Martha Leal é presidente do Instituto Nacional de Proteção de Dados (INPD), especialista em Direito Digital e Proteção de Dados, mestre em Direito e Negócios Internacionais, certificada como CDPO pela Maastricht University.
No último dia 1º de setembro, o Departamento de Justiça dos Estados Unidos apresentou uma Declaração de Interesse no litígio multidistrital In re OpenAI Copyright Infringement Litigation, em tramitação no Distrito Sul de Nova Iorque.
Algumas manchetes se referiram ao documento como se fosse uma decisão. Não é. A manifestação não julga a controvérsia e tampouco vincula o magistrado. Ela registra a posição institucional do governo federal, com fundamento no 28 U.S.C. § 517. Sua importância está na influência que poderá exercer sobre o julgamento sumário e, ainda, na linha de argumentação que oferece para outros processos envolvendo grandes modelos de linguagem.
A posição favorece os desenvolvedores. Para o governo, a utilização de obras escritas no treinamento de grandes modelos de linguagem, conhecidos pela sigla LLMs (Large Language Models), é extraordinariamente transformadora e, se examinada de forma isolada, compatível com o fair use.
A obra original informa, educa ou entretém diretamente o público. Já a cópia feita durante o treinamento permite que o modelo aprenda padrões estatísticos, vocabulário, sintaxe e relações linguísticas. Seu propósito não seria oferecer ao leitor um sucedâneo do livro ou do artigo, mas viabilizar uma ferramenta capaz de realizar tarefas variadas.
A manifestação percorre os quatro fatores previstos no § 107 do Copyright Act, conferindo especial importância ao caráter transformador e aos efeitos sobre o mercado. Nesse raciocínio, nem mesmo a cópia integral da obra, realizada em etapa intermediária, seria decisiva. Interessa saber quanto da expressão autoral chegou ao público e se o conteúdo disponibilizado pode substituir a obra. A exploração comercial do produto também não afastaria, por si só, o fair use. À medida que cresce o caráter transformador, diminui o peso atribuído à finalidade comercial.
O aspecto mais relevante, no plano jurídico, talvez seja a exigência de uma análise específica de cada uso. Coleta e armazenamento do conjunto de dados, cópia para treinamento e geração de resultados não são tratados como um único ato. Um resultado que reconstrua parte substancial de uma obra pode ser infrator sem que, necessariamente, todo o treinamento também o seja. O inverso merece igual atenção. Reconhecer a natureza transformadora do treinamento não legitima a obtenção de arquivos em repositórios piratas, a violação de medidas tecnológicas, o descumprimento contratual ou a remoção de informações sobre a gestão dos direitos. A separação das etapas evita que questões juridicamente diversas sejam resolvidas por uma resposta única.
A passagem mais contundente da manifestação trata da teoria da “diluição de mercado”, considerada em Kadrey v. Meta. De acordo com essa construção, modelos treinados com livros poderiam produzir novas obras em grande quantidade, saturar o mercado e reduzir a remuneração dos autores humanos, mesmo quando os resultados não reproduzissem substancialmente nenhum livro determinado. O governo classifica essa teoria como “profundamente falha”. Em sua avaliação, ela mistura treinamento e resultado, além de converter concorrência econômica genérica em dano autoral.
O Copyright Act protege a expressão original. Não protege estilos, gêneros, ideias ou métodos de criação. Por essa razão, um texto gerado por IA não se torna infrator apenas por integrar a mesma categoria das obras utilizadas no treinamento ou por disputar a atenção do público.
Para que o prejuízo de mercado seja relevante no exame do quarto fator, deve haver concorrência substitutiva significativa. Em termos concretos, o resultado precisa revelar expressão protegida em extensão suficiente para ocupar o lugar da obra identificada. A proximidade temática ou estilística não resolve essa questão quando inexiste similaridade substancial.
A orientação repercute diretamente em processos como New York Times v. OpenAI/Microsoft e nas ações propostas por autores e editoras. Alegações formuladas em bloco tendem a perder espaço. Será necessário apontar a obra utilizada, a etapa em que ocorreu a cópia, o conteúdo eventualmente retido pelo modelo, os elementos protegidos que reapareceram e a maneira pela qual certo resultado substitui a obra ou um mercado derivado protegido.
Do lado dos desenvolvedores, tornam-se ainda mais relevantes o registro da procedência dos conjuntos de dados, a deduplicação, os filtros contra memorização e os testes voltados à prevenção de reproduções extensas.
A posição do governo também favorece soluções judiciais proporcionais ao dano demonstrado. Alguns resultados reconstrutivos podem justificar bloqueios específicos, aperfeiçoamento de filtros ou indenização pelas reproduções comprovadas. Não conduziriam, necessariamente, à proibição do treinamento ou à paralisação integral do modelo.
A manifestação também não elimina o espaço das licenças. Acordos para acesso a conteúdo atualizado, bases proprietárias, materiais protegidos por paywall e sistemas de recuperação de informações mantêm valor econômico próprio. O que o governo recusa é a presunção de que a simples possibilidade de licenciamento torne infrator todo treinamento realizado sem autorização.
A Declaração de Interesse não encerra a controvérsia. A comparação entre o treinamento computacional e o aprendizado humano pode ser questionada em razão da escala industrial da cópia. A separação entre treinamento e resultado, por sua vez, torna-se menos convincente quando a memorização é previsível ou frequente. Ainda assim, o documento desloca o centro da discussão.
Já não basta perguntar se determinada obra integrou o treinamento. Será preciso examinar a origem do arquivo, a finalidade de cada cópia, a arquitetura do modelo, a expressão que chegou ao público e a existência de substituição concreta. É nesse campo, ao mesmo tempo jurídico e técnico, que deverá ser definido o alcance do fair use na era dos LLMs.