AI trainen op auteursrechtelijk beschermde boeken: wat de juridische onzekerheid betekent voor makers die deze modellen gebruiken

Geen enkele rechtbank heeft definitief geoordeeld dat het trainen van AI-modellen op auteursrechtelijk beschermde boeken illegaal is — maar de kwestie speelt in meerdere Amerikaanse rechtszaken, en de uitkomst zal rechtstreeks bepalen welke modellen overleven, welke trainingspipelines worden stilgelegd en wat makers juridisch mogen doen met door AI gegenereerde output.\n\n## Belangrijkste conclusies\n\n- Amerikaanse rechtbanken hebben nog geen definitief oordeel geveld over de vraag of het gebruik van auteursrechtelijk beschermde boeken voor AI-training inbreuk op het auteursrecht vormt.\n- Meerdere lopende rechtszaken van auteurs, waaronder George R.R. Martin en John Grisham, richten zich tegen bedrijven als OpenAI en Meta vanwege trainingsdata.\n- Het juridische kerngeschil draait om de vraag of AI-training kwalificeert als „fair use" onder het Amerikaanse auteursrecht — een verweer dat AI-bedrijven actief voeren.\n- Een uitspraak tegen AI-labs kan hen dwingen opnieuw te trainen op gelicentieerde data, wat mogelijk de modelkwaliteit verslechtert of de kosten verhoogt die worden doorberekend aan makers.\n- Auteurs wier werk zonder toestemming werd gebruikt, hadden geen weet van wat er gebeurde — een feit dat rechtbanken zwaar kunnen laten meewegen bij het beoordelen van schadevergoeding.\n\n## De fair-use-gok in het hart van elk groot model\n\nDe juridische theorie waarop AI-bedrijven inzetten is fair use — meer specifiek het argument dat het opnemen van auteursrechtelijk beschermde tekst om een statistisch model te bouwen „transformatief" genoeg is om buiten inbreuk te vallen. Dat argument heeft precedent: Google won een tien jaar durende strijd over het scannen van boeken voor zoekindexering. Maar het genereren van proza, afbeeldingen of code die rechtstreeks concurreert met de originele werken is een moeilijker te verdedigen zaak, en meerdere rechters hebben toegestaan dat auteurszaken de vroege afwijzingsfase passeren — een signaal dat het verweer niet waterdicht is.\n\nZoals TechCrunch meldt, hebben de meeste gepubliceerde auteurs zonder hun medeweten of toestemming bijgedragen aan de ontwikkeling van AI-tools — tools die nu concurreren met hun eigen schrijfwerk om lezers en opdrachten.\n\n> „De meeste gepubliceerde auteurs hebben, zonder hun medeweten of toestemming, bijgedragen aan de ontwikkeling van dezelfde AI-tools die hun bestaanszekerheid dreigen te ondermijnen."\n>\n> — TechCrunch\n\n\n\n## Wat een uitspraak in beide richtingen doet met de modellen die makers gebruiken\n\nHier worden de inzetten concreet voor iedereen die werkt met AI-beeldgeneratoren of teksttools. De grote taalmodellen die ten grondslag liggen aan veel beeldgeneratiepipelines — voor bijschriften, promptinterpretatie en multimodale redenering — zijn getraind op datasets die vrijwel zeker auteursrechtelijk beschermde tekst bevatten. Als rechtbanken oordelen dat training zonder licentie inbreuk vormt, staan labs voor drie opties: dure retroactieve licenties onderhandelen, opnieuw trainen op smallere datasets, of getroffen modellen sluiten.\n\nOpnieuw trainen op samengestelde, gelicentieerde corpora levert doorgaans modellen op met een smaller stilistisch bereik en zwakkere generalisatie. Voor makers vertaalt zich dat in prompts die minder esthetische registers raken, minder genuanceerd karakterschrijven in ondersteunende tools en een algemene vervlakking van de outputvariëteit. De rijkheid die huidige modellen het gevoel geeft van een echte stilistische breedte, komt mede voort uit de omvang van wat zij hebben opgenomen — inclusief de literaire traditie die auteurs nu vechten om te beschermen.\n\nEr is hier een parallel met de pictorialistische fotografen van het vroege twintigste eeuw, die betoogden dat fotografie alleen kunst kon worden door de visuele grammatica van de schilderkunst te lenen. Rechtbanken moesten uiteindelijk beslissen wat gold als originele expressie in een mechanisch medium. AI dwingt dezelfde vraag af vanuit de tegenovergestelde richting: niet of de machine kunst kan maken, maar of zij toestemming had om te leren van de kunst die al gemaakt was.\n\n## Het toestemmingsgat en de praktische gevolgen\n\nHet toestemmingsprobleem snijdt dieper dan de juridische theorie. Auteurs hebben niet ingestemd; hun werk werd geoogst uit datasets die op grote schaal werden samengesteld, vaak zonder enige publieke bekendmaking van welke titels waren opgenomen. Die ondoorzichtigheid maakt het voor makers moeilijk te weten of het model dat zij gebruiken getraind is op de stijl van een specifieke auteur — wat zowel ethisch als, in toenemende mate, commercieel relevant is, omdat sommige opdrachtgevers beginnen te vragen om herkomstdocumentatie bij door AI ondersteund werk.\n\nPlatforms die hierop vooruit willen lopen, bewegen zich al richting gelicentieerde trainingsovereenkomsten met uitgevers. Adobe Firefly's pitch aan commerciële klanten heeft altijd gesteund op de training met gelicentieerde data. Als rechtszaken concurrenten dwingen hetzelfde pad te volgen, wordt het kostenverschil kleiner — maar ook de kloof in creatief bereik die open-gewicht en breed getrainde modellen momenteel aantrekkelijk maakt voor experimenteel werk.\n\nVoorlopig werken makers die een groot AI-tool gebruiken met modellen waarvan de juridische grondslag werkelijk betwist is. Dat is geen reden om te stoppen — rechtbanken bewegen langzaam, en rechterlijke bevelen tegen geïmplementeerde modellen zijn zeldzaam — maar het is wel een reden om bij te houden welke labs proactief data licentiëren en welke nog steeds de fair-use-gok wagen. De uitkomst bepaalt niet alleen wie wie geld verschuldigd is, maar ook wat de volgende generatie modellen mag leren.