A bolha que envolvia o treinamento de inteligências artificiais com dados da internet parece começar a estourar, e de forma barulhenta. Cinco das maiores editoras do mundo — entre elas Hachette e Macmillan — levaram a Meta aos tribunais federais de Manhattan, nos Estados Unidos, com uma acusação grave: pirataria em escala industrial para alimentar seus modelos de IA.
Não se trata de um caso isolado, mas de um pedido de processo coletivo. As empresas Elsevier, Cengage, Hachette, Macmillan e McGraw Hill, junto ao renomado autor Scott Turow, alegam que a gigante de Mark Zuckerberg teria se apropriado de milhões de obras, desde livros didáticos a romances, sem qualquer permissão. O objetivo? Treinar os modelos de linguagem grande (LLMs) da família Llama, que são a base de muitos dos sistemas de inteligência artificial da companhia.
“A Meta tem conscientemente pirateado obras protegidas por direitos autorais em uma escala massiva, violando a Lei de Direitos Autorais dos Estados Unidos.”
Essa é a tônica da argumentação apresentada na ação perante o tribunal federal. Os demandantes argumentam que a Meta não apenas usou o material, mas o fez de forma explícita para ensinar seus modelos a responder a solicitações humanas, tornando-os mais sofisticados e, consequentemente, mais valiosos.
A acusação central na batalha legal
No cerne da queixa, está a alegação de que a Meta obteve e se beneficiou de um conjunto de dados conhecido como “Books3”, que seria uma compilação de nada menos que 170.000 títulos de ficção e não ficção, todos sem autorização. Embora o conjunto de dados em si já tenha sido removido da internet, as editoras afirmam que ele foi a base para o treinamento de várias versões do Llama. O dano, segundo elas, já está feito e reverberando nos modelos de IA da Meta.
A situação não é exclusiva da Meta. Nos últimos anos, empresas de tecnologia ligadas à IA têm enfrentado processos similares. A OpenAI, por exemplo, desenvolvedora do ChatGPT, também está na mira de autores e editoras por supostamente usar obras protegidas por direitos autorais para treinar seus modelos. A questão central é universal no setor: como as empresas podem usar vastas quantidades de dados, muitos deles protegidos, para construir e aprimorar suas IAs sem infringir leis e direitos intelectuais?
O precedente e o futuro das IAs
É inegável que modelos de IA como o Llama dependem de uma quantidade enorme de dados para aprender. Sem essa base, eles não seriam capazes de gerar textos coerentes, responder a perguntas complexas ou até mesmo traduzir idiomas. A questão que se coloca é: qual o limite para a coleta e uso desses dados? E quem deve ser compensado quando o material é protegido por direitos autorais?
Para as editoras, a resposta é clara: a Meta e outras empresas de IA devem pagar pelo uso. O autor Scott Turow, em declaração anexada ao processo, é categórico:
“Não há justificativa para o uso não autorizado de nossas obras para o benefício comercial da Meta. Acredito firmemente na proteção de direitos autorais e na justa compensação aos criadores.”
Este processo pode ter implicações significativas para o futuro do desenvolvimento de IA. Uma decisão desfavorável à Meta poderia estabelecer um precedente, forçando as empresas de tecnologia a buscar acordos de licenciamento mais robustos e a investir mais em dados publicamente disponíveis ou licenciados explicitamente. Isso poderia, por sua vez, aumentar os custos de desenvolvimento de IA e até mesmo desacelerar a inovação em alguns aspectos.
Impacto para o ecossistema de conteúdo
No Brasil, a discussão sobre direitos autorais e IA ainda está em estágios iniciais, mas as discussões globais servem de termômetro. A ABDR (Associação Brasileira de Direitos Reprográficos), por exemplo, já manifestou preocupação com o uso indiscriminado de obras protegidas. Uma decisão favorável às editoras nos EUA pode reverberar por aqui, incentivando criadores e detentores de direitos a seguir o mesmo caminho.
Para o mercado editorial, a necessidade de proteger o conteúdo é vital. Ameaçado pela pirataria digital há anos, o setor vê na IA um novo desafio, mas também uma oportunidade de reivindicar o devido valor pelo trabalho intelectual. A digitalização e a facilidade de acesso a milhões de livros criaram um ambiente propício para que conjuntos de dados como o Books3 fossem compilados e utilizados sem reflexão sobre a legalidade ou compensação.
Como aponta o portal The Guardian, a batalha legal não é apenas sobre o dinheiro, mas sobre o princípio de que o conteúdo humano tem valor e que esse valor não pode ser simplesmente 'raspado' da internet sem consequências. A inteligência artificial, embora promissora, precisa operar dentro de um quadro ético e legal que respeite os criadores.
O que esperar da Meta?
A Meta ainda não se manifestou oficialmente sobre o caso, mas a postura de empresas de IA em situações semelhantes tem sido geralmente de invocar o conceito de fair use (uso justo) ou de argumentar que o treinamento de modelos não é uma violação direta de direitos autorais, pois o resultado final não é uma cópia literal das obras, mas uma nova criação inspirada nos dados.
Contudo, a argumentação de que a Meta “pirateou” milhões de obras implica um dano direto e uma apropriação indevida, que vai além do mero “treinamento”. O desfecho deste processo será observado com atenção por todo o setor de tecnologia e pelo mundo da criação de conteúdo, definindo, talvez, como será a simbiose entre inteligência artificial e propriedade intelectual nos próximos anos. Será que veremos uma nova era de licenciamento de dados em massa, ou a batalha jurídica continuará a ser o campo de força entre essas duas indústrias tão poderosas?