Frigitte dokumenter øker presset på OpenAIs forsvar i NYT-saken

De nylig frigitte dokumentene avgjør ikke opphavsrettssaken som The New York Times har reist mot OpenAI og Microsoft. Men de gir mediehusene en mer detaljert bevisfortelling: Nyhetsinnhold skal ha blitt samlet inn i svært stor skala, også fra kilder med adgangsbegrensninger, og ansatte skal ha forstått at KI-produkter kunne svekke utgivernes publikum og inntektsgrunnlag. 5

Dette er viktig fordi saken ikke lenger bare handler om hvorvidt språkmodeller ble trent på nyhetsartikler. Den handler også om hvordan materialet angivelig ble hentet inn, hva selskapene visste om de kommersielle konsekvensene, og om dette kan påvirke et forsvar basert på «fair use» – det amerikanske unntaket fra opphavsretten for visse tillatte bruksformer.

Det forlagene mener dokumentene viser

I det frigitte prosesskriftet hevder forlagene at OpenAI og Microsoft kopierte og brukte journalistisk innhold i industriell skala. Times’ opprinnelige søksmål anførte at millioner av verk fra avisen ble kopiert og importert – i noen tilfeller gjentatte ganger – for å trene GPT-modeller. 29

Det senere prosesskriftet inneholder, slik de frigitte dokumentene er omtalt, også påstander om store datasett med dokumenter fra utgivere og betydelige mengder enkeltverk beskyttet av opphavsrett. Forlagene hevder dessuten at selskapene forsøkte å få tilgang til betalingsbelagt journalistikk og fjernet opphavsrettsinformasjon, som opplysninger om hvem som eide innholdet. 25

Dette er påstander, ikke fastslåtte fakta. Likevel er de sentrale for saksøkernes argumentasjon: Måten innholdet ble anskaffet på, og håndteringen av rettighetsinformasjon, kan få betydning for rettens vurdering av brukens kommersielle karakter og rimelighet.

Interne advarsler er ikke juridiske innrømmelser

En av de mest omtalte opplysningene tilskrives Microsofts direktør for anvendt vitenskap, Brent Hecht. Han skal ha beskrevet KI-skraping som «et oppsiktsvekkende tyveri av enestående omfang» og potensielt «det største tyveriet av menneskelig arbeid i historien». 513

Dokumentene skal også inneholde bekymringer for at generativ KI kunne skape en negativ spiral for utgivere: Systemer som er trent på journalistikk, kan gi brukerne svar direkte og dermed redusere besøkene hos mediene som finansierer rapporteringen. 1011

Forlagene kan bruke slike uttalelser til å hevde at beslutningstakere og forskere forutså et konkret problem med markedserstatning. Men ordvalget til en enkelt ansatt avgjør ikke i seg selv om opphavsretten er krenket.

Microsoft har sagt at de interne dokumentene gjenspeiler enkeltpersoners syn, ikke juridiske konklusjoner. Selskapet har også forsvart Copilots bruk som transformativ. 11

Hvorfor tallet på 93 prosent vekker oppsikt

Ifølge prosesskriftet viser Microsoft-tester at Copilot kunne redusere klikkraten til nytimes.com med så mye som 93 prosent sammenlignet med vanlig Bing-søk. 4

Tallet er særlig relevant for den fjerde «fair use»-faktoren: virkningen bruken har på det potensielle markedet for, eller verdien av, det opphavsrettsbeskyttede verket. Forlagenes resonnement er enkelt: Dersom en svarmotor dekker leserens behov uten å sende vedkommende videre til originalartikkelen, kan den fungere som en erstatning snarere enn som en trafikkilde.

Én intern test beviser ikke alene markedsskade på tvers av alle søk, produkter eller utgivere. Men den gir saksøkerne et konkret grunnlag for å argumentere for at den påståtte skaden er målbar og forutsigbar, ikke bare hypotetisk.

Betalingsmurer og opphavsrettsinformasjon kan komplisere forsvaret

OpenAI og Microsofts overordnede standpunkt er at modelltrening kan være transformativ «fair use». Det amerikanske justisdepartementet har støttet dette generelle synet i et innlegg til retten og bedt den føderale domstolen på Manhattan om å avvise en regel som i bred forstand ville behandle trening på opphavsrettsbeskyttet tekst som lovbrudd. 33

Myndighetenes inngripen er betydningsfull, men den er ikke en rettsavgjørelse og løser ikke hver enkelt påstand i denne saken. Retten kan skille mellom den generelle handlingen å trene en modell og eventuelle bevis – dersom de blir ført – på omgåelse av betalingsmurer, fjerning av rettighetsinformasjon, krenkende utdata eller et produkt som fortrenger et marked for lisenser eller lesere.

Saken kan dermed dreie seg mindre om det abstrakte spørsmålet om KI-trening noensinne kan være «fair use», og mer om detaljene i den påståtte framgangsmåten og de kommersielle virkningene.

Det de frigitte dokumentene endrer

Opplysningene styrker forlagenes sak på tre måter:

1. De tilfører påståtte bevis om omfang. Saksøkerne kan fremstille kopieringen som systematisk, ikke tilfeldig. 29
2. De tilfører påståtte bevis om hensikt og kunnskap. Interne bekymringer kan støtte argumentet om at selskapene forsto risikoen for journalistikken og utgivernes økonomi. 511
3. De tilfører et påstått mål på substitusjon. Den omtalte Copilot-analysen av klikkrater gir argumentet om markedsskade et konkret datapunkt. 4

Ingenting av dette feller automatisk «fair use»-forsvaret. Opphavsrettsvurderinger er faktaspesifikke, og retten har ikke slått fast at den påståtte treningen, skrapingen eller produktatferden var ulovlig. Justisdepartementets posisjon innebærer dessuten at OpenAIs bredere «fair use»-argument har støtte fra en innflytelsesrik aktør. 33

Det sentrale spørsmålet er nå skarpere: Hvis forlagene kan bevise at beskyttet, betalingsbelagt journalistikk ble hentet inn og brukt på måter som erstattet besøk og lisensmuligheter, vil retten da se det som transformativ innovasjon – eller som kommersielt skadelig bruk som «fair use» ikke beskytter?