Uma ação que não devia ter sido precisa

A 29 de junho de 2026, um juiz do Distrito Sul de Nova Iorque disse à Sony Music que não podia acrescentar mais de 30.000 gravações sonoras ao processo que já corria contra a Udio. Três semanas depois a Sony apresentou-as na mesma, em ação separada. A petição deu entrada a 20 de julho e invoca 30.117 gravações.

Do ponto de vista processual, nada disto é extraordinário. Um tribunal que recusa alargar um processo existente não extingue os pedidos, apenas obriga o autor a abrir uma segunda frente. O que merece a atenção de quem opera é a aritmética que se segue. A ação original punha em disputa 333 gravações. A indemnização legal tinha ali um teto de cerca de 50 milhões de dólares, aproximadamente 46 milhões de euros. Com 30.117 gravações, o limite teórico sobe para cerca de 4,5 mil milhões de dólares, à volta de 4,2 mil milhões de euros.

A Sony é agora também a única fora do arranjo. A Universal e a Warner chegaram ambas a acordos de licenciamento com a Udio. A Sony não, e é a ausência de transação que mantém o material probatório em jogo em vez de o deixar selado atrás de um negócio.

Como 333 se transformaram em 30.117

O interessante não é o número, é de onde ele veio. A Sony não andou a vasculhar a internet para inferir aquilo com que um modelo musical teria sido treinado. Na fase de produção de prova do primeiro processo obteve acesso aos dados de treino da Udio, correu sobre eles uma comparação por impressão digital de áudio e identificou centenas de milhares de gravações suas. As 30.117 invocadas na nova petição são um subconjunto do que essa comparação devolveu.

Afinal, um corpus de treino é um inventário. Há dois anos, essa frase teria sido contestada. Quem constrói modelos descrevia rotineiramente os seus conjuntos de dados como demasiado grandes, demasiado transformados e demasiado misturados para poderem ser enumerados, e o argumento até tinha força enquanto ninguém tinha ido ver. Agora alguém foi ver, com uma tecnologia banal que a indústria musical usa há duas décadas para identificar conteúdos, e produziu uma lista com cinco algarismos significativos.

Nada disto é próprio da música. A impressão digital funciona no áudio porque o áudio admite hashes percetuais robustos, mas a capacidade geral, confrontar um catálogo conhecido com um corpus cuja entrega foi ordenada em tribunal, transpõe-se para imagem, vídeo, texto e código com outras ferramentas e o mesmo efeito jurídico.

O pedido que não é sobre direitos de autor

A petição deduz três pedidos. Dois são de violação clássica: gravações posteriores a 1972 e gravações anteriores a 1972 protegidas pela Music Modernization Act. O terceiro é de outra natureza. Alega neutralização de medidas tecnológicas de proteção ao abrigo da Digital Millennium Copyright Act.

A neutralização é um pedido sobre a aquisição. Não pergunta se treinar sobre uma obra é transformativo, nem se o resultado concorre com o original, nem para que lado apontam os fatores do uso legítimo. Pergunta como é que o réu passou pela fechadura. Essa distinção faz neste processo um trabalho estrutural silencioso, porque um réu pode ganhar a discussão sobre o que é treinar e perder à mesma pela forma como o material foi recolhido.

O leitor europeu não deve arrumar isto como curiosidade norte-americana. A exceção de prospeção da diretiva de 2019, a norma em que a maioria das empresas da União se apoia quando recolhe dados, está condicionada ao acesso lícito e a que o titular não tenha reservado os seus direitos de forma legível por máquina. As duas condições prendem-se com a aquisição. O vocabulário jurídico difere de um lado e do outro do Atlântico e o ponto de pressão é o mesmo: como obteve os dados é uma pergunta distinta da de o que fez com eles, e é respondida primeiro.

Porque é que não saber com que treinou deixou de ser seguro

Durante três anos, a resposta prática a uma pergunta de proveniência vinda de um cliente ou de um regulador foi um encolher de ombros vestido de engenharia. O corpus é enorme, a cadeia de processamento correu há anos, os ficheiros intermédios não foram guardados. Essa resposta funcionava como defesa porque a contraparte não tinha maneira de verificar.

O material probatório do processo da Udio põe fim a isso. A partir do momento em que um titular consegue obter o corpus e compará-lo, a parte que não sabe descrever os seus próprios dados de treino não fica protegida pela lacuna, é apenas a parte que sabe menos sobre a sua própria exposição. A incerteza deixou de ser um escudo e passou a ser um passivo que ninguém avaliou, e está hoje no balanço de todas as empresas que afinaram modelos com material que não documentaram.

A direção regulatória reforça este ponto, não o cria. O regulamento europeu da inteligência artificial obriga os fornecedores de modelos de finalidade geral a publicar um resumo suficientemente detalhado dos conteúdos usados no treino, e os poderes de execução da Comissão sobre essas obrigações tornam-se exercíveis a 2 de agosto de 2026. Quem não conseguir produzir esse resumo internamente também não o vai conseguir apresentar a um supervisor. O litígio e a regulação fazem a mesma pergunta a partir de lados opostos.

Ponha a proveniência no contrato, não nos pressupostos

Três mudanças concretas, nenhuma delas a precisar de um parecer jurídico para começar. Primeiro, no próximo contrato de modelo ou de afinação, peça uma garantia escrita de proveniência que identifique os principais conjuntos de dados e diga que verificações de reserva de direitos foram realizadas, com indemnização associada. Um fornecedor disposto a descrever os seus dados de viva voz mas não por contrato já lhe disse uma coisa útil.

Segundo, mantenha um manifesto de tudo aquilo com que afina modelos: fonte, data de aquisição, licença ou exceção invocada, e se existia uma reserva legível por máquina no momento da recolha. É esse último campo que ninguém regista e é dele que depende a exceção de prospeção. Reconstituí-lo mais tarde é bastante mais difícil do que registá-lo agora.

Terceiro, separe as duas perguntas no seu registo de riscos. A licitude da aquisição e a licitude do treino falham de forma independente, e um modelo pode estar limpo na segunda e exposto na primeira. A maior parte das avaliações internas de risco de IA escritas antes deste mês trata-as como uma única rubrica. São duas, e é à primeira que um autor chega com uma impressão digital na mão.

Leia a seguir: Ronda seed recorde aposta em dados dos robôs  |  Os dados de treino da Suno são agora uma lista discriminada