.
Entrambe le aziende hanno estratto articoli a pagamento del New York Times per dati di addestramento nonostante questi avvertimenti interni.
I documenti fanno emergere una tensione strutturale che colpisce ogni modello AI di immagini e testo addestrato su lavori creativi estratti dal web — inclusi i dataset dietro i principali generatori di immagini di oggi.
Il caso è in corso; i documenti desecretati rappresentano una significativa escalation nel record probatorio contro entrambi gli imputati.
La contraddizione interna che Microsoft non è riuscita a censurare
I documenti, riportati da TechCrunch, mostrano che figure senior di Microsoft non operavano sotto alcuna illusione su cosa significasse legalmente o eticamente lo scraping web su larga scala. La formulazione di un dirigente — «più grande furto di lavoro nella storia umana» — è sorprendente proprio perché appare in corrispondenza interna, non in un documento legale o una dichiarazione pubblica progettata per un pubblico. È il tipo di linguaggio che emerge quando le persone credono di non essere osservate.
L'inquadramento del «ciclo di morte» è ugualmente incisivo. Secondo Ars Technica, email interne avvertivano che i sistemi AI che spiazzano gli editori di notizie avrebbero alla fine distrutto le pipeline di dati di alta qualità da cui dipendono quegli stessi sistemi AI — un ciclo autodistruttivo che entrambe le aziende apparentemente riconoscevano e con cui hanno comunque proceduto.
Microsoft e OpenAI affrontano un'esposizione legale crescente mentre i documenti non censurati rivelano la consapevolezza interna della posta in gioco etica dello scraping.
Cosa questo espone sull'economia dei dati di addestramento
Per chiunque costruisca con generatori di immagini AI o modelli di testo, l'architettura legale sottostante questi strumenti è sempre stata nebulosa. Questo caso chiarisce considerevolmente il quadro. La stessa logica di scraping che ha estratto articoli del Times ha anche alimentato i massicci dataset di immagini — LAION, derivati di Common Crawl — che hanno addestrato Stable Diffusion, Midjourney e i loro successori. Quando Stability AI ha affrontato pressione legale simile nel 2023 da Getty Images e una classe di artisti visivi, la difesa dell'azienda si basava in parte sull'argomento che lo scraping era pratica standard del settore. Questi documenti Microsoft suggeriscono che i dirigenti del settore stesso sapevano che quell'argomento aveva dei limiti.
La posta in gioco pratica per l'addestramento di modelli di immagini è diretta. Se i tribunali stabiliscono che lo scraping di contenuti a pagamento o protetti da copyright senza licenza costituisce violazione — e ammissioni interne di «furto» non aiutano gli imputati — la struttura dei costi per costruire modelli di frontiera cambia. Gli accordi di licenza diventano obbligatori piuttosto che opzionali, e quel costo alla fine fluisce a valle: nei prezzi delle API, nei livelli di abbonamento delle piattaforme e nei modelli disponibili ai creatori.
La piattaforma di remix AI musicale con licenza di Universal Music ed ElevenLabs annunciata all'inizio di quest'anno rappresenta una versione di come appare un'economia di modelli post-scraping — diritti negoziati in anticipo, ricavi condivisi. Se le piattaforme di generazione di immagini si muovano nella stessa direzione dipende pesantemente da come si risolve questo caso.
Il cambiamento probatorio
I documenti non censurati sono una categoria diversa di documento da quelli censurati. I tribunali li desecretano quando determinano che l'interesse pubblico supera le rivendicazioni di riservatezza degli imputati — una soglia che di per sé segnala scetticismo giudiziario. Il team legale del NYT ora ha a verbale, nelle parole stesse degli imputati, un riconoscimento che la condotta in questione ha causato danno.
«Il più grande furto di lavoro nella storia umana.»
Per i creatori che usano strumenti AI costruiti su pipeline di dati simili, la questione non è più se il rischio legale sia teorico. È quanto velocemente si muovono i tribunali, e se le principali piattaforme — incluse quelle che alimentano la generazione di immagini AI oggi — abbiano assicurato abbastanza dati con licenza per sopravvivere a una sentenza avversa. La prossima udienza sostanziale in NYT v. OpenAI determinerà se queste ammissioni interne sopravvivano a una mozione per limitare il loro uso probatorio.
