Posição da Wikimedia sobre direitos autorais em IA: proteger o treinamento sem justificar respostas copiadas

A Wikimedia Foundation está pedindo a um tribunal federal que proteja o treinamento de IA, ao mesmo tempo que rejeita uma proteção ampla para chatbots que reproduzem material protegido por direitos autorais. Sua posição sobre direitos autorais em IA da Wikimedia coloca a operadora da Wikipedia entre empresas de tecnologia que buscam espaço para desenvolver modelos e editoras que procuram manter controle sobre seu trabalho. A fundação argumenta que qualquer um dos extremos ameaça as fontes de informação de que a Wikipedia precisa.

Em um anúncio de 30 de outubro, a Wikimedia descreveu sua intervenção em um litígio consolidado sobre direitos autorais envolvendo OpenAI e Microsoft em Nova York. Ela quer que os tribunais diferenciem o treinamento de um modelo de linguagem de grande porte, um sistema treinado para gerar linguagem, da recuperação e reprodução de material para usuários. Essa distinção desafia a ideia de que uma única resposta deva definir tudo o que um serviço de IA faz com texto protegido por direitos autorais.

O conflito vai além de OpenAI e The New York Times. A Wikipedia precisa de tecnologia útil, mas seus editores também precisam de reportagens confiáveis e outras fontes produzidas de forma independente. A posição da fundação trata essas necessidades como conectadas. Proteger o desenvolvimento de modelos enquanto enfraquece as pessoas que produzem conhecimento deixaria a enciclopédia defendendo ferramentas às custas de sua matéria-prima.

Os argumentos da Wikimedia sobre direitos autorais em IA separam treinamento de recuperação

A Wikimedia está pedindo ao tribunal que avalie separadamente os diferentes usos de material protegido por direitos autorais.

O anúncio sobre a petição de direitos autorais da fundação descreve uma petição amicus, uma apresentação que oferece a perspectiva de uma parte externa. O litígio tramita no Distrito Sul de Nova York e reúne casos contra a OpenAI, incluindo a disputa envolvendo The New York Times.

A Wikimedia argumenta que o treinamento merece proteção de uso justo quando produz um modelo com uma finalidade diferente das obras originais. O uso justo permite alguns usos de material protegido por direitos autorais sem autorização. A fundação chega a uma conclusão diferente sobre sistemas que recuperam conteúdo protegido e o reproduzem em respostas, argumentando que esses usos devem respeitar as licenças aplicáveis.

Este é um argumento apresentado a um tribunal, e não uma decisão judicial. A Wikimedia não estabeleceu uma nova exceção para treinamento nem uma nova regra para respostas de chatbots. Sua intervenção pede que o juiz preserve uma distinção que a fundação considera essencial para o conhecimento aberto.

A distinção importa porque um serviço de IA pode usar textos em diferentes etapas. O material utilizado durante o desenvolvimento do modelo tem uma função imediata diferente de um artigo buscado para responder a uma pergunta atual. Um usuário encontra uma única interface, mas essa interface pode ocultar vários usos distintos do trabalho de outras pessoas.

Considere uma solicitação ilustrativa sobre um processo judicial em andamento. Um modelo pode gerar uma explicação a partir de padrões aprendidos durante o treinamento. Um serviço conectado pode, em vez disso, recuperar uma reportagem recente e usar trechos dela para elaborar uma resposta. As respostas resultantes podem parecer semelhantes, embora levantem questões diferentes sobre cópia, autorização e substituição.

A abordagem da Wikimedia torna essas ações subjacentes centrais para a análise. Chamar todo o processo de “IA” pouco ajuda a estabelecer o que aconteceu com um artigo específico. As perguntas relevantes dizem respeito a qual material entrou no sistema, por que entrou e o que o serviço acabou fornecendo.

Isso também limita o quão amplamente os leitores devem interpretar a notícia. O apoio a alguns usos para treinamento não estabelece autorização para todos os conjuntos de dados ou métodos de coleta. A oposição à recuperação substitutiva não estabelece que toda resposta contendo informação recuperada viole direitos autorais.

A importância da petição está na escolha que ela apresenta. Os tribunais podem examinar os atos dentro de um sistema de IA em vez de conceder ou negar proteção ao sistema como um todo. Para a operadora da Wikipedia, isso oferece uma forma de apoiar um desenvolvimento útil sem abandonar as condições que mantêm o material-fonte disponível.

A Wikipedia depende tanto de IA útil quanto de fontes que continuem existindo

O interesse da Wikipedia se estende à produção contínua de conhecimento, não apenas ao acesso ao texto existente.

Uma enciclopédia pode distribuir informações livremente enquanto depende de organizações que operam sob modelos econômicos diferentes. Seus editores precisam de reportagens, estudos acadêmicos e outras publicações confiáveis para estabelecer o que deve constar em um artigo. O acesso aberto à enciclopédia não elimina o esforço necessário para produzir essas fontes subjacentes.

Isso cria uma tensão prática para a Wikimedia. Uma regra restritiva para treinamento poderia complicar o desenvolvimento de ferramentas que ajudam colaboradores. Uma regra excessivamente permissiva para reproduzir material-fonte poderia enfraquecer as publicações que esses colaboradores consultam. Nenhum dos resultados promove automaticamente a missão da enciclopédia.

A anterior estratégia de IA centrada em pessoas da Wikimedia ajuda a explicar por que ela está defendendo espaço para o desenvolvimento de IA. Anunciada em abril de 2025, a estratégia prioriza apoiar voluntários em vez de substituir seu julgamento. Suas áreas declaradas incluem fluxos de trabalho de moderação, descoberta de informações, tradução e integração de novos colaboradores.

Essas são necessidades editoriais concretas, e não uma promessa de automatizar uma enciclopédia. Um colaborador diante de trabalho repetitivo de manutenção tem requisitos diferentes dos de um serviço que vende respostas prontas. Uma assistência que libera atenção para avaliar fontes tem uma finalidade diferente de um produto que elimina a necessidade de visitar uma fonte.

Ainda assim, a estratégia não prova que qualquer prática comercial específica de treinamento seja necessária para esses benefícios. As ferramentas preferidas da Wikimedia e a conduta contestada da OpenAI são assuntos distintos. A preocupação mais ampla da fundação é que uma regra jurídica abrangente possa afetar desenvolvimentos socialmente úteis juntamente com os produtos dos réus.

O treinamento de IA da Wikipedia, portanto, conecta-se a um problema maior de dependência. Ferramentas podem ajudar pessoas a processar conhecimento, mas não podem garantir que material novo e confiável continue surgindo. Uma interface eficiente se torna menos valiosa se as reportagens por trás de suas respostas se tornarem mais difíceis de encontrar ou deixarem de ser produzidas.

Imagine um editor atualizando uma entrada depois que uma empresa muda uma política. A explicação confiante de um chatbot não é intercambiável com um anúncio rastreável ou uma reportagem independente. O editor precisa de evidências que possam ser verificadas, interpretadas e citadas por outros colaboradores.

A mesma preocupação se aplica a profissionais do conhecimento que constroem uma base de conhecimento pessoal. Resumos convenientes ajudam na descoberta, mas os documentos subjacentes continuam essenciais quando uma afirmação precisa ser verificada. O acesso a uma resposta e o acesso às suas evidências atendem a finalidades diferentes.

O alerta da Wikimedia é mais bem compreendido como uma preocupação com essa relação. Não basta que um sistema de IA forneça hoje informações plausíveis. A web ao redor deve continuar sustentando as pessoas e instituições capazes de produzir informações confiáveis amanhã.

Saber se recursos específicos de chatbots ameaçam essa relação exige evidências. A petição eleva a importância da investigação sem determinar seu resultado. Ela pede que o tribunal considere o que acontece além da transação imediata entre um desenvolvedor de modelos e um titular de direitos autorais.

Licenças abertas tornam a reutilização possível sem eliminar condições

Material disponível livremente pode incluir condições de reutilização juridicamente aplicáveis.

O texto da Wikipedia ilustra por que “aberto” não pode simplesmente significar “disponível para qualquer finalidade sob quaisquer termos”. A licença relevante cria autorização para reutilizar material, preservando ao mesmo tempo obrigações vinculadas a essa autorização. Essas obrigações fazem parte do arranjo que torna possível o compartilhamento em larga escala.

A licença Atribuição-CompartilhaIgual permite compartilhamento e adaptação, inclusive reutilização comercial, sujeita aos seus termos. A atribuição exige crédito apropriado e informações relacionadas. O CompartilhaIgual exige que adaptações qualificadas usem a mesma licença ou uma compatível quando forem compartilhadas.

Essas condições não significam que todo produto de IA que interaja com a Wikipedia deva publicar todo o seu sistema de software sob a licença da enciclopédia. As obrigações dependem do material e do uso. Tampouco toda afirmação factual aprendida a partir de um artigo se torna uma adaptação de sua redação.

A licença também reconhece que exceções e limitações podem ser aplicáveis de forma independente. Se um uso se qualifica para uma exceção legal, o usuário não precisa da autorização da licença para esse uso. É por isso que a disputa sobre uso justo importa mesmo quando o material já possui uma licença aberta.

A Wikimedia quer que os tribunais diferenciem usos que se qualificam de forma independente de usos que devem cumprir os termos de licenciamento. Sua posição abre espaço para treinamento enquanto resiste à suposição de que uma interface de chatbot cancela obrigações vinculadas ao material recuperado. Esse é um argumento mais limitado do que exigir autorização para toda interação com conhecimento.

A atribuição também desempenha uma função prática além de reconhecer a autoria. Ela permite que um leitor examine o contexto, avalie evidências e descubra correções. Remover esse caminho pode tornar uma resposta mais difícil de avaliar, mesmo quando sua formulação imediata parece precisa.

Um link por si só, contudo, não resolve todas as questões de licenciamento ou direitos autorais. Crédito, informações sobre a licença, avisos de modificação e obrigações de CompartilhaIgual podem levantar questões separadas. O fato de uma interface incluir citações não estabelece que todo uso por trás da interface cumpra os requisitos aplicáveis.

Por outro lado, uma citação imperfeita não estabelece automaticamente uma alegação completa de violação. O material protegido, a natureza da cópia e qualquer defesa aplicável continuam sendo relevantes. O design da interface fornece evidências sobre como um serviço funciona, mas não pode substituir a análise jurídica.

Para leitores que buscam uma explicação sobre o uso justo da Wikimedia, esta é a distinção essencial: a autorização sob uma licença e a autorização sob uma exceção legal são caminhos diferentes. A proposta da Wikimedia pede que os tribunais identifiquem qual caminho se aplica a cada uso contestado, em vez de tratar o acesso como autorização universal.

A implicação mais ampla é que a publicação aberta depende de regras duradouras de participação. Colaboradores podem acolher a reutilização enquanto esperam que outros honrem os termos que a possibilitam. Se abertura significa consistentemente perder esses termos, os editores terão menos motivos para tornar seu trabalho reutilizável de forma aberta.

Editoras contestam a própria exceção para treinamento

A posição intermediária da Wikimedia deixa uma grande discordância sem resolução: se o próprio treinamento explora injustamente trabalho protegido.

A Association of American Publishers e outras organizações de publicação anunciaram um amicus brief de editoras em 29 de outubro. Elas apoiaram os autores, editoras e veículos de imprensa autores da ação no litígio consolidado. Sua intervenção mostra que a disputa não se limita ao comportamento de chatbots finalizados.

Para os detentores de direitos autorais, uma regra que proteja o treinamento pode eliminar o controle no momento em que material valioso entra em um processo de desenvolvimento comercial. Melhores citações em respostas posteriores não resolveriam necessariamente essa objeção. Uma editora pode aceitar a importância da atribuição e, ainda assim, contestar a legalidade da cópia anterior.

Esse é o ponto de maior pressão na proposta da Wikimedia. Separar as etapas produz uma questão mais clara, mas a clareza não determina qual lado deve prevalecer. O tribunal ainda precisa avaliar os fatos e argumentos relevantes em cada etapa.

Uma perspectiva oposta vem da Public Knowledge. Sua declaração de 30 de outubro descreve um documento que apoia a posição de uso justo da OpenAI e pede tratamento separado para treinamento, aquisição de dados e resultados. O argumento de uso justo para treinamento da organização se sobrepõe à insistência da Wikimedia em examinar atividades distintas.

A sobreposição não deve apagar a diferença entre suas intervenções. A Public Knowledge anunciou apoio à moção da OpenAI com base no uso justo. A Wikimedia apresentou sua posição em torno da proteção do conhecimento aberto e do respeito às licenças em usos de recuperação. A concordância sobre a separação analítica não estabelece concordância sobre todas as práticas contestadas.

Isso produz um mapa mais útil do que uma simples disputa entre tecnologia e publicação. Alguns defensores querem que os tribunais distingam as etapas, chegando a conclusões diferentes sobre elas. Outros resistem a uma ampla exceção para treinamento porque acreditam que a cópia e suas consequências econômicas merecem escrutínio mais rigoroso.

OpenAI e Microsoft enfrentam pressão para justificar usos específicos, em vez de dependerem apenas da utilidade de seus produtos. Editoras enfrentam pressão para explicar os danos e direitos envolvidos em práticas específicas. A Wikimedia enfrenta um desafio diferente: demonstrar que seu limite proposto protege tanto ferramentas úteis quanto as fontes que as sustentam.

A comparação também expõe um problema em tratar todas as aplicações de IA como equivalentes. Uma ferramenta que auxilia a revisão de um editor e um serviço que oferece uma experiência de leitura substituta podem ter relações diferentes com uma fonte. A mesma arquitetura geral de modelo não torna essas relações idênticas.

Ainda assim, uma aplicação socialmente útil não pode estabelecer a legalidade de toda prática anterior na cadeia. Tampouco uma aplicação que concorre comercialmente estabelece que todo ato de treinamento tem o mesmo efeito. Cada lado ganha força retórica ao escolher exemplos favoráveis, o que torna evidências precisas especialmente importantes.

A discordância central, portanto, sobrevive à intervenção da Wikimedia. Sua proposta oferece ao tribunal uma estrutura para evitar uma resposta de tudo ou nada. Ela não elimina a necessidade de decidir se usos específicos de treinamento e recuperação atendem à lei.

O limite será mais difícil de aplicar do que de descrever

Treinamento e recuperação são categorias úteis, mas nenhuma delas determina a legalidade por si só.

Os fatores de uso justo do Escritório de Direitos Autorais dos EUA abrangem finalidade, natureza da obra, quantidade utilizada e efeitos sobre o mercado. Os tribunais ponderam essas considerações conforme o contexto. Não existe uma contagem universal de palavras ou porcentagem de cópia que garanta proteção.

Essa estrutura cria um limite imediato para interpretações abrangentes da posição da Wikimedia. Um sistema não estabelece uso justo apenas por rotular uma operação como “treinamento”. Um detentor de direitos não derruba o uso justo apenas por rotular uma operação como “recuperação”. A descrição precisa estar ligada ao que realmente ocorreu.

A geração aumentada por recuperação, ou RAG, fornece material recuperado a um modelo enquanto ele prepara uma resposta. Esse processo pode sustentar produtos muito diferentes. Uma implementação pode direcionar leitores a documentos-fonte. Outra pode reproduzir expressão protegida suficiente para atender à demanda que esses documentos suprem.

Esses exemplos ilustram diferenças entre produtos, e não conclusões sobre qualquer réu. Seu valor é mostrar por que um rótulo tecnológico não pode encerrar a disputa. Tribunais e desenvolvedores precisam de evidências sobre o material-fonte, seu tratamento e o serviço resultante.

O treinamento introduz seu próprio problema de delimitação. Memorização significa que um modelo pode reproduzir material específico de treinamento, em vez de apenas gerar linguagem amplamente semelhante. Essa possibilidade complica qualquer alegação de que remover a recuperação em tempo real necessariamente elimina o risco de resultado copiado.

Uma defesa do treinamento e uma defesa do resultado tratam, portanto, de questões diferentes. Mesmo uma decisão favorável sobre desenvolvimento não resolveria automaticamente toda reivindicação relativa a uma resposta. Da mesma forma, uma resposta questionável não explicaria, por si só, a situação jurídica de toda obra usada durante o desenvolvimento.

A substituição também é difícil de avaliar. Uma resposta pode discutir os mesmos fatos de uma reportagem sem copiar sua expressão protegida. Uma resposta também pode encurtar uma obra preservando material central para seu valor. O comprimento, por si só, não consegue captar essa diferença.

Para trabalhadores do conhecimento, essa incerteza surge como um problema familiar de verificação. Uma resposta concisa pode omitir ressalvas, métodos de apuração ou correções posteriores. Mesmo quando a questão de direitos autorais permanece sem solução, essas omissões podem tornar a resposta menos útil para decisões importantes.

Para desenvolvedores, a implicação analítica é que as evidências devem acompanhar o fluxo de trabalho real. Uma explicação clara sobre seleção de fontes, trechos recuperados, geração de respostas e atribuição tornaria a distinção proposta mais fácil de examinar. Uma garantia ampla de que um produto “usa IA de forma responsável” revelaria muito menos.

Os argumentos da Wikimedia sobre direitos autorais e IA também carregam o risco de simplificar excessivamente a solução. Respeitar licenças pode tratar de alguns usos, mas obras diferentes têm permissões diferentes. O modelo de licenciamento da Wikipedia não pode simplesmente ser transferido para jornalismo proprietário, livros ou todos os documentos recuperados da web.

A distinção da fundação é, portanto, uma estrutura inicial, e não uma fórmula universal de conformidade. Sua contribuição mais forte é resistir a conclusões categóricas. Sua tarefa mais difícil é mostrar como o limite deve funcionar quando o comportamento do modelo, o acesso à fonte e as respostas voltadas ao usuário se sobrepõem.

Acompanhe o raciocínio do tribunal, as evidências dos produtos e a resposta das fontes

Os próximos sinais úteis dizem respeito a como o limite funciona, e não a qual lado reivindica uma vitória ampla.

Primeiro, observe se o raciocínio do tribunal distingue o desenvolvimento do modelo da recuperação e do resultado. A questão relevante é mais precisa do que saber se “o treinamento de IA vence”. Uma decisão pode resolver uma questão específica e, ao mesmo tempo, deixar abertas outras condutas, disputas factuais ou teorias jurídicas.

Uma análise específica por uso reforçaria a estrutura proposta pela Wikimedia, mesmo se o tribunal rejeitasse partes de seu resultado preferido. Uma conclusão ampla exigiria leitura cuidadosa para estabelecer seu alcance real. Manchetes sobre permissão geral ou proibição geral mereceriam escrutínio diante da própria decisão.

Nenhuma data de decisão verificada estabelece que essas questões serão resolvidas nos próximos meses. O sinal imediato é o tratamento dado pelo tribunal aos argumentos e às evidências. Um desenvolvimento processual não deve ser confundido com uma resposta final sobre a legalidade de todo serviço de IA.

Segundo, observe evidências de produtos que mostrem como o material recuperado se torna uma resposta. Detalhes relevantes incluem o que o serviço obtém, o que reproduz e como apresenta a fonte. Esses fatos ajudariam a distinguir a descoberta de fontes de uma experiência de leitura substituta.

Mudanças em citações ou práticas de licenciamento também importariam, mas seu significado dependeria da implementação. Um link visível para a fonte pode melhorar a verificação sem resolver todas as questões de cópia. Um acordo de licença pode autorizar usos cobertos sem estabelecer uma regra para material fora desse acordo.

É aqui que o debate se torna concreto para usuários de IA. Um serviço que ajuda alguém a examinar um documento cria uma experiência diferente de outro que dificulta essa inspeção. A distinção importa para a confiança mesmo antes de um tribunal decidir como os direitos autorais se aplicam.

Terceiro, observe como editoras e organizações de conhecimento aberto respondem. Termos de reutilização mais claros, acordos de acesso autorizado ou restrições à coleta automatizada revelariam como os provedores de fontes entendem as opções disponíveis. Essas respostas não provariam independentemente uma infração, mas moldariam o acesso a material futuro.

Para o treinamento de IA com Wikipedia, o resultado útil preservaria espaço para ferramentas benéficas enquanto manteria fontes confiáveis disponíveis aos editores. Esse é um padrão exigente. Ele requer examinar tanto a capacidade tecnológica quanto as condições em que as pessoas continuam produzindo conhecimento.

Nos próximos meses, avalie anúncios sobre direitos autorais à luz dessas questões práticas. Uma decisão explica qual uso ela protege? Uma mudança no produto torna a fonte mais fácil de examinar? Um acordo de licenciamento esclarece os direitos envolvidos? Esses sinais oferecem mais informação do que uma declaração de que um setor derrotou outro.

Antes de confiar na próxima explicação de um chatbot, siga suas evidências até o material subjacente. Verifique se a resposta preserva as qualificações da fonte e se um relato mais recente altera o cenário. Leia futuros desdobramentos sobre direitos autorais e IA da Wikimedia com a mesma disciplina. Pergunte qual ato o tribunal abordou, quais direitos estavam envolvidos e o que permaneceu indeciso. A fundação propôs um limite entre viabilizar modelos úteis e desculpar cópia substitutiva. Se esse limite protegerá a web aberta dependerá do raciocínio adotado pelos tribunais e do comportamento que os produtos possibilitam. O serviço pode ajudar você a compreender a fonte, mantendo essa fonte valiosa o bastante para continuar sendo produzida?