Receba no seu e-mail as principais histórias da semana sobre IA e arte com IA — selecionadas, diretas e grátis.
Grátis. Cancele quando quiser.
Escolha um companheiro e veja o que ele acha dessa história
O New York Times acusou a OpenAI de ocultar bilhões de registros de conversas do ChatGPT e uma ferramenta interna de recuperação que poderia vincular diretamente as saídas do modelo ao jornalismo protegido por direitos autorais, escalando seu processo judicial em andamento com uma nova solicitação de sanções.
De acordo com reportagens do TechCrunch e da Ars Technica, a alegação mais prejudicial não diz respeito aos próprios dados de treinamento, mas a uma capacidade de busca que a OpenAI teria mantido em sigilo. O Times afirma que a OpenAI possuía — e não divulgou — uma ferramenta interna capaz de consultar conjuntos de dados de treinamento e identificar casos em que as saídas do ChatGPT correspondiam de perto a material-fonte protegido por direitos autorais. Se essa caracterização se sustentar, significaria que a OpenAI tinha os meios para avaliar sua própria exposição e optou por não entregar essas evidências aos autores da ação.
A formulação da Ars Technica foi direta: a OpenAI pode ter «fingido incapacidade de pesquisar dados de treinamento». Esse é o tipo de alegação que transforma uma disputa de direitos autorais em território de má conduta — e é exatamente por isso que o Times está buscando sanções em vez de simplesmente argumentar os méritos da infração.
Os bilhões de logs de conversas do ChatGPT deletados ou retidos formam o segundo pilar da acusação. Em litígios de direitos autorais, registros de saídas de modelos são potenciais provas irrefutáveis: podem mostrar se um modelo estava, na prática, reproduzindo partes substanciais de texto protegido em resposta a consultas de usuários. Perder ou destruir essas evidências — se foi isso que aconteceu — é o tipo de coisa que os tribunais tratam com muita seriedade, às vezes instruindo os júris a presumir que as evidências ausentes eram desfavoráveis à parte que as perdeu.
Para qualquer pessoa que desenvolve sobre as APIs da OpenAI, isso importa além da sala de audiências. Se os tribunais eventualmente decidirem que as saídas do ChatGPT reproduziram jornalismo protegido por direitos autorais em escala, a pressão jurídica sobre como os modelos são treinados e o que podem produzir se intensificará em todo o setor — não apenas para a OpenAI.
O processo do NYT é estruturalmente diferente das batalhas de direitos autorais em geração de imagens que dominaram as notícias jurídicas sobre IA. Esses casos — incluindo a disputa em andamento envolvendo o Midjourney e estúdios de Hollywood — giram em grande parte em torno de se o treinamento com imagens constitui infração. O caso do Times faz uma pergunta mais precisa: o modelo finalizado, em implantação, reproduziu texto protegido de forma literal ou quase literal de maneiras que os usuários podiam recuperar sob demanda?
Essa distinção importa para criadores de IA que trabalham em qualquer modalidade. Uma decisão de que a reprodução no momento da implantação constitui infração pressionaria todos os provedores de modelos de base a implementar filtragem de saída em um nível muito além do que existe atualmente. Isso também poderia acelerar o tipo de acordos de licenciamento que algumas editoras já firmaram com empresas de IA — acordos que, se se tornarem a norma, elevariam os custos operacionais e potencialmente se refletiriam nos preços das APIs.
Sanções em litígios civis federais não são automáticas. O Times precisa convencer um juiz de que a conduta da OpenAI — ocultar a ferramenta de busca, deletar logs — foi intencional o suficiente para justificar punição além das penalidades comuns de descoberta de provas. Se a moção for bem-sucedida, o tribunal poderia eliminar partes da defesa da OpenAI, transferir custos do litígio ou emitir uma instrução de inferência adversa. Qualquer um desses resultados inclinaria significativamente o caso.
A OpenAI não concedeu publicamente nenhuma das caracterizações do Times. A equipe jurídica da empresa quase certamente argumentará que a ferramenta em questão não era responsiva às solicitações de descoberta de provas conforme formuladas, e que a retenção de logs seguiu a política padrão em vez de uma exclusão motivada pelo litígio. Os tribunais avaliarão esses argumentos com cuidado — mas o custo reputacional da acusação já é real.
A próxima audiência sobre a moção de sanções será o sinal mais claro até agora de quão seriamente o juiz presidente considera as alegações sobre o tratamento de evidências. Essa decisão, quando vier, é o dado que vale a pena acompanhar.
