Spory sądowe, które mogą zdefiniować przyszłość AI w 2026 roku.

Dynamiczny rozwój modeli generatywnych doprowadził do powstania jednych z najistotniejszych sporów prawnych ostatnich lat. Toczące się przed sądami federalnymi w Stanach Zjednoczonych postępowania nie ograniczają się wyłącznie do kwestii wynagrodzeń czy licencjonowania treści. Ich przedmiotem jest bowiem fundamentalne pytanie o to, czym jest tworzenie w erze sztucznej inteligencji.

Przez lata przedsiębiorstwa technologiczne wykorzystywały zasoby otwartego internetu na niespotykaną wcześniej skalę. Przyjmowano przy tym, że charakter i rozmiar tej działalności zapewniają swoistą tolerancję prawną. Obecnie jednak sądy w szczególności w Nowym Jorku oraz Kalifornii stoją przed koniecznością rozstrzygnięcia czy modele AI mogą uczyć się na podstawie utworów chronionych prawem autorskim w sposób analogiczny do procesu uczenia się człowieka, czy też praktyka ta stanowi naruszenie praw twórców.

 

Znaczenie tych rozstrzygnięć wykracza poza samą branżę technologiczną. W istocie od ich wyniku zależeć będzie przyszła struktura ekonomiczna internetu oraz kierunek rozwoju gospodarki cyfrowej w najbliższej dekadzie. Uznanie trenowania modeli za formę tzw. transformative use może utrzymać obecne tempo innowacji. W przeciwnym przypadku konieczność uzyskiwania zgód na wykorzystanie danych może istotnie zwiększyć koszty budowy i wdrażania systemów sztucznej inteligencji.

 

Granice doktryny fair use

Centralne znaczenie w analizowanych sporach ma doktryna fair use, stanowiąca jeden z filarów amerykańskiego prawa autorskiego. Umożliwia ona korzystanie z utworów bez zgody twórcy w określonych przypadkach, takich jak działalność badawcza, krytyczna czy informacyjna.

Podmioty rozwijające systemy AI argumentują, że proces trenowania modeli nie polega na kopiowaniu utworów, lecz na identyfikowaniu relacji statystycznych między danymi. W ich ocenie rezultat ma charakter nowy i autonomiczny, co wpisuje się w koncepcję transformative use. Przywoływane są przy tym analogie do orzecznictwa dotyczącego wyszukiwarek internetowych, którym przyznano prawo do indeksowania treści jako usługi o odmiennej funkcji gospodarczej.

Z kolei powodowie w tym organizacje medialne oraz środowiska twórcze wskazują, że modele generatywne różnią się istotnie od dotychczasowych technologii. Ich zdaniem systemy AI zostały zaprojektowane w sposób umożliwiający konkurowanie z twórcami, których dzieła stanowiły podstawę procesu treningowego. W praktyce może to prowadzić do ograniczenia możliwości czerpania korzyści ekonomicznych z własnej twórczości.

 

Znaczenie postępowań dowodowych i transparentności danych

Nie mniej istotne niż same wyroki są etapy proceduralne towarzyszące tym postępowaniom. Szczególnego znaczenia nabiera faza discovery, w ramach której sądy zobowiązują strony do ujawnienia informacji dotyczących m.in. wykorzystywanych zbiorów danych oraz sposobów ich przetwarzania.

Dotychczas wiele przedsiębiorstw technologicznych traktowało dane treningowe jako element przewagi konkurencyjnej, utrzymując je w ścisłej poufności. Obecnie praktyka sądowa prowadzi do stopniowego ujawniania tych informacji. Dotyczy to w szczególności:

  • źródeł pozyskiwania danych (np. mechanizmów scrapowania),
  • sposobów ich przechowywania i przetwarzania,
  • stosowania lub omijania zabezpieczeń typu DRM.

Nawet w przypadku zawierania ugód pozasądowych, informacje ujawnione w toku postępowań mogą stanowić punkt odniesienia dla przyszłych regulacji. W efekcie obserwuje się przesunięcie ciężaru dowodu z twórców na podmioty rozwijające sztuczną inteligencję.

 

Zróżnicowanie regulacyjne – USA a Unia Europejska

Analizowane spory wpisują się w szerszy kontekst globalnych różnic regulacyjnych. Podczas gdy system amerykański opiera się przede wszystkim na rozstrzyganiu sporów przez sądy, Unia Europejska przyjmuje podejście bardziej prewencyjne.

Przykładem jest AI Act, który wprowadza obowiązki w zakresie transparentności danych wykorzystywanych do trenowania modeli. Przedsiębiorstwa zobowiązane są do ujawniania informacji o wykorzystaniu materiałów chronionych prawem autorskim, niezależnie od miejsca prowadzenia procesu treningowego.

Konsekwencją tych rozbieżności jest powstawanie fragmentarycznego otoczenia prawnego, w którym:

  • rozwiązanie dopuszczalne w jednej jurysdykcji może być niezgodne z prawem w innej,
  • dostępność funkcjonalności AI zależy od rynku,
  • rośnie znaczenie lokalnych regulacji dotyczących danych i odpowiedzialności technologicznej.

 

Wnioski dla przedsiębiorców

Obecne spory prawne mogą doprowadzić do istotnej redefinicji zasad korzystania z danych w gospodarce cyfrowej. W szczególności należy się spodziewać:

  • wzrostu wymogów compliance,
  • konieczności dokumentowania źródeł danych (data provenance),
  • zwiększenia transparentności modeli AI,
  • potencjalnych konsekwencji podatkowych związanych z licencjonowaniem danych.

Dla przedsiębiorców oznacza to potrzebę bieżącej analizy ryzyk prawnych oraz dostosowywania modeli biznesowych do zmieniającego się otoczenia regulacyjnego.

Jako kancelaria specjalizująca się w prawie nowych technologii oraz prawie podatkowym, wspieramy w tworzeniu bezpiecznych i zgodnych z regulacjami rozwiązań opartych na AI.