Pozew USA Today przeciwko OpenAI uderza w ekonomię stojącą za ChatGPT

USA Today złożył pozew o naruszenie praw autorskich przeciwko OpenAI, domagając się ponad 250 mln dolarów. Do rozszerzającego się sporu prawnego dotyczącego trenowania AI dołączyło 19 publikacji. Pozew USA Today przeciwko OpenAI zarzuca firmie skopiowanie setek tysięcy artykułów bez zgody, a następnie wykorzystanie tego materiału do generowania konkurencyjnych odpowiedzi.

Oskarżenie wykracza poza sposób, w jaki OpenAI tworzyło zbiory danych treningowych. USA Today Co. twierdzi również, że ChatGPT może odtwarzać wartość informacyjną artykułu, jednocześnie dając czytelnikom mniej powodów do odwiedzenia jego pierwotnego wydawcy.

OpenAI nie odpowiedziało publicznie na nowy pozew, gdy sprawę opisano 8 października 2026 r. Ugruntowane stanowisko spółki w powiązanych postępowaniach głosi, że trenowanie modeli na publicznie dostępnych materiałach stanowi dozwolony użytek. Sądy zaakceptowały warianty tego argumentu w niektórych sprawach dotyczących AI, lecz rozstrzygnięcia nadal w dużej mierze zależą od sposobu pozyskania i wykorzystania treści.

Pozew pojawia się, gdy The New York Times i liczni inni wydawcy dochodzą podobnych roszczeń. Sprawy te przekształciły techniczne pytanie o trenowanie modeli w bezpośredni spór o to, kto przechwytuje ekonomiczną wartość dziennikarstwa cyfrowego.

Co zarzuca pozew USA Today przeciwko OpenAI

Pozew dotyczy zarówno tworzenia modeli OpenAI, jak i streszczeń artykułów, które modele te mogą dostarczać użytkownikom.

USA Today Co. oraz powiązani wydawcy złożyli pozew 8 października w federalnym sądzie okręgowym dla Południowego Okręgu Nowego Jorku. Zgodnie z pozwem dotyczącym praw autorskich, powodowie kontrolują prawa autorskie do materiałów pochodzących z 19 publikacji.

Wśród tych publikacji są USA Today, Detroit Free Press, The Arizona Republic, The Tennessean, Indianapolis Star i The Columbus Dispatch. Inne uczestniczące redakcje obsługują społeczności w Ohio, Wisconsin, Iowa, Kentucky, Tennessee, Oklahomie, New Jersey, na Florydzie, w Nowym Jorku i Karolinie Północnej.

Wydawcy twierdzą, że OpenAI skopiowało setki tysięcy ich artykułów i innych materiałów, aby trenować kolejne modele językowe. Według nich firma ani nie poprosiła o zgodę, ani nie zapłaciła za takie wykorzystanie.

Pozew domaga się odszkodowania przekraczającego 250 mln dolarów oraz nakazu mającego powstrzymać dalsze domniemane naruszenia. Żądana kwota pozostaje roszczeniem powodów, a nie wyrokiem sądu ani uzgodnioną wyceną ich żądań.

Wydawcy oskarżają także OpenAI o usuwanie informacji o zarządzaniu prawami autorskimi. Informacje te mogą obejmować podpisy autorów, informacje o własności oraz inne dane wskazujące, kto stworzył lub kontroluje utwór.

Pozew ma wskazywać ponad 160 000 wpisów z witryn należących do powodów w WebText, zbiorze danych powiązanym z GPT-2. Przypisuje 83 266 wpisów witrynie usatoday.com i 12 994 witrynie freep.com.

Twierdzi również, że domeny należące do wydawców odpowiadały za ponad 122 mln tokenów w C4. C4 to przefiltrowany zbiór tekstów pochodzący ze zrzutu sieci Common Crawl z 2019 r.

Liczby te pochodzą z pozwu i nie zostały jeszcze zweryfikowane w kontradyktoryjnym postępowaniu sądowym. OpenAI może zakwestionować analizę zbiorów danych przedstawioną przez wydawców, jej interpretację lub związek między konkretnymi utworami a konkretnymi modelami.

Pozew dodatkowo zarzuca, że nowsze systemy OpenAI mogą tworzyć obszerne streszczenia wskazanych artykułów. Przykłady dołączone do pozwu mają dotyczyć materiałów kilku uczestniczących lokalnych gazet.

Twierdzenie dotyczące wyników ma znaczenie, ponieważ przybliża spór do odbiorcy. Trenowanie odbywa się w procesie rozwoju modelu, którego większość użytkowników nigdy nie widzi. Szczegółowe streszczenie funkcjonuje na tym samym rynku informacji co artykuł źródłowy.

Powodowie przedstawiają takie zachowanie jako substytucję. Ich teoria zakłada, że użytkownik, który otrzymuje za pośrednictwem ChatGPT kluczowe fakty, strukturę i wnioski, ma mniej powodów, by otworzyć stronę wydawcy.

Jak zauważyły pierwsze relacje, pozew opisuje wykorzystanie treści przez OpenAI jako powodujące ciągłą szkodę. Zdaniem wydawców komercyjny sukces OpenAI częściowo opiera się na dziennikarstwie pozyskanym bez upoważnienia.

To twierdzenie tworzy centralny konflikt. OpenAI postrzega trenowanie modeli jako transformacyjne wykorzystanie dostępnych informacji. Wydawcy widzą komercyjny system, który wykorzystuje ich pracę, a następnie konkuruje o tę samą publiczność.

Dlaczego lokalne gazety podnoszą stawkę

Ta sprawa jest istotna, ponieważ łączy roszczenia dotyczące praw autorskich w AI z ekonomią lokalnego dziennikarstwa, a nie tylko z krajowymi markami medialnymi.

The New York Times stworzył najbardziej widoczne wyzwanie dla wydawców, gdy w grudniu 2023 r. pozwał OpenAI i Microsoft. Sprawa dotyczyła nieuprawnionego kopiowania podczas trenowania oraz generowania wyników konkurujących z treściami Timesa.

Inne organizacje później złożyły lub dołączyły do powiązanych spraw. Należą do nich gazety MediaNews Group, Center for Investigative Reporting, Ziff Davis, The Intercept, CBC/Radio-Canada, Encyclopaedia Britannica, Merriam-Webster, The Seattle Times i Newsday.

Osobna koalicja obejmująca setki lokalnych wydawców również dochodzi roszczeń przeciwko OpenAI i Microsoftowi. Nie jest to już spór między jedną prominentną gazetą a jedną firmą AI.

USA Today Co. wnosi inny rodzaj skali. Uczestniczące publikacje obejmują redakcje metropolitalne i regionalne, których dziennikarstwo opisuje władze miejskie, agencje stanowe, lokalne przedsiębiorstwa, szkoły, sądy i wydarzenia społecznościowe.

Ta praca często nie ma bezpośredniego substytutu. Ogólnokrajowy wydawca może streścić ważne ogłoszenie dotyczące polityki federalnej, lecz prawdopodobnie nie będzie uczestniczył w posiedzeniu w sprawie budżetu miejskiego w innym stanie.

Gdy model odpowiada na pytanie, korzystając z lokalnego reportażu, łańcuch ekonomiczny staje się szczególnie widoczny. Gazeta opłaca reporterów, redaktorów, fotografów i personel pomocniczy, aby tworzyć informacje. Chatbot może następnie dostarczyć syntetyczną odpowiedź bez ponoszenia tych kosztów reporterskich.

Odpowiedź może nadal wymieniać wydawcę lub prowadzić do niego linkiem. Jednak przypisanie autorstwa nie gwarantuje odwiedzin, subskrypcji ani wyświetlenia reklamy.

Wydawcy tradycyjnie akceptowali indeksowanie przez wyszukiwarki, ponieważ wyniki wyszukiwania zwykle pełniły funkcję nawigacyjną. Nagłówek i krótki fragment pomagały czytelnikom zdecydować, którą stronę otworzyć.

Odpowiedzi generatywne działają inaczej. Mogą łączyć fakty z kilku stron, układać je w czytelne wyjaśnienie i wykonać zadanie użytkownika w obrębie interfejsu.

Dlatego pozew USA Today przeciwko OpenAI nie dotyczy wyłącznie historycznych kopii treningowych. Pyta, czy produkt AI staje się komercyjnym substytutem, gdy przekształca te kopie w użyteczne, samodzielne odpowiedzi.

To rozróżnienie wyjaśnia również, dlaczego wydawcy mogą licencjonować treści niektórym firmom AI, jednocześnie pozywając inne. Umowa licencyjna określa dostęp, wynagrodzenie, przypisanie autorstwa i dozwolone sposoby użycia. Nielicencjonowane pozyskiwanie pozostawia te warunki pod kontrolą twórcy modelu.

OpenAI twierdzi, że ma umowy z ponad 20 wydawcami i grupami medialnymi. Wśród jego partnerów znalazły się Associated Press, Axios, The Atlantic, Condé Nast, Hearst, News Corp, Prisa Media i Vox Media.

Istnienie tych umów pomaga obu stronom formułować odmienne argumenty. Wydawcy mogą twierdzić, że rynek już uznaje wysokiej jakości wiadomości za dobro podlegające licencjonowaniu. OpenAI może twierdzić, że partnerstwa pokazują wsparcie dla dziennikarstwa, a nie próbę jego zastąpienia.

Żaden z tych argumentów nie rozstrzyga, czy wcześniejsze, nielicencjonowane kopiowanie było zgodne z prawem. Pokazuje jednak, że rynek wykroczył poza prosty wybór między nieograniczonym scrapowaniem a całkowitym zakazem dostępu dla AI.

Dla lokalnych redakcji presja jest natychmiastowa. Muszą zdecydować, czy negocjować, blokować roboty indeksujące, prowadzić spór sądowy czy akceptować warunki przekierowań zaprojektowane przez większe platformy technologiczne.

Ta odpowiedź nie jest wyłącznie kalkulacją prawną. Wpływa na to, jak lokalne reportaże będą odkrywane, streszczane, finansowane i archiwizowane w systemach informacyjnych napędzanych przez AI.

Obrona OpenAI oparta na dozwolonym użytku zderza się z zarzutem substytucji

Centralnym kompromisem prawnym jest to, czy transformacyjny charakter trenowania modeli przeważa nad szkodą konkurencyjną zarzucaną przez wydawców.

Dozwolony użytek to amerykańska doktryna prawa autorskiego, która zezwala na pewne nielicencjonowane wykorzystania po rozważeniu przez sądy celu, charakteru, zakresu i wpływu na rynek. Nie oznacza ona, że wszystkie publicznie dostępne materiały są bezpłatne dla dowolnego celu komercyjnego.

OpenAI konsekwentnie twierdzi, że trenowanie modeli ma charakter transformacyjny. Zamiast przechowywać artykuły jako przeszukiwalne archiwum publikacji, model analizuje duże ilości tekstu, aby uczyć się wzorców statystycznych.

Na swojej publicznej stronie dotyczącej sprawy praw autorskich firma twierdzi, że modele AI tworzą nowe treści i zawierają zabezpieczenia mające zapobiegać replikacji. Wskazuje również na federalne orzeczenia dotyczące Meta i Anthropic, które uznały trenowanie modeli za wysoce transformacyjne.

Orzeczenia te stanowią istotne wsparcie dla twórców AI, lecz nie rozstrzygają automatycznie każdego sporu o trenowanie. Źródło materiału treningowego, sposób obchodzenia się z pirackimi kopiami, projekt produktu i jego skutki rynkowe mogą zmienić analizę.

Postępowanie przeciwko Anthropic zilustrowało to rozróżnienie. Sąd może uznać trenowanie za transformacyjne, jednocześnie traktując pozyskanie lub przechowywanie materiałów z nielegalnych źródeł jako odrębny problem.

USA Today próbuje nadać równie duże znaczenie substytucji rynkowej. Pozew nie ogranicza się do stwierdzenia, że kopie trafiły do zbioru danych. Zarzuca, że OpenAI celowo stworzyło systemy zdolne do streszczania i przepakowywania dziennikarstwa wydawców.

Wydawcy nadal będą musieli powiązać te zarzuty z możliwymi do zidentyfikowania utworami chronionymi prawem autorskim oraz z działaniem rodzącym odpowiedzialność prawną. Prawo autorskie chroni oryginalny sposób wyrażenia, a nie fakty leżące u podstaw materiału prasowego.

To ograniczenie jest istotne. Sąd nie uzna każdej trafnej odpowiedzi na temat opisanego wydarzenia za naruszenie wyłącznie dlatego, że gazeta jako pierwsza ujawniła fakty.

Trudniejsze pytanie dotyczy sposobu wyrażenia i struktury. Wynik modelu, który podąża za charakterystyczną organizacją artykułu lub blisko parafrazuje obszerne fragmenty, stwarza inny problem niż krótka odpowiedź faktograficzna złożona z kilku źródeł.

OpenAI może również zakwestionować, czy przykłady przedstawione przez powodów odzwierciedlają zwykłe użycie. W sporze z The New York Times firma argumentowała, że powodowie korzystali z przygotowanych promptów, aby wymusić nietypowe odtwarzanie treści.

Jeżeli użytkownik musi podać tytuł, powtarzać instrukcje lub celowo obchodzić zabezpieczenia, OpenAI może argumentować, że taki test nie odzwierciedla normalnego działania produktu. Wydawcy mogą odpowiedzieć, że zdolność systemu do tworzenia substytutów pozostaje istotna, zwłaszcza gdy użytkownicy proszą o streszczenia znanych artykułów.

Ten spór czyni dowody dotyczące wyników kluczowymi. Sądy będą musiały rozróżniać zapamiętywanie, pobieranie, streszczanie i niezależne generowanie, zamiast traktować każdy wygenerowany akapit jako ten sam proces.

Zapamiętywanie oznacza, że model zachowuje wystarczająco dużo informacji, aby odtworzyć części swoich danych treningowych. Pobieranie zazwyczaj polega na znajdowaniu aktualnych informacji w źródłach zewnętrznych. Streszczanie skraca wskazane źródło do krótszej formy.

Pojedyncza odpowiedź ChatGPT może łączyć wszystkie trzy mechanizmy. To utrudnia ustalenie, czy dana odpowiedź pochodzi z wag modelu, bieżącego dostępu do sieci, licencjonowanych danych czy kilku źródeł wykorzystanych łącznie.

Najmocniejsza teoria wydawców ma charakter ekonomiczny, a nie czysto techniczny. Jeśli ChatGPT regularnie dostarcza wartość na poziomie pojedynczych artykułów bez generowania istotnego ruchu, produkt może konkurować z wydawcami niezależnie od swojej wewnętrznej architektury.

Najmocniejsza odpowiedź OpenAI również ma charakter ekonomiczny. Modele ogólnego przeznaczenia tworzą wiele nowych rezultatów i zastosowań, które nie zastępują żadnego konkretnego utworu. Ograniczenie treningu do materiałów licencjonowanych lub należących do domeny publicznej — jak argumentuje firma — ograniczyłoby społecznie użyteczny rozwój AI.

Sąd nie rozstrzygnie tego kompromisu, wybierając, czy bardziej wartościowe jest dziennikarstwo, czy AI. Zastosuje prawo autorskie do konkretnych przypadków kopiowania, konkretnych utworów, konkretnych wyników oraz wykazanych skutków rynkowych.

Sprawa ma istotne słabe punkty

Wysokie żądanie odszkodowania nie zwalnia wydawców z obowiązku udowodnienia własności, kopiowania, terminowości i konkretnej szkody.

Najbardziej rzucającą się w oczy liczbą w pozwie jest żądanie ponad 250 mln dolarów. Kwota ta sygnalizuje skalę sporu, ale nie należy jej traktować jako ustalonej straty.

Ustawowe odszkodowania za naruszenie praw autorskich mogą zależeć od liczby zarejestrowanych utworów, terminu rejestracji oraz tego, czy naruszenie było umyślne. Sądy chronią również przed wielokrotnym naliczaniem odpowiedzialności za to samo podstawowe zachowanie.

USA Today i jego podmioty powiązane muszą wskazać utwory, do których mają prawa, oraz wykazać, w jaki sposób OpenAI miało je rzekomo naruszyć. Szerokie oszacowanie liczby wpisów w zbiorze danych może nie odpowiadać na te pytania dotyczące poszczególnych utworów.

Czas może stanowić kolejną przeszkodę. Roszczenia z tytułu praw autorskich co do zasady podlegają trzyletniemu okresowi przedawnienia, choć nadal toczą się spory o to, kiedy powód dowiedział się lub powinien był dowiedzieć się o domniemanym naruszeniu.

Starsza aktywność związana z treningiem modeli może więc podlegać innym argumentom niż niedawne zachowania dotyczące wyników. OpenAI podnosiło zarzuty przedawnienia w powiązanych sporach dotyczących wczesnych systemów GPT.

Wydawcy muszą także oddzielić kopiowanie chronione prawem autorskim od pozyskiwania faktów. Dziennikarstwo zawiera oryginalne teksty, dobór materiału, analizę i organizację, ale przekazuje również informacje, o których mogą informować inni.

Kolejną niewiadomą jest to, na ile reprezentatywne są dołączone przykłady odpowiedzi chatbota. Sąd może zapytać, jak często pojawiają się podobne wyniki, czy wymagają wyspecjalizowanych promptów oraz czy zabezpieczenia zapobiegają im podczas zwykłego użycia.

Rzeczywista szkoda rynkowa również będzie wymagać dowodów. Wydawcy mogą opisać logiczne ryzyko substytucji, lecz pomiar utraconego ruchu, subskrypcji lub przychodów licencyjnych wymaga czegoś więcej niż wykazania, że ChatGPT potrafi streścić artykuł.

Szersze postępowania sądowe prowadzone przez wydawców przyniosły już mieszane rezultaty proceduralne. Niektóre roszczenia przetrwały etap oddalenia, podczas gdy inne, dotyczące znaków towarowych lub informacji o zarządzaniu prawami autorskimi, zostały ograniczone albo oddalone.

Spór z The New York Times nadal na przykład w dużej mierze koncentruje się na dozwolonym użytku, dostępie do dowodów i substytucji rynkowej. Powiązane postępowanie wywołało również spory dotyczące logów ChatGPT oraz dowodów dostępnych dla wydawców.

OpenAI twierdzi, że żądania dotyczące rozmów użytkowników stwarzają zagrożenia dla prywatności. Wydawcy argumentują, że wyniki modeli i wewnętrzne możliwości wyszukiwania są konieczne, aby ustalić, w jaki sposób wykorzystywano utwory chronione prawem autorskim.

Powodowie związani z USA Today mogą skorzystać z dowodów zgromadzonych w tych wcześniejszych sprawach, zwłaszcza jeśli ich pozew zostanie skoordynowany z powiązanymi postępowaniami w tym samym sądzie federalnym. Koordynacja może ograniczyć powielanie procedur i ujednolicić kluczowe kwestie prawne.

Dołączenie do większej grupy może jednak powodować opóźnienia. Spory dowodowe, dowody specyficzne dla modeli, kwestie poufności oraz wnioski o wydanie wyroku w trybie uproszczonym mogą utrzymywać te sprawy w toku przez lata.

Nie ma również gwarancji, że każda uczestnicząca publikacja będzie mieć identyczne roszczenia. Różne serwisy mogą posiadać odmienne archiwa, ograniczenia dostępu, rejestracje praw autorskich i relacje z wyszukiwarkami lub dostawcami danych.

Partnerstwa OpenAI z wydawcami dodatkowo komplikują tę narrację. Sąd nie założy, że samo istnienie rynku licencjonowania dowodzi niezgodności z prawem każdego treningu bez licencji.

Jednocześnie takie umowy mogą pomóc wydawcom argumentować, że firmy AI uznają zarówno użyteczność, jak i wartość komercyjną profesjonalnie tworzonego news contentu.

Dwie tezy mogą zatem pozostać prawdziwe. Trening modeli językowych może mieć charakter transformacyjny, a konkretne sposoby pozyskiwania lub reprodukowania utworów chronionych prawem autorskim mogą nadal rodzić odpowiedzialność.

Pozew będzie zależał od tego, gdzie sąd wyznaczy te granice. Nagłówki o jednym wyroku za lub przeciw treningowi AI pominą tę bardziej szczegółową analizę.

Ten spór dotyczy również przyszłości ruchu internetowego

Komercyjnym zagrożeniem dla wydawców jest warstwa odpowiedzi, która korzysta z ich reportaży, jednocześnie zmniejszając potrzebę odwiedzania ich stron internetowych.

Wyszukiwarki historycznie oferowały wydawcom skomplikowany układ. Crawlery kopiowały i indeksowały strony, ale wyniki wyszukiwania odsyłały również odbiorców do źródła.

Wydawcy optymalizowali nagłówki, strony i dane strukturalne pod kątem tego systemu poleceń. Strategie reklamowe i subskrypcyjne zależały następnie od tego, czy część użytkowników wyszukiwarek otworzy wynik.

Wyszukiwanie generatywne osłabia tę sekwencję. Interfejs AI może odczytać lub pobrać wiele stron, porównać je i przedstawić gotowe wyjaśnienie nad linkami do źródeł.

Użytkownik pytający o wybory miejskie, orzeczenie sądu, wynik sportowy lub zamknięcie firmy może otrzymać kluczową odpowiedź bez opuszczania chatbota. Link staje się dowodem pomocniczym, a nie celem wizyty.

Nie oznacza to, że polecenia z AI nie mają wartości. Dobrze przypisana odpowiedź może zapoznać nowych czytelników z publikacją, a niektóre zapytania nadal wymagają szczegółowego, oryginalnego reportażu.

Spór dotyczy równowagi. Jeśli system AI pobiera wystarczająco dużo informacji, by zaspokoić większość użytkowników, jednocześnie zwracając niewielki ruch, wydawcy ponoszą koszty reportażu, podczas gdy platforma przejmuje relację z odbiorcą.

Dlatego pozew podobno przywołuje wypowiedzi sugerujące, że użytkownicy często nie klikają po otrzymaniu odpowiedzi. Zarzut łączy projekt produktu z deklarowaną przez wydawców szkodą rynkową.

OpenAI może odpowiedzieć, że podsumowania, cytowania i linki pomagają ludziom odkrywać dziennikarstwo. Może też argumentować, że internet od zawsze pozwalał na cytowanie fragmentów, indeksowanie i transformacje niewymagające licencji.

Różnica polega na skali. Fragment wyniku wyszukiwania zwykle zapowiada stronę. Odpowiedź generatywna może zsyntetyzować stronę, odpowiedzieć na pytania uzupełniające i dostosować wyjaśnienie do potrzeb użytkownika.

Wydawcy realizują więc jednocześnie kilka strategii. Niektórzy licencjonują archiwa firmom AI. Niektórzy blokują określone crawlery. Niektórzy negocjują warunki przypisania i podziału przychodów. Inni prowadzą spory sądowe dotyczące wcześniejszego treningu i obecnych wyników.

Podejścia te nie wykluczają się wzajemnie. Wydawca może rozważać nowe umowy, jednocześnie dochodząc odszkodowania za działania, które — według niego — miały miejsce bez zgody.

To samo napięcie dotyczy użytkowników biznesowych. Odpowiedź wygenerowana przez AI może być wygodna, ale podsumowanie bez jasnego pochodzenia utrudnia ocenę dokładności, kontekstu i praw do wykorzystania.

Zespoły zajmujące się newsami, badaniami, zgodnością lub analizą konkurencji muszą zachowywać informacje o pochodzeniu twierdzeń. Ustrukturyzowany system zarządzania wiedzą może zachować linki do źródeł i kontekst, zamiast traktować każdą wygenerowaną odpowiedź jako samopotwierdzającą się.

Ta praktyka nie rozstrzyga kwestii praw autorskich. Ogranicza jednak praktyczne ryzyko powstające wtedy, gdy interfejs AI oddziela informacje od ich pierwotnego środowiska reporterskiego.

Dla deweloperów sprawa podkreśla wagę kontroli nad treścią. Systemy pobierające bieżące artykuły potrzebują zasad regulujących dostęp, długość cytatów, przypisanie źródeł, cache’owanie oraz odpowiedzi na wykluczenia wydawców.

Dla nabywców korporacyjnych rodzi ona pytania zakupowe. Klienci mogą coraz częściej pytać, czy dostawca modelu korzysta z licencjonowanych źródeł, respektuje preferencje crawlerów i potrafi wskazać pochodzenie pobranych informacji.

Dla wydawców kluczową kwestią jest siła negocjacyjna. Poszczególne lokalne redakcje mogą mieć trudności z negocjowaniem z firmą obsługującą szeroko używaną globalną platformę.

Zbiorowe postępowania sądowe i skoordynowane licencjonowanie mogą zmienić tę równowagę. Mogą także zwiększyć ryzyko, że tylko najwięksi wydawcy uzyskają korzystne umowy, podczas gdy mniejsze redakcje pozostaną poza rynkiem.

Trzy sygnały określą, co wydarzy się dalej

Kolejny etap ukształtują koordynacja sądowa, dowody dotyczące wyników oraz warunki przyszłych umów z wydawcami.

Pierwszym sygnałem będzie to, czy pozew USA Today przeciwko OpenAI zostanie formalnie skoordynowany ze sprawami wydawców już toczącymi się w Nowym Jorku. Wspólne postępowanie dowodowe i orzeczenia prawne uczyniłyby ten pozew częścią szerszego testu treningu AI, a nie odosobnionym powództwem odszkodowawczym.

Koordynacja wzmocniłaby znaczenie każdego orzeczenia w trybie uproszczonym w sporze The New York Times. Sprawa ta posunęła się już wystarczająco daleko, by nakreślić konkurencyjne argumenty dotyczące transformacyjnego treningu i komercyjnej substytucji.

Jak pokazał najnowszy etap sprawy, OpenAI powoływało się na korzystne decyzje dotyczące Meta i Anthropic. Wydawcy utrzymują, że systemy tworzące konkurencyjne odpowiedzi newsowe wywołują inny skutek rynkowy.

Orzeczenie kierujące kluczowe roszczenia do procesu wzmocniłoby pozycję USA Today i zwiększyło presję na ugody. Szerokie orzeczenie uznające dozwolony użytek na korzyść OpenAI osłabiłoby roszczenia oparte wyłącznie na treningu, choć zarzuty dotyczące konkretnych wyników mogłyby pozostać.

Drugim sygnałem będzie jakość dowodów przedstawionych przez powodów. Sąd będzie potrzebował czegoś więcej niż listy domen znalezionych w publicznych zbiorach danych.

Warto obserwować listy zarejestrowanych utworów, wewnętrzne rejestry treningu, reprezentatywne wyniki modeli oraz dowody pokazujące, czy zwykłe prompty generują obszerne streszczenia artykułów. Znaczenie będą miały również dowody dotyczące ruchu i licencjonowania.

Jeśli wydawcy wykażą powtarzalną substytucję w odniesieniu do wielu utworów, ich teoria ekonomiczna stanie się silniejsza. Jeśli dowody będą zależeć od nietypowych promptów lub słabych dokumentów własności, obrona OpenAI zyska na sile.

Trzecim sygnałem jest rynek licencjonowania. OpenAI twierdzi, że współpracuje już z licznymi organizacjami medialnymi, ale warunki umów są na ogół prywatne, a dostęp pozostaje nierówny.

Więcej umów z grupami lokalnych gazet wspierałoby tezę, że firmy AI potrzebują wiarygodnych, wynagradzanych źródeł wiadomości. Umowy skupione wyłącznie na przypisaniu źródeł, bez istotnego ruchu lub wynagrodzenia, pozostawiłyby nierozstrzygnięty centralny spór ekonomiczny.

Długa batalia sądowa może również wymusić zmiany w produktach przed wydaniem ostatecznego wyroku. OpenAI może wzmocnić limity cytowania, kontrolę źródeł, opcje dla crawlerów lub pulpity dla wydawców, aby ograniczyć ryzyko prawne.

Wydawcy mogą podobnie opracować jaśniejsze, możliwe do odczytu przez maszyny uprawnienia, które rozróżniają indeksowanie przez wyszukiwarki, trening modeli, pobieranie treści i streszczanie artykułów. Obecne zasady dla crawlerów nie zawsze osobno określają te zastosowania.

Czytelnicy nie powinni oczekiwać, że jeden pozew przyniesie uniwersalną odpowiedź dla każdego modelu AI. Sądy zbadają źródło każdego zbioru danych, cel każdego kopiowania oraz zachowanie każdego produktu.

Mimo to pozew USA Today przeciwko OpenAI znacząco rozszerza spór. Za twierdzeniem, że odpowiedzi AI mogą przywłaszczać zarówno treść, jak i wartość odbiorców, stawia ogólnokrajowego wydawcę oraz rozległą sieć lokalnych mediów.

Ostateczne pytanie nie brzmi, czy systemy AI mogą uczyć się na dziennikarstwie. Już to robią. Chodzi o to, czy wydawcy otrzymają egzekwowalną kontrolę, wynagrodzenie lub ruch, gdy ich praca pomaga tym systemom odpowiadać opinii publicznej.

W ciągu najbliższych kilku miesięcy warto śledzić nowojorski rejestr spraw sądowych, dowody stojące za przykładami streszczeń artykułów oraz wszelkie nowe umowy licencyjne OpenAI. Łącznie sygnały te pokażą, czy ta sprawa zwiększy siłę negocjacyjną wydawców, czy potwierdzi, że dozwolony użytek pozostaje dominującą zasadą w szkoleniu AI.