Um quarto título junta-se ao mesmo processo

O Seattle Times e o Newsday apresentaram queixa contra a OpenAI e a Microsoft a 4 de setembro de 2026, no tribunal federal do distrito sul de Nova Iorque. Ambos os jornais alegam que as empresas recolheram conteúdo dos seus sítios, incluindo conteúdo atrás de barreira de pagamento, e incorporaram essa cobertura nos conjuntos de dados que treinam e fazem funcionar o ChatGPT, o Microsoft Copilot e as funcionalidades de IA do Bing. Não pedem apenas indemnização. A queixa pede ao tribunal que ordene a destruição de qualquer modelo de IA ou conjunto de dados de treino que incorpore o seu trabalho, a mesma medida que o New York Times pediu quando abriu esta vaga de litígios em dezembro de 2023.

O processo junta-se a um conjunto que já reúne dezenas de editoras, autores e bancos de imagens a processar o mesmo punhado de empresas de IA pela mesma alegação de fundo: treinar com material protegido por direitos de autor sem licença constitui infração, não uso legítimo. O Seattle Times e o Newsday trazem menos uma novidade do que peso a um processo que cresce há quase três anos e que está agora agregado como NYT contra a Microsoft e outros.

O número que a Microsoft registou

Na fase de instrução desse processo agregado, a Microsoft entregou ao perito dos jornais queixosos cerca de 8,2 milhões de registos de conversas do Copilot. A empresa afirma que esses registos não eram uma amostra aleatória da utilização do Copilot, mas tinham sido filtrados especificamente por conterem palavras-chave ligadas aos sítios dos jornais queixosos, ou seja, as conversas com maior probabilidade de conter uma correspondência. Mesmo dentro dessa amostra já enviesada, o perito encontrou apenas 59 545 conversas, menos de um por cento do total, que reproduziam 16 ou mais palavras consecutivas de um artigo do queixoso. Uma verificação paralela dos mesmos registos encontrou 24 respostas correspondentes a conteúdo de livros, uma taxa que o documento da Microsoft situa em 0,00029 por cento.

O argumento da Microsoft decorre diretamente dos números: se uma ferramenta construída especificamente para revelar infração provável ainda assim a encontra em menos de um caso em cada cem, a reprodução não é o comportamento sistémico que os queixosos descrevem, e os tribunais que ponderam o uso legítimo deveriam tratá-la como uma exceção rara, não como representativa.

Porque o mesmo número não resolve o processo

O documento fornece um dado real numa disputa habitualmente travada com retórica, e isso merece ser levado a sério por si só. Mas uma amostra pré-filtrada, construída para encontrar correspondências, define um piso para a frequência da reprodução, não um teto; uma amostra mais ampla e não filtrada de todo o tráfego do Copilot poderia mostrar uma taxa real ainda mais baixa, ou o filtro poderia ter deixado escapar reproduções parafraseadas que nunca atingiram o limiar de 16 palavras usado pelo perito da Microsoft. Os jornais não alegam apenas cópia literal. Argumentam também que o Copilot e o ChatGPT conseguem parafrasear de perto a sua cobertura e responder às perguntas dos leitores de forma a eliminar qualquer razão para visitar o artigo original ou pagar uma assinatura, um dano que uma contagem de palavras não mede de todo.

A disputa prática não gira tanto em torno da frequência da reprodução. Gira em torno de saber se uma taxa pequena e demonstrável de cópia literal basta para justificar uma medida tão absoluta como ordenar a destruição de um modelo treinado, quando isolar o texto de um único queixoso dentro de um modelo com centenas de milhares de milhões de parâmetros não é simples, mesmo que um tribunal conceda a ordem.

A parte que importa fora do tribunal norte-americano

Os leitores europeus não devem procurar em Bruxelas a resposta à questão da reprodução que este processo disputa. O dever de transparência do artigo 53 do Regulamento europeu da IA, já em vigor para fornecedores de modelos de IA de uso geral, exige um resumo das categorias de conteúdo usadas no treino. Não exige, nem produzirá, uma auditoria à taxa de reprodução como aquela a que um tribunal norte-americano obrigou a Microsoft. Isso significa que o limiar prático de quanta cópia literal um contrato de licenciamento ou uma cláusula de indemnização deve cobrir está a ser fixado caso a caso em litígios norte-americanos, e não pela regulação europeia.

Qualquer empresa europeia que compre o Copilot, o ChatGPT Enterprise ou uma ferramenta treinada de forma semelhante para um negócio que produz o seu próprio conteúdo protegido, jornalismo, documentação técnica ou código, deve esperar que os contratos dos fornecedores comecem a citar diretamente números como o 59 545 em 8,2 milhões da Microsoft, porque isso é agora o mais próximo que o setor tem de uma resposta comprovada em vez de apenas alegada.

Servola Journal

Fazemos isto por todos os que tentam acompanhar o que a tecnologia está a fazer às nossas vidas. As pessoas que a constroem, e as pessoas a quem acontece. O Servola Journal existe para que o que aprendemos pertença a todos eles.

Ninguém nos paga por isto. Sem anúncios, sem barreira de pagamento, grátis para todos. Acreditamos simplesmente que compreender o que está a acontecer a todos nós não deveria depender de quem pode pagar por isso.

Se isto lhe deu algo hoje, diga-nos para continuarmos. Siga-nos, deixe um like, ou escreva um comentário positivo. Lemos cada um deles, e são eles que nos fazem continuar.

Leia a seguir: A OpenAI Quer o Seu Próprio Relógio de Incidentes. Bruxelas Começou Primeiro.  |  Um Selo De Segurança Não Disse Nada Ao Pentágono Sobre O Que O Grok Iria Gerar