Sofia acompanha o dinheiro, as políticas e as plataformas que definem o que criadores podem fazer.
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
Documentos judiciais recém-tornados públicos do processo de direitos autorais do New York Times contra a OpenAI e a Microsoft mostram que um executivo da Microsoft descreveu internamente o scraping de dados por IA como «o maior roubo de trabalho da história da humanidade» — mesmo enquanto ambas as empresas construíam conjuntos de dados de treinamento a partir de conteúdo pago do Times.
Os documentos, reportados pelo TechCrunch, mostram que figuras seniores da Microsoft não operavam sob qualquer ilusão sobre o que o scraping web em larga escala significava legal ou eticamente. A formulação de um executivo — «o maior roubo de trabalho da história da humanidade» — é marcante precisamente porque aparece em correspondência interna, não em uma petição judicial ou declaração pública elaborada para um público. É o tipo de linguagem que emerge quando as pessoas acreditam que não estão sendo observadas.
O enquadramento do «loop de destruição» é igualmente contundente. De acordo com a Ars Technica, e-mails internos alertavam que sistemas de IA deslocando editoras de notícias acabariam por destruir os pipelines de dados de alta qualidade dos quais esses mesmos sistemas de IA dependem — um ciclo autodestrutivo que ambas as empresas aparentemente reconheceram e mesmo assim seguiram em frente.
Microsoft e OpenAI enfrentam exposição legal crescente à medida que documentos sem redação revelam consciência interna sobre as implicações éticas do scraping.
Imagem: TechCrunch / TechCrunch AI
Para qualquer pessoa que trabalha com geradores de imagens por IA ou modelos de texto, a arquitetura legal por trás dessas ferramentas sempre foi nebulosa. Este caso torna o quadro consideravelmente mais nítido. A mesma lógica de scraping que coletou artigos do Times também alimentou os enormes conjuntos de dados de imagens — LAION, derivados do Common Crawl — que treinaram o Stable Diffusion, o Midjourney e seus sucessores. Quando a Stability AI enfrentou pressão legal semelhante em 2023 da Getty Images e de um grupo de artistas visuais, a defesa da empresa se baseou em parte no argumento de que o scraping era prática padrão do setor. Esses documentos da Microsoft sugerem que os próprios executivos do setor sabiam que esse argumento tinha limites.
As implicações práticas para o treinamento de modelos de imagem são diretas. Se os tribunais decidirem que raspar conteúdo pago ou protegido por direitos autorais sem licença constitui violação — e admissões internas de «roubo» não ajudam os réus — a estrutura de custos para construir modelos de fronteira muda. Acordos de licenciamento tornam-se obrigatórios em vez de opcionais, e esse custo eventualmente flui para baixo: nos preços de API, nas camadas de assinatura de plataformas e nos modelos disponíveis para criadores.
A plataforma de remix musical licenciado com IA da Universal Music e ElevenLabs anunciada no início deste ano representa uma versão de como seria uma economia de modelos pós-scraping — direitos negociados antecipadamente, receita compartilhada. Se as plataformas de geração de imagens seguirão a mesma direção depende muito de como este caso se resolve.
Documentos sem redação são uma categoria diferente de documentos redatados. Os tribunais os tornam públicos quando determinam que o interesse público supera as reivindicações de confidencialidade dos réus — um limiar que por si só sinaliza ceticismo judicial. A equipe jurídica do NYT agora tem registrado, nas próprias palavras dos réus, um reconhecimento de que a conduta em questão causou dano.
«O maior roubo de trabalho da história da humanidade.»
— Executivo da Microsoft, correspondência interna (via TechCrunch)
Para criadores que usam ferramentas de IA construídas sobre pipelines de dados semelhantes, a questão não é mais se o risco legal é teórico. É com que rapidez os tribunais se movem e se as principais plataformas — incluindo aquelas que alimentam a geração de imagens por IA hoje — garantiram dados licenciados suficientes para sobreviver a uma decisão adversa. A próxima audiência substantiva em NYT v. OpenAI determinará se essas admissões internas sobrevivem a uma moção para limitar seu uso probatório.