Processo de direitos autorais contra a OpenAI expõe um ciclo de destruição dentro da economia de IA

A OpenAI enfrenta um conflito mais acentuado após uma petição tornada pública revelar alertas internos sobre os fundamentos econômicos de sua tecnologia. O processo de direitos autorais contra a OpenAI agora inclui discussões sobre “roubo”, substituição, queda no tráfego de referência e um “ciclo de destruição” impulsionado por IA.

Essas palavras aparecem em materiais citados pelas editoras que buscam um julgamento sumário contra a OpenAI e a Microsoft. Um julgamento sumário permite que um tribunal resolva alegações sem julgamento quando os fatos materiais não estão genuinamente em disputa. A petição não estabelece que nenhuma das empresas tenha cometido violação de direitos autorais.

Ainda assim, ela complica a defesa pública das empresas. OpenAI e Microsoft argumentam que o treinamento de modelos transforma o material-fonte e se qualifica como uso justo. As editoras argumentam que os produtos resultantes copiam seu trabalho, competem com ele e enfraquecem o mercado que sustenta o jornalismo futuro.

Esse conflito é maior do que uma disputa sobre dados de treinamento. As discussões internas descrevem um sistema que depende da publicação humana enquanto redireciona a atenção para longe das editoras que a produzem. Se esse mecanismo persistir, os modelos e seu suprimento de informação poderão se deteriorar juntos.

O processo de direitos autorais contra a OpenAI acaba de ganhar novos registros

A mudança mais importante não é uma nova acusação, mas a divulgação pública de provas internas antes ocultadas por redações.

Organizações de notícias apresentaram o material parcialmente revelado em 17 de setembro de 2026. Ele faz parte de um litígio consolidado no Distrito Sul de Nova York, sob o juiz Sidney H. Stein.

O processo reúne alegações do The New York Times e de outras editoras contra a OpenAI e a Microsoft. As editoras sustentam que as empresas copiaram artigos protegidos durante a aquisição, o treinamento, a recuperação e a geração de respostas.

As passagens agora visíveis incluem documentos internos, mensagens e depoimentos. Elas descrevem divergências dentro das duas empresas sobre consentimento, compensação, substituição de mercado e o futuro do fornecimento de informações online.

Um documento da Microsoft previu que milhões de pessoas veriam grandes modelos absorvendo seu trabalho como uma forma extraordinária de roubo. O cientista aplicado da Microsoft Brent Hecht teria descrito isso como potencialmente o maior roubo de trabalho da história humana.

Essa linguagem exige uma contextualização cuidadosa. Ela partiu de um funcionário individual ou de uma análise interna, não de uma decisão judicial ou de uma admissão corporativa formal de violação. A Microsoft afirma que Hecht foi contratado em parte para apresentar perspectivas não convencionais e contrárias.

A petição revelada ainda assim importa porque registra preocupações dentro das organizações que constroem e distribuem os sistemas. Essas preocupações se assemelham muito aos argumentos que as editoras vêm apresentando publicamente.

Executivos da OpenAI também discutiram o risco de seus produtos substituírem visitas a fontes originais. Nick Turley, que liderou o desenvolvimento de produtos do ChatGPT, teria escrito em 2023 que a IA representava uma ameaça existencial para as editoras.

Em uma mensagem posterior, Turley teria dito que os produtos da OpenAI já eram amplamente substitutivos. Ele esperava que essa substituição aumentasse à medida que os produtos melhorassem.

O CEO da Microsoft, Satya Nadella, também depôs sobre conversas com chatbots substituírem visitas às editoras, segundo a petição. A Microsoft argumenta que suas observações amplas sobre mudanças no consumo não decidem as questões de direitos autorais diante do tribunal.

A petição também descreve esforços técnicos que supostamente obtiveram ou trocaram grandes coleções de material online. Segundo reportagem jurídica, o Project Taxi da Microsoft forneceu à OpenAI uma coleção contendo bilhões de páginas da web reunidas para o Bing.

Outro esforço, chamado Project Mango, supostamente envolveu a OpenAI pagando à Microsoft para operar um crawler. Um crawler é um software que visita páginas da web automaticamente e copia seu conteúdo para indexação ou processamento.

As editoras caracterizam esses acordos como evidência de aquisição e distribuição em escala industrial. As rés contestam as conclusões jurídicas das editoras e sustentam que o treinamento é transformativo.

O tribunal deve separar a linguagem interna provocativa das provas que satisfazem cada elemento da legislação de direitos autorais. Essa tarefa abrangerá o que foi copiado, por que foi copiado e se os produtos resultantes prejudicaram mercados relevantes.

Ainda assim, a linguagem muda o entendimento público da disputa. Ela mostra que a substituição e o prejuízo às editoras não eram meramente críticas externas. Pessoas que trabalhavam próximas aos produtos examinavam a mesma possibilidade.

Por que os números de tráfego do Bing elevam as apostas

As evidências de tráfego transformam uma disputa abstrata sobre direitos autorais em um argumento mensurável sobre quem captura o valor das reportagens online.

A petição das editoras cita dados da Microsoft que mostram uma queda de 83% a 93% nas taxas de cliques para conteúdo do Times e do Daily News. Domínios da Ziff Davis teriam registrado quedas entre 51% e 94%.

Uma taxa de cliques mede com que frequência alguém segue um resultado até sua fonte após vê-lo. Taxas menores não provam automaticamente violação de direitos autorais, causalidade ou perda de receita. Elas, porém, revelam como interfaces voltadas a respostas podem alterar o comportamento do público.

A busca tradicional cria uma troca. Editoras permitem que páginas sejam indexadas, mecanismos de busca exibem trechos e usuários visitam os sites de origem. As editoras podem então vender assinaturas, publicidade, adesões, eventos ou outros serviços.

A busca generativa altera essa troca quando apresenta uma resposta sintetizada antes do link para a fonte. Usuários podem obter informação suficiente na interface e parar de buscar. Melhor posicionamento de citações não pode garantir uma visita.

Um engenheiro da OpenAI teria reconhecido que usuários talvez não seguissem links, independentemente de sua proeminência. Essa observação sustenta a teoria de substituição das editoras de forma mais direta do que críticas gerais ao treinamento de modelos.

A distinção importa. O treinamento diz respeito ao que entra em um modelo, enquanto a substituição trata do que acontece quando o modelo compete pelo mesmo leitor. Um tribunal poderia avaliar esses usos de forma diferente sob a legislação de direitos autorais.

O quarto fator do uso justo examina os possíveis efeitos sobre o mercado da obra protegida por direitos autorais. Ele não é o único fator, mas evidências de substituição direta poderiam ter peso considerável nessa análise.

A petição também descreve um suposto “hack” interno para contornar o paywall do The New York Times. Greg Brockman teria respondido favoravelmente quando o método foi discutido.

Esse relato merece cautela porque sua importância jurídica depende do contexto. Importa saber se o método acessou texto protegido, apoiou testes, afetou produtos ou representou um experimento passageiro.

A OpenAI também acusou o Times de usar prompts artificiais projetados para gerar respostas incomumente semelhantes. A empresa argumenta que usuários comuns não interagem com o ChatGPT da mesma maneira.

Essas versões conflitantes criam uma questão probatória central. O tribunal deve determinar se a substituição é um caso extremo produzido para o litígio ou uma capacidade previsível do produto.

Os dados de tráfego podem oferecer um sinal mais amplo porque dizem respeito ao comportamento do público, e não a prompts selecionados. No entanto, as porcentagens citadas por si só não revelam todas as linhas de base relevantes, tipos de consulta, mudanças de interface ou períodos de medição.

A Microsoft afirma que o Copilot não substitui o jornalismo das editoras. Seu porta-voz também disse que as observações de Nadella sobre o consumo de informação permanecem consistentes com a posição jurídica da empresa.

Essa defesa separa a mudança econômica da responsabilidade jurídica. Uma tecnologia pode reduzir referências sem violar direitos autorais, assim como um concorrente legal pode tomar participação de mercado de uma empresa estabelecida.

As editoras respondem que a concorrência não é independente. Elas dizem que as rés copiaram o mesmo jornalismo que seus produtos resumem, reproduzem e usam para reter leitores.

É por isso que os números do Bing importam além de uma única editora. Eles sugerem uma potencial transferência de atenção dos sites-fonte para as plataformas que utilizam essas fontes.

Para publicações independentes, redações locais e sites especializados, uma grande queda nas referências pode afetar decisões de contratação e cobertura. Ela também pode reduzir o volume de material original disponível para modelos futuros.

O ciclo de destruição da OpenAI transforma editoras em fornecedoras não remuneradas

A análise interna do ciclo de destruição identifica uma contradição estrutural: produtos de IA precisam de conteúdo confiável enquanto enfraquecem os negócios que financiam sua criação.

O documento citado da Microsoft descreve um produto final que ameaça os fundamentos econômicos de seus fornecedores essenciais. Ele chama essas editoras de parte da cadeia de fornecimento de conteúdo para LLMs.

Um grande modelo de linguagem, ou LLM, prevê e gera linguagem após aprender relações estatísticas em grandes coleções de texto. Sua utilidade depende, em parte, da relevância, diversidade e confiabilidade dessas coleções.

Organizações de notícias produzem uma categoria distinta de material-fonte. Repórteres acompanham processos, realizam entrevistas, examinam registros, verificam alegações e corrigem erros. Esse trabalho cria informações que antes não existiam online.

Um sistema de IA pode resumir o artigo resultante em segundos. Ele não pode conduzir retroativamente a apuração necessária para produzir os fatos subjacentes.

O ciclo de destruição começa quando produtos de IA ingerem ou recuperam essa reportagem. Em seguida, apresentam suas informações mais valiosas por meio de uma interface separada.

Leitores recebem respostas sem visitar a editora original. A editora perde atenção, receita, dados comportamentais e potenciais relações com assinantes.

A redução de receita pode levar a menos repórteres e a uma cobertura mais restrita. Isso deixa menos fontes originais para mecanismos de busca, chatbots e futuras rodadas de treinamento.

Os modelos podem então depender cada vez mais de resumos derivados, reportagens recicladas, material promocional ou texto sintético. A precisão e a diversidade podem cair à medida que diminui o fornecimento de informações verificadas de forma independente.

Não se trata simplesmente de uma disputa entre mídia tradicional e nova tecnologia. É uma questão sobre se o mercado de informação recompensa a descoberta ou apenas a distribuição.

As plataformas têm grandes vantagens na distribuição. Elas controlam a interface, o sistema de recomendação, o modelo e a relação com o usuário. As editoras normalmente arcam com o custo de produzir os fatos exibidos nesse ambiente.

O licenciamento oferece uma possível correção. A OpenAI assinou acordos de conteúdo com várias editoras e argumenta que a IA pode ajudar redações a alcançar públicos e desenvolver novos produtos.

O licenciamento também cria questões difíceis. Grandes editoras podem negociar de uma posição mais forte do que veículos locais, freelancers ou pequenos sites especializados. Acordos privados podem deixar intacto o desequilíbrio mais amplo do mercado.

Mecanismos de opt-out apresentam outra opção. A OpenAI afirma que editoras podem controlar se seus crawlers acessam conteúdo para funções de treinamento ou busca.

No entanto, um opt-out pode ser comercialmente doloroso quando interfaces de IA se tornam importantes canais de descoberta. Uma editora pode ter de escolher entre ceder acesso ao conteúdo e desaparecer de um sistema de distribuição importante.

Essa escolha se assemelha à relação anterior entre publishers e plataformas de busca, mas as respostas generativas elevam o risco. A busca tradicionalmente direciona para fora, enquanto interfaces de chat são projetadas para concluir internamente a tarefa de informação.

O ciclo também afeta usuários corporativos. As empresas dependem cada vez mais de resumos gerados por IA sobre regulamentações, mercados, concorrentes e avanços técnicos. A procedência fraca das fontes pode tornar esses resumos mais difíceis de auditar.

Uma base de conhecimento de IA bem gerenciada pode preservar o contexto das fontes dentro de uma organização. Ela não pode reparar a economia mais ampla da reportagem original.

O problema, portanto, vai além dos direitos autorais e alcança a infraestrutura de informação. Se a web contiver menos fontes primárias, todo sistema de recuperação terá menos material confiável para recuperar.

O alerta interno chama atenção porque trata a saúde dos publishers como uma dependência do desempenho dos modelos. Ele enquadra o jornalismo não apenas como conteúdo, mas como infraestrutura upstream para a IA.

Esse enquadramento desafia a suposição de que a informação online é uma matéria-prima ilimitada. A oferta precisa ser continuamente renovada por pessoas e instituições com recursos para investigar o mundo.

Alertas Internos Não São Admissões Legais de Roubo

O processo expõe preocupações sérias, mas os tribunais decidem a responsabilidade por direitos autorais com base em provas e testes legais, não em descrições dramáticas presentes em mensagens internas.

Chamar o material de admissão de roubo comprime várias questões distintas. A violação de direitos autorais é uma ação civil, enquanto roubo normalmente se refere à apropriação de propriedade sob outro enquadramento jurídico.

A metáfora de um funcionário não vincula automaticamente uma empresa. Tampouco uma previsão sobre a percepção pública prova que determinada cópia ficou fora do uso justo.

Os publishers ainda precisam estabelecer a titularidade protegida, a cópia passível de responsabilização e a conduta relevante de cada réu. OpenAI e Microsoft podem então apresentar defesas aplicáveis a etapas e usos específicos.

O uso justo considera a finalidade, a natureza da obra original, a quantidade utilizada e os efeitos sobre o mercado. Os tribunais avaliam esses fatores em conjunto, em vez de aplicar uma regra mecânica.

A OpenAI argumenta que o treinamento de modelos identifica padrões e produz um sistema com novas funções. Também afirma que salvaguardas desestimulam a reprodução e que os modelos oferecem amplos benefícios públicos.

Em sua resposta ao processo, a OpenAI afirma que duas decisões federais da Califórnia consideraram usos de treinamento em outros casos como altamente transformativos. Essas decisões não resolveram este litígio em Nova York.

Os fatos podem diferir entre conjuntos de dados, métodos de aquisição, resultados e mercados. Um uso que transforma livros em parâmetros de modelo ainda pode enfrentar questões separadas sobre aquisição pirata ou resultados concorrentes.

Os publishers enfatizam que os sistemas não operam apenas na etapa de treinamento. Eles podem recuperar artigos atuais, resumi-los, reproduzir trechos e responder às mesmas perguntas que levavam leitores aos publishers.

Essa distinção pode separar o aprendizado lícito de uma implantação alegadamente prejudicial. O tribunal pode analisar aquisição, treinamento, fundamentação de recuperação e geração de respostas como atos distintos.

A Microsoft também contesta o peso atribuído aos documentos de Hecht. A empresa afirma que ele era um pesquisador acadêmico sem autoridade decisória e que se esperava que apresentasse perspectivas assimétricas.

Essa explicação não apaga sua análise. Ela limita, porém, a alegação de que os documentos representavam uma posição final da Microsoft.

Da mesma forma, a preocupação de um executivo da OpenAI com a substituição dos publishers pode descrever um risco comercial, em vez de admitir uma violação. A substituição é relevante para o uso justo, mas não resolve de forma independente todos os fatores.

Os réus também contam com apoio do governo federal. O Departamento de Justiça argumentou que o treinamento de modelos pode servir a importantes interesses públicos e pediu ao tribunal que rejeitasse uma teoria categórica de violação.

Segundo a petição do governo, o departamento alertou que uma decisão adversa abrangente poderia impedir o progresso científico e econômico. Essa intervenção fortalece o argumento de política pública em favor da posição da OpenAI.

Ainda assim, o benefício público não cria uma isenção ilimitada de direitos autorais. O tribunal deve determinar como a legislação existente se aplica a condutas específicas, incluindo a alegada aquisição a partir de fontes não autorizadas.

O caso também permanece processualmente inacabado. Um pedido de julgamento sumário apresenta os fatos e conclusões jurídicas propostos por uma parte. Respostas, contradeclarações, provas documentais e conclusões judiciais podem mudar substancialmente o quadro.

Alguns detalhes permanecem sob sigilo, enquanto outros não têm contexto suficiente para uma interpretação segura. Manchetes que tratam cada frase como uma confissão corporativa correm o risco de exagerar o que o registro atualmente comprova.

Uma conclusão mais precisa continua sendo consequente. Participantes internos reconheceram o risco de que produtos de IA substituíssem publishers, reduzissem referências e enfraquecessem seu próprio suprimento de informação.

As empresas podem vencer juridicamente enquanto esse alerta econômico permanece válido. O uso justo determina a permissão legal, não se a estrutura de mercado resultante sustenta uma web saudável.

O Verdadeiro Conflito É a Substituição por IA Versus uma Web Sustentável

A disputa principal é entre respostas de IA sem atrito e o financiamento contínuo do trabalho humano do qual essas respostas dependem.

A OpenAI apresenta a IA generativa como uma ferramenta transformadora com amplos benefícios. Seus modelos ajudam usuários a analisar informações, desenvolver software, estudar assuntos difíceis e realizar trabalho intelectual.

Os publishers não argumentam que todo uso desse tipo deveria desaparecer. Seu caso visa à forma como os sistemas obtiveram material protegido e se seus resultados concorrem com os originais.

Os novos documentos unem essas duas camadas. Eles sugerem que pessoas dentro da OpenAI e da Microsoft entendiam a substituição como uma característica intencional ou inevitável de produtos em aprimoramento.

Um chatbot melhor deve responder mais perguntas de forma completa. Da perspectiva do usuário, essa melhoria reduz a necessidade de abrir páginas adicionais.

Da perspectiva da plataforma, manter a interação dentro de sua interface fortalece a retenção. Da perspectiva do publisher, o mesmo sucesso elimina oportunidades de gerar receita.

Os incentivos, portanto, permanecem desalinhados mesmo quando as citações são precisas. Uma resposta perfeitamente atribuída ainda pode satisfazer o usuário antes que ocorra um clique.

Esse conflito aparece em toda a indústria de IA. O Google incorpora resumos generativos à busca, enquanto outros mecanismos de resposta sintetizam páginas da web em respostas diretas.

A Anthropic e outros desenvolvedores de modelos enfrentam questões semelhantes sobre materiais de treinamento e resultados. Empresas diferentes usam conjuntos de dados, licenças, crawlers e salvaguardas de produto distintos.

A comparação não absolve a conduta de nenhum réu. Ela mostra por que as regras jurídicas finais influenciarão um mercado inteiro, e não apenas uma parceria.

Se os tribunais protegerem amplamente o treinamento, mas restringirem resultados substitutivos, as empresas de IA poderão investir mais em controles de recuperação e licenciamento. Elas também poderão diferenciar mais claramente o desenvolvimento de modelos da entrega de conteúdo.

Se os tribunais protegerem tanto o treinamento quanto a geração de respostas, os publishers precisarão de maior poder comercial fora do litígio por direitos autorais. Respostas possíveis incluem licenciamento coletivo, controles de acesso, assinaturas diretas e intervenção legislativa.

Se os publishers vencerem em diversas teses, os desenvolvedores de modelos poderão enfrentar indenizações, conjuntos de dados mais restritos ou novas exigências de permissão. Os efeitos econômicos dependerão de como as reparações tratarem modelos já treinados.

O litígio também expõe um problema de qualidade dos dados. Desenvolvedores de modelos têm incentivos para adquirir grandes volumes de texto, mas não necessariamente para sustentar todas as instituições que o produzem.

Acordos de licenciamento podem alinhar parcialmente esses incentivos. A divisão de receita vinculada ao uso efetivo poderia alinhá-los mais estreitamente, embora a medição e a atribuição continuem tecnicamente difíceis.

Os publishers também precisariam de transparência sobre quando seu material fundamenta uma resposta. Os provedores de modelos precisariam de sistemas que rastreassem fontes sem expor dados privados ou infraestrutura proprietária.

A linguagem interna sobre a “cadeia de suprimento de conteúdo” oferece um ponto de partida útil. Cadeias de suprimento normalmente envolvem contratos, padrões de qualidade, rastreabilidade e pagamento.

Grande parte da web pública se desenvolveu sob normas mais flexíveis. Qualquer pessoa podia criar links, citar dentro dos limites legais e indexar páginas enquanto direcionava leitores de volta às fontes.

As interfaces generativas alteram esse equilíbrio porque podem reconstruir o valor de muitas páginas em uma única resposta. O resultado é conveniente justamente porque remove etapas da jornada do leitor.

A conveniência é um benefício social real. O mesmo vale para concorrência, acesso à pesquisa e novas ferramentas criativas. A questão é quem absorve o custo de produzir material-fonte confiável.

Uma resposta sustentável não pode depender inteiramente de usuários clicando voluntariamente em citações depois de receberem tudo de que precisam. Ela deve conectar o sucesso do produto ao investimento contínuo em conhecimento upstream.

O ciclo vicioso da OpenAI dá a esse problema um nome memorável. O mecanismo subjacente importa mais do que a expressão.

Três Sinais Mostrarão Se o Ciclo Vicioso se Aprofunda

A próxima etapa revelará se tribunais, produtos e acordos comerciais conseguem reconectar o uso de IA às fontes que criam seu valor.

O primeiro sinal é o tratamento dado pelo juiz Stein aos pedidos de julgamento sumário. Uma decisão pode restringir o caso, resolver questões específicas ou encaminhar grandes disputas factuais para julgamento.

O raciocínio importará mais do que um simples vencedor. Os leitores devem observar se o tribunal separa aquisição, treinamento, recuperação e resultado como atividades juridicamente distintas.

Uma decisão que se concentre apenas no treinamento transformativo deixaria o problema da substituição em grande parte sem solução. Uma decisão que enfatize o dano ao mercado aumentaria a pressão por licenciamento e mudanças de produto.

O segundo sinal é o comportamento de referências entre produtos de busca com IA. As quedas de taxa de cliques relatadas pela Microsoft são substanciais, mas as medições subjacentes exigem contexto mais completo.

Observe se as plataformas divulgam dados comparáveis que cubram citações, cliques, tipos de consulta e categorias de publishers. A medição independente será essencial porque cada lado tem incentivos para enquadrar o tráfego de forma diferente.

Melhorias nas taxas de cliques enfraqueceriam a versão mais forte do argumento do ciclo vicioso. Quedas contínuas mostrariam que links para fontes, por si só, não restauram a troca econômica.

O terceiro sinal é se as empresas de IA tornam o licenciamento mais sistemático. Acordos individuais mostram que o conteúdo dos publishers tem valor comercial, mas negociações isoladas não criam um mercado duradouro.

Um modelo mais forte incluiria elegibilidade transparente, relatórios de uso, padrões de atribuição e compensação acessível a publishers menores. Ele trataria a reportagem recente como infraestrutura renovável, em vez de inventário gratuito.

A OpenAI também pode reduzir a pressão ao esclarecer controles de crawler e separar permissões de treinamento da visibilidade em buscas. Publishers não deveriam ter de desaparecer da descoberta para recusar usos não relacionados de modelos.

As evidências divulgadas no processo de direitos autorais contra a OpenAI não provam que a web já esteja condenada. Elas mostram, porém, que pessoas internas identificaram o ciclo de feedback antes que ele se tornasse um argumento jurídico público.

Esse reconhecimento eleva o padrão para a resposta da indústria. As empresas não podem tratar de forma plausível o dano aos publishers como um efeito colateral imprevisto enquanto projetam produtos em torno de respostas completas e autossuficientes.

Desenvolvedores e compradores empresariais devem perguntar de onde vêm as respostas de IA, se as fontes permanecem acessíveis e como os provedores lidam com material contestado. Trabalhadores do conhecimento devem preservar documentos primários em vez de depender de resumos desvinculados.

Editores devem exigir métricas que conectem as respostas ao uso das fontes e ao valor econômico. Os leitores também podem apoiar veículos cuja reportagem original fornece fatos posteriormente repetidos pela web.

A questão central já não é se a IA generativa consegue resumir o jornalismo. Claramente consegue. A questão é se essa conveniência financia a próxima investigação ou a torna menos provável.

Acompanhe as distinções jurídicas do tribunal, os números de encaminhamento das plataformas e o alcance dos programas de licenciamento. Juntos, esses sinais mostrarão se o ciclo de ruína da OpenAI está sendo corrigido ou se está se tornando o modelo de negócios padrão da web.