Il New York Times ha accusato OpenAI di aver nascosto miliardi di log di conversazioni di ChatGPT e uno strumento di recupero interno che potrebbe collegare direttamente gli output del modello al giornalismo protetto da copyright, intensificando la causa per violazione del copyright in corso con una nuova istanza di sanzioni.
Punti chiave
- Il New York Times sostiene che OpenAI abbia occultato uno strumento interno in grado di cercare nei dati di addestramento e identificare testi protetti da copyright riprodotti negli output di ChatGPT.
- Gli editori affermano che OpenAI abbia eliminato o trattenuto miliardi di log di conversazioni di ChatGPT che avrebbero potuto costituire prove di violazione del copyright.
- OpenAI rischia un'istanza di sanzioni — una misura procedurale che, se accolta, potrebbe danneggiare significativamente la sua posizione legale nel caso.
- La controversia verte sulla questione se il processo di addestramento di OpenAI abbia acquisito e riprodotto articoli giornalistici senza autorizzazione né compenso.
- L'esito potrebbe stabilire un precedente vincolante sulla questione se gli output dei modelli di IA che riproducono testo sorgente costituiscano violazione del copyright.
Lo strumento nascosto al centro della disputa
Secondo quanto riportato da TechCrunch e Ars Technica, l'accusa più grave non riguarda i dati di addestramento in sé, ma una funzionalità di ricerca che OpenAI avrebbe tenuto nascosta. Il Times sostiene che OpenAI possedesse — e non avesse divulgato — uno strumento interno in grado di interrogare i dataset di addestramento e individuare i casi in cui gli output di ChatGPT corrispondevano strettamente al materiale sorgente protetto da copyright. Se questa ricostruzione reggesse, significherebbe che OpenAI aveva i mezzi per valutare la propria esposizione e ha scelto di non consegnare tali prove ai querelanti.
Ars Technica è stata diretta: OpenAI potrebbe aver «simulato l'incapacità di cercare nei dati di addestramento». È il tipo di accusa che trasforma una disputa sul copyright in una questione di condotta scorretta, ed è precisamente per questo che il Times sta perseguendo le sanzioni anziché limitarsi ad argomentare nel merito della violazione.
Cosa avrebbero potuto rivelare i log
I miliardi di log di conversazioni di ChatGPT eliminati o trattenuti rappresentano il secondo pilastro dell'accusa. Nel contenzioso sul copyright, i log degli output dei modelli sono potenziali prove schiaccianti: possono dimostrare se un modello stesse, in pratica, riproducendo porzioni sostanziali di testo protetto in risposta alle query degli utenti. Perdere o distruggere tali prove — se è questo ciò che è accaduto — è il tipo di comportamento che i tribunali trattano con estrema serietà, arrivando talvolta a istruire le giurie affinché presumano che le prove mancanti fossero sfavorevoli alla parte che le ha perse.
Per chiunque sviluppi applicazioni sulle API di OpenAI, la questione va oltre l'aula di tribunale. Se i tribunali dovessero infine stabilire che gli output di ChatGPT hanno riprodotto su larga scala giornalismo protetto da copyright, la pressione legale sulle modalità di addestramento dei modelli e su ciò che possono produrre si intensificherà in tutto il settore — non solo per OpenAI.
Perché questo caso ha un peso più ampio rispetto alla maggior parte delle battaglie sul copyright nell'IA
La causa del NYT è strutturalmente diversa dalle battaglie sul copyright legate alla generazione di immagini che hanno dominato le notizie legali sull'IA. Quei casi — inclusa la battaglia in corso che coinvolge Midjourney e gli studi cinematografici di Hollywood — ruotano in gran parte attorno alla questione se l'addestramento su immagini costituisca una violazione. Il caso del Times pone una domanda più precisa: il modello finito, in fase di deployment, ha riprodotto testo protetto verbatim o quasi verbatim in modi che gli utenti potevano richiamare su richiesta?
Questa distinzione è rilevante per i creatori di IA che lavorano in qualsiasi modalità. Una sentenza che stabilisca che la riproduzione al momento del deployment costituisce violazione eserciterebbe pressione su ogni fornitore di modelli fondazionali affinché implementi un filtraggio degli output a un livello ben superiore a quello attualmente esistente. Potrebbe anche accelerare il tipo di accordi di licenza che alcuni editori hanno già concluso con le aziende di IA — accordi che, qualora diventassero la norma, farebbero aumentare i costi operativi e potrebbero ripercuotersi sui prezzi delle API.
L'istanza di sanzioni come leva legale
Le sanzioni nel contenzioso civile federale non sono automatiche. Il Times deve convincere un giudice che la condotta di OpenAI — nascondere lo strumento di ricerca, eliminare i log — sia stata sufficientemente intenzionale da giustificare una punizione che vada oltre le ordinarie penalità per mancata discovery. Se l'istanza avesse successo, il tribunale potrebbe eliminare parti della difesa di OpenAI, trasferire i costi del contenzioso o emettere un'istruzione di inferenza avversa. Ognuno di questi esiti inclinerebbe significativamente il caso.
OpenAI non ha pubblicamente concesso alcuna delle caratterizzazioni del Times. Il team legale dell'azienda sosterrà quasi certamente che lo strumento in questione non rientrava nelle richieste di discovery così come formulate, e che la conservazione dei log ha seguito la politica standard piuttosto che una cancellazione motivata dal contenzioso. I tribunali valuteranno attentamente tali argomentazioni — ma il costo reputazionale dell'accusa è già reale.
La prossima udienza sull'istanza di sanzioni sarà il segnale più chiaro finora di quanto seriamente il giudice presidente consideri le affermazioni relative alla gestione delle prove. Quella sentenza, quando arriverà, è il dato da tenere d'occhio.
