O USA Today e 13 entidades afiliadas apresentaram uma ação judicial contra a OpenAI num tribunal federal de Nova Iorque, na qual reclamam mais de 250 milhões de dólares por alegada violação deliberada de direitos de autor. A queixa sustenta que a empresa de inteligência artificial copiou centenas de milhares de artigos de 19 publicações jornalísticas para treinar e operar os seus modelos, tendo posteriormente reproduzido ou reformulado essa informação nas respostas disponibilizadas aos utilizadores do ChatGPT. Segundo a petição judicial, as publicações afetadas incluem títulos como USA TODAY, The Tennessean, The Indianapolis Star, Detroit Free Press, The Arizona Republic, Milwaukee Journal Sentinel e The Columbus Dispatch, entre outros. Os queixosos consideram que a utilização destes conteúdos sem licença prejudica um modelo de negócio assente na atração de leitores para os seus sites e na obtenção de receitas através de publicidade e subscrições, fundamentais para financiar a produção de informação jornalística.
A ação judicial reclama mais de 250 milhões de dólares em indemnizações. Segundo a petição, os queixosos solicitam até 150 mil dólares por cada obra cuja violação seja considerada deliberada e até 25 mil dólares por cada alegado caso de remoção de informação relativa aos direitos de autor.
Os publishers defendem que a OpenAI sabia ou deveria saber que estava a utilizar obras protegidas sem autorização e em larga escala durante o treino dos seus modelos. Argumentam ainda que os acordos de licenciamento celebrados pela empresa com outros grupos editoriais demonstram que esta reconhece a necessidade de obter autorização para utilizar conteúdos jornalísticos.
Além da compensação financeira, os queixosos solicitam uma ordem judicial que obrigue à destruição dos modelos GPT e dos conjuntos de dados de treino que incorporem conteúdos das 19 publicações afetadas. A queixa pede também que o caso seja submetido a julgamento com júri.
A utilização de conteúdos jornalísticos nos dados de treino
A petição judicial identifica vários conjuntos de dados nos quais, segundo os queixosos, estão presentes conteúdos das suas publicações. Entre eles encontra-se o WebText, um conjunto de dados desenvolvido pela OpenAI para treinar o GPT-2, no qual os meios de comunicação afirmam existir mais de 160 mil entradas correspondentes às suas publicações.
A queixa refere também a presença de mais de 122 milhões de tokens provenientes das suas publicações numa versão de 2019 do C4, um conjunto de dados derivado do Common Crawl. Desse total, cerca de 23 milhões de tokens corresponderiam a conteúdos do usatoday.com.
Os queixosos contestam ainda a capacidade do ChatGPT para reproduzir ou reformular trabalhos jornalísticos. Como exemplo, citam testes nos quais, segundo a ação judicial, o GPT-5.6 recuperou artigos de meios como o The Indianapolis Star e o Detroit Free Press e gerou resumos detalhados a partir de instruções que solicitavam paráfrases e estruturas semelhantes às dos textos originais. Para os meios de comunicação, o problema não se limita à utilização de artigos durante o treino. Afeta também a forma como o ChatGPT apresenta essa informação aos utilizadores, uma vez que consideram que as respostas podem substituir as visitas às páginas originais e reduzir as oportunidades de captar leitores e assinantes.
Os meios de comunicação contestam o impacto do ChatGPT no tráfego
A ação judicial inclui declarações e documentos internos da OpenAI que, segundo os queixosos, evidenciam os riscos económicos que os seus produtos representam para os meios de comunicação. Entre as referências citadas encontra-se uma declaração atribuída a Nick Turley, responsável pelo ChatGPT, segundo a qual os produtos da empresa podem constituir uma «ameaça existencial» para os publishers e funcionar como substitutos dos seus serviços. A petição inclui também uma afirmação atribuída a um engenheiro de software da OpenAI sobre a disponibilidade dos utilizadores para clicar em ligações, mesmo quando estas são apresentadas de forma destacada.
Os queixosos recorrem a estas referências para argumentar que as respostas geradas pelo ChatGPT podem reduzir o tráfego para as publicações e dificultar tanto a captação de assinantes como a negociação de acordos de licenciamento. Acusam ainda a OpenAI de ter utilizado programas concebidos para remover informações de gestão de direitos de autor, conhecidas como Copyright Management Information (CMI), que identificam os conteúdos como obras protegidas.
Estas alegações fazem parte dos argumentos apresentados pelos publishers e terão de ser analisadas no âmbito do processo judicial.
Uma nova frente no conflito entre os meios de comunicação e a inteligência artificial
O caso junta-se à crescente disputa entre as empresas jornalísticas e os programadores de inteligência artificial em torno da utilização de conteúdos protegidos. Em dezembro de 2023, o The New York Times processou a OpenAI e a Microsoft por alegadas violações relacionadas, entre outras reclamações, com a utilização dos seus artigos para treinar modelos de inteligência artificial. A ação judicial do USA Today alarga este debate tanto à utilização de conteúdos durante o treino como à sua possível reprodução ou reformulação nas respostas do ChatGPT. Para os meios de comunicação, este segundo aspeto é particularmente relevante, uma vez que pode afetar diretamente as visitas às suas páginas e, consequentemente, as receitas publicitárias e de subscrição.
A ação judicial volta a colocar no centro do debate a relação entre as plataformas de inteligência artificial e os meios de comunicação que produzem a informação utilizada por estes sistemas. Enquanto os meios de comunicação reivindicam proteção para os seus direitos de autor e modelos de negócio, o processo terá de determinar o alcance das responsabilidades da OpenAI na utilização dos conteúdos abrangidos pela queixa.
