L'avvocato generale della Corte UE fissa il confine del copyright sull'IA nel recupero, non nell'addestramento

Il 3 novembre, l'avvocato generale Maciej Szpunar ha presentato le sue conclusioni nella causa C-250/25, Like Company contro Google Ireland. Si tratta della prima controversia sul copyright relativa all'IA generativa a giungere alla Corte di giustizia dell'Unione europea, e le conclusioni costituiscono la prima mappa giuridica autorevole di dove si colloca la responsabilità.
La versione breve: l'addestramento di un modello su articoli di stampa liberamente accessibili è, in linea di principio, coperto dall'eccezione UE per l'estrazione di testo e dati. Un chatbot che recupera un articolo in tempo reale e lo riproduce in modo così completo che il lettore non ha più bisogno di visitare il sito dell'editore è una questione diversa.
Come una storia di delfini è arrivata a Lussemburgo
Like Company è un editore ungherese. Uno dei suoi siti, balatonkornyeke.hu, riportò nel luglio 2023 che un cantante famoso voleva installare dei delfini in un acquario accanto al lago Balaton. Un utente chiese al chatbot di Google, allora chiamato Bard, un riassunto. Il bot produsse una risposta dettagliata basandosi sull'articolo.
Per un editore i cui ricavi seguono il numero di visitatori, una risposta che fornisce il contenuto dell'articolo senza mandare nessuno sul sito è una minaccia esistenziale, non un problema di citazione. Like Company ha citato in giudizio Google Ireland in Ungheria. Il Tribunale regionale di Budapest ha sottoposto quattro questioni alla CGUE, chiedendo se una risposta del chatbot che corrisponde parzialmente a un articolo di stampa renda tale articolo disponibile al pubblico, se l'addestramento sia riproduzione, se si applichi l'eccezione TDM e se l'output costituisca riproduzione da parte del fornitore.
L'avvocato generale ha declinato di rispondere alle questioni sull'addestramento
Il primo passaggio di Szpunar è procedurale. Egli consiglia alla Corte di dichiarare irricevibili le questioni relative all'addestramento dei LLM, per due ragioni.
La prima è di prova. Non vi è alcuna prova che l'articolo di Like Company sia stato utilizzato per addestrare Gemini. L'articolo è apparso nel luglio 2023, mesi prima del lancio del modello, e addestrare un modello di quella scala richiede molto più tempo. L'AG lo definisce inverosimile che l'articolo facesse parte del set di addestramento. Con ogni probabilità Gemini lo ha trovato su Internet nel momento in cui l'utente ha posto la domanda.
La seconda riguarda l'ambito di applicazione. Il diritto degli editori della stampa di cui all'articolo 15 della direttiva 2019 sul mercato unico digitale protegge gli utilizzi in un servizio online offerto agli utenti. L'addestramento avviene dietro le quinte, prima che esista qualsiasi servizio, quindi il diritto non lo copre affatto.
Espone comunque la sua opinione preliminare, perché la questione tornerà. Copiare testi per costruire e gestire un dataset di addestramento costituisce copia ai sensi del diritto d'autore. L'addestramento è in linea di principio coperto dall'eccezione TDM di cui all'articolo 4, a condizione che lo sviluppatore abbia avuto accesso ai contenuti in modo lecito, abbia rispettato gli opt-out leggibili da macchina e abbia adottato misure per impedire al modello di produrre copie quasi identiche di opere specifiche.
È la frase più favorevole che un'autorità UE abbia scritto sull'addestramento dell'IA, ed è arrivata in un caso in cui l'avvocato generale ha raccomandato di non rispondere alla questione.
Il modello non è una copia
Le conclusioni fanno poi qualcosa di più utile della maggior parte dei commenti su questo tema. Separano il modello addestrato da ciò che il modello dice.
Szpunar scrive che un modello linguistico addestrato è una rappresentazione astratta di parole e schemi linguistici, non un database, e che il diritto d'autore non sussiste a quel livello di astrazione. Il modello può memorizzare accidentalmente un testo comparso molte volte durante l'addestramento, come il testo di una canzone, e ciò non può sempre essere evitato. Se il modello riproduce poi quel testo in una risposta, l'output può violare il diritto. Il modello in sé non contiene comunque una copia.
Egli rileva la conseguenza pratica dell'alternativa. Se offrire un modello richiedesse l'autorizzazione di ogni titolare di diritti la cui opera è comparsa nell'addestramento, sviluppare l'IA diventerebbe quasi impossibile.
Dove cade davvero la linea
L'analisi del recupero è la parte che i team di prodotto dovrebbero leggere due volte. Un chatbot che risponde a partire da una pubblicazione di stampa può violare il diritto dell'editore in due situazioni.
Accede all'articolo in modo illecito, ad esempio aggirando un paywall o un'altra barriera tecnica. Oppure la sua risposta riproduce l'espressione e la struttura dell'articolo in modo così riconoscibile che l'utente non ha più bisogno di leggere l'originale.
La responsabilità dipende quindi dal design. Quando tale effetto sostitutivo è incorporato nel modello di business, o deriva dall'assenza di salvaguardie, il fornitore del servizio è responsabile.
Letta insieme alla sezione sull'addestramento, la dottrina assume una forma lineare. Ricordare è consentito. Ripresentare l'opera altrui al posto della fonte non lo è. La linea divisoria è se il lettore ha ancora bisogno dell'editore, non se una macchina ha letto l'articolo.
Perché questo pesa più di una decisione sul fair use
Il contenzioso americano ha passato due anni a discutere di fair use, una difesa fortemente basata sui fatti che un convenuto ben finanziato può portare avanti per anni. La questione UE è più ristretta e più operativa: che cosa ha fatto il tuo prodotto quando un utente ha chiesto?
Per chiunque costruisca prodotti aumentati dal recupero, questo inquadra diversamente il lavoro di conformità. Diventa una revisione funzionalità per funzionalità anziché un problema di dati di addestramento da risolvere una volta per tutte, e si applica alla ricerca di immagini e video tanto quanto al testo.
Uno strumento di ricerca visiva che indicizza una libreria di stock e restituisce fotogrammi quasi identici invece di mandare l'utente al licenziante presenta la stessa struttura di rischio di un chatbot di notizie che riassume un articolo. Lo stesso vale per un assistente che preleva una fotografia specifica dal sito di un editore e risponde a domande su di essa senza un link.
La reazione di entrambe le parti
La posizione di Google è che le eccezioni europee TDM sono vitali per la competitività e che accoglie con favore il riconoscimento da parte dell'avvocato generale che il diritto UE consente l'addestramento su informazioni pubblicamente disponibili. L'azienda ha aggiunto che Gemini crea opere originali apprendendo schemi linguistici anziché copiare, e che gli editori dispongono di controlli e di un opt-out.
Il Consiglio europeo degli editori si è concentrato sull'altra metà, sostenendo che la distinzione importante è tra l'indicizzazione di ricerca consentita e le risposte IA coperte da licenza che sostituiscono il giornalismo originale.
Entrambe leggono correttamente le stesse conclusioni. La metà sull'addestramento favorisce gli sviluppatori di modelli. La metà sul recupero favorisce gli editori, ed è quella che descrive come funzionano realmente oggi la maggior parte dei prodotti IA.
Cosa succede dopo
Le conclusioni hanno natura consultiva. La Corte segue il proprio avvocato generale nella maggior parte dei casi, ma non sempre, e la sentenza è attesa nel 2027.
Nel frattempo, val la pena fare tre cose invece di aspettare. Confermare che i dati di addestramento provengano da un accesso lecito e che gli opt-out siano stati rispettati. Rivedere qualsiasi funzionalità che recupera e riassume materiale fonte per verificare se la risposta potrebbe sostituire la fonte. E mettere per iscritto le salvaguardie, perché le conclusioni collegano la responsabilità alla loro assenza.
La parte scomoda per il settore è che il test è esperienziale anziché tecnico. Non lo si può risolvere con un audit delle licenze o un file robots.txt. Bisogna chiedersi se un lettore, davanti al tuo output, si prenderebbe ancora la briga di fare clic. Se la risposta è no, il problema è il design.
Articoli correlati
La spesa in AI non si è fermata: la regge l'1% delle aziende
Il volume di token è cresciuto del 37.1 per cento e i prezzi sono scesi del 26.8: la differenza spiega perché i ricavi dei fornitori sembrano fermi.
Claude ora legge i tuoi estratti conto. Anthropic gli ha tolto le mani di proposito
Il design in sola lettura è il prodotto, e scollegare una banca non ritira ciò che è già finito in una chat.
Adobe ha smesso di chiedere ai marketer di aprire Adobe
Per un decennio la strategia è stata possedere l'interfaccia. Adobe ha appena scommesso il contrario.
CrowdStrike ha rilasciato un kill switch per gli agenti AI. La parte difficile è sapere cosa terminare.
Un kill switch trasforma una supposizione in qualcosa di applicabile. L'applicazione richiede un elenco, e l'elenco è la parte che nessuno ha.