Sony tog fingeraftryk af, hvad der lå inde i modellen

En sag der ikke burde have været nødvendig

Den 29. juni 2026 fik Sony Music besked fra en dommer i det sydlige distrikt i New York om, at selskabet ikke kunne føje mere end 30.000 lydindspilninger til den sag, det i forvejen førte mod Udio. Tre uger senere indleverede Sony dem alligevel, som en selvstændig sag. Stævningen landede den 20. juli og gør 30.117 indspilninger gældende.

Processuelt er der ikke noget opsigtsvækkende i det. At en domstol afviser at udvide en verserende sag, slukker ikke kravene; det tvinger blot sagsøgeren til at åbne en ny front. Det, der gør sagen værd at følge for en driftsansvarlig, er regnestykket bagefter. Den oprindelige sag omfattede 333 indspilninger. Den lovbestemte erstatning toppede der omkring 50 millioner dollar, cirka 46 millioner euro. Ved 30.117 indspilninger flytter det teoretiske loft sig op til omkring 4,5 milliarder dollar, cirka 4,2 milliarder euro.

Sony skiller sig samtidig ud. Universal og Warner har begge indgået licensaftaler med Udio. Det har Sony ikke, og fraværet af et forlig er netop grunden til, at bevismaterialet fra sagen stadig er i spil og ikke forseglet bag en aftale.

Sådan blev 333 til 30.117

Det interessante er ikke tallet. Det er, hvor tallet kommer fra. Sony gennemsøgte ikke internettet for at slutte sig til, hvad en musikmodel må være trænet på. Under bevisførelsen i den første sag fik selskabet adgang til Udios træningsdata, kørte akustiske fingeraftryk mod dem og identificerede hundredtusindvis af sine egne indspilninger. De 30.117, der gøres gældende i den nye stævning, er en delmængde af det, sammenligningen fandt.

Et træningskorpus er, viser det sig, en fortegnelse. Den sætning ville være blevet bestridt for to år siden. Modelbyggere beskrev rutinemæssigt deres datasæt som for store, for bearbejdede og for sammenblandede til at kunne gøres op, og argumentet havde en vis vægt, så længe ingen havde kigget efter. Nu har nogen kigget efter, med en helt almindelig teknologi, som musikbranchen har brugt til indholdsgenkendelse i to årtier, og resultatet er en liste med fem betydende cifre.

Der er ikke noget musikspecifikt i det. Fingeraftryk virker på lyd, fordi lyd har robuste perceptuelle hashværdier, men den generelle evne, at holde et kendt katalog op mod et korpus, man er blevet pålagt at udlevere, kan overføres til billeder, video, tekst og kode med andre værktøjer og samme juridiske virkning.

Påstanden der ikke handler om ophavsret

Stævningen rejser tre påstande. To er almindelig krænkelse: indspilninger fra efter 1972 og indspilninger fra før 1972, der er beskyttet efter Music Modernization Act. Den tredje er af en anden art. Den gør gældende, at tekniske beskyttelsesforanstaltninger er blevet omgået, jf. Digital Millennium Copyright Act.

Omgåelse er en påstand om anskaffelsen. Den spørger ikke, om det er transformerende at træne på et værk, om resultatet konkurrerer med originalen, eller hvilken vej kriterierne for fair use peger. Den spørger, hvordan sagsøgte kom forbi låsen. Den sondring gør et stille, men bærende arbejde i sagen, for en sagsøgt kan godt vinde diskussionen om, hvad træning er, og alligevel tabe på, hvordan materialet blev samlet ind.

Europæiske læsere bør ikke afskrive det som en amerikansk kuriositet. Miningundtagelsen i ophavsretsdirektivet fra 2019, den bestemmelse de fleste EU-virksomheder støtter sig til, når de høster data, er betinget af lovlig adgang og af, at rettighedshaveren ikke har taget forbehold i maskinlæsbar form. Begge betingelser knytter sig til anskaffelsen. Den juridiske terminologi er forskellig på hver side af Atlanten, men trykpunktet er det samme: hvordan I fik fat i dataene, er et andet spørgsmål end, hvad I gjorde med dem, og det bliver besvaret først.

Hvorfor det holdt op med at være sikkert ikke at vide, hvad man har trænet på

I tre år har det praktiske svar på et spørgsmål om oprindelse fra en kunde eller en myndighed været et skuldertræk klædt ud som ingeniørarbejde. Korpusset er enormt, behandlingskæden kørte for år tilbage, mellemprodukterne blev ikke gemt. Det svar fungerede tidligere som et forsvar, fordi modparten ikke havde nogen mulighed for at tjekke efter.

Bevismaterialet fra Udio-sagen gør en ende på det. Så snart en rettighedshaver kan få fat i korpusset og holde det op mod sit eget, er den part, der ikke kan beskrive sine egne træningsdata, ikke beskyttet af hullet. Den er bare den part, der ved mindre om sin egen eksponering. Usikkerhed holdt op med at være et skjold og blev en forpligtelse, ingen har prissat, og den ligger i dag på balancen hos enhver virksomhed, der har finjusteret på materiale, den ikke har dokumenteret.

Den regulatoriske retning forstærker pointen frem for at skabe den. Den europæiske forordning om kunstig intelligens pålægger udbydere af modeller til almen brug at offentliggøre et tilstrækkeligt detaljeret resumé af det indhold, der er brugt til træning, og Kommissionens håndhævelsesbeføjelser på det område kan udøves fra den 2. august 2026. En virksomhed, der ikke kan lave det resumé internt, kan heller ikke fremlægge det for en tilsynsmyndighed. Retssagen og reguleringen stiller det samme spørgsmål fra hver sin side.

Skriv oprindelsen ind i kontrakten, ikke ind i antagelserne

Tre konkrete ændringer, og ingen af dem kræver en juridisk vurdering for at komme i gang. For det første: bed i jeres næste model- eller finjusteringsaftale om en skriftlig oprindelsesgaranti, der navngiver de vigtigste datasæt og oplyser, hvilke kontroller af rettighedsforbehold der er foretaget, med skadesløsholdelse knyttet til. En leverandør, der gerne beskriver sine data mundtligt, men ikke vil skrive det ind i kontrakten, har allerede fortalt jer noget brugbart.

For det andet: før en fortegnelse over alt, I selv finjusterer på. Kilde, anskaffelsesdato, den licens eller undtagelse, I støtter jer til, og om der lå et maskinlæsbart forbehold på indsamlingstidspunktet. Netop det sidste felt er det, ingen noterer, og det, miningundtagelsen står og falder med. Det er væsentligt sværere at rekonstruere det bagefter end at logge det nu.

For det tredje: skil de to spørgsmål ad i jeres eget risikoregister. Lovligheden af anskaffelsen og lovligheden af træningen kan fejle hver for sig, og en model kan være ren på det andet og udsat på det første. De fleste interne AI-risikovurderinger, der er skrevet før denne måned, behandler dem som én post. De er to, og den første er den, en sagsøger når frem til med et fingeraftryk.

Læs videre: Rekord-seed satser på, at robotter behøver data  |  Sunos træningsdata er nu en specificeret liste