A New York Times Company publicou um aviso legal vinculativo que proíbe scraping automatizado, mineração de dados e o uso de seu jornalismo para treinar modelos de inteligência artificial sem permissão escrita explícita, citando a Diretiva de Direitos Autorais da UE e reservando todos os direitos de licenciamento comercial.
Pontos Principais
- O New York Times proíbe explicitamente o uso de seu conteúdo para treinamento de IA/ML/LLM sem permissão escrita.
- O aviso invoca o opt-out do Artigo 4 da Diretiva de Direitos Autorais da UE e reserva todos os direitos de licenciamento comercial.
- Editores estão cada vez mais monetizando jornalismo como dados de treinamento por meio de acordos negociados (ex.: OpenAI–FT, OpenAI–Axel Springer).
- Laboratórios de IA enfrentam custos crescentes de aquisição de dados e risco legal à medida que editores premium afirmam controle de direitos autorais.
- O desfecho depende da trajetória dos litígios, clarificação regulatória e da evolução dos padrões do mercado de licenciamento.
Resumo Executivo de Inteligência
Base Legal e Escopo das Restrições
O aviso invoca explicitamente o Artigo 4 da Diretiva da UE sobre Direitos Autorais no Mercado Único Digital, que rege as exceções para mineração de texto e dados. A Times opta por não se submeter a tal exceção, afirmando que seu conteúdo não pode ser usado para "o desenvolvimento de qualquer software, aprendizado de máquina, inteligência artificial (IA) e/ou grandes modelos de linguagem (LLMs)". A proibição estende-se à criação ou distribuição de conjuntos de dados arquivados ou em cache contendo conteúdo da Times.
Essa posição alinha-se a uma tendência crescente entre editores premium – incluindo o Financial Times, Axel Springer e The Associated Press – de reservar formalmente direitos sobre o uso legível por máquina de seus arquivos. A Times direciona consultas comerciais à sua divisão de Content Packages and Rights Licensing, sinalizando disposição para monetizar o acesso por meio de acordos negociados, em vez de proibição geral.
Contexto de Mercado: Editores vs. Laboratórios de IA
A aplicação de direitos autorais sobre dados de treinamento de IA tornou-se um campo de batalha comercial e legal central. Grandes desenvolvedores de IA historicamente confiaram em vastos corpora na escala da web, muitas vezes ingeridos via conjuntos de dados Common Crawl, sem acordos de licença individuais. Editores argumentam que isso constitui reprodução não autorizada e ameaça modelos de receita baseados em assinaturas e publicidade.
Acordos de licenciamento recentes – como os da OpenAI com Axel Springer, Financial Times e Le Monde – estabelecem um preço de mercado para jornalismo de alta qualidade e fact-checkado como dados de treinamento. O aviso da Times fortalece sua posição negocial ao deixar claro que qualquer uso futuro requer um arranjo comercial sob medida.
Implicações para o Desenvolvimento de IA e Economia de Dados
Para laboratórios de IA, a proliferação de opt-outs de editores eleva o custo marginal de aquisição de dados de treinamento frescos e autoritativos. Modelos treinados com dados de domínio público desatualizados ou de menor qualidade podem sofrer degradação de desempenho em eventos atuais, domínios especializados e precisão factual. Essa dinâmica favorece incumbentes bem capitalizados capazes de arcar com portfólios de licenciamento, potencialmente consolidando o mercado de modelos de fundação.
Para o setor de mídia, a mudança representa uma nova fonte de receita: licenciar propriedade intelectual para consumo por máquinas. Contudo, também corre o risco de fragmentar a web aberta se editores se recolherem atrás de paywalls e barreiras técnicas, reduzindo a descobribilidade e o acesso público a informações verificadas.
Perspectivas Futuras: Litígios, Legislação e Licenciamento
Três desenvolvimentos merecem monitoramento. Primeiro, se a Times buscará litígios contra scrapers não conformes, seguindo seu processo de dezembro de 2023 contra OpenAI e Microsoft. Segundo, se reguladores dos EUA ou da UE esclarecerão o escopo das exceções de mineração de texto e dados para IA generativa. Terceiro, o ritmo e os termos de acordos de licenciamento no segmento premium de editores, que definirão benchmarks para a valoração de corpora jornalísticos na economia da IA.
