Não necessariamente. O Nono Circuito decidiu, no caso hiQ Labs v. LinkedIn, que a extração de dados de páginas acessíveis ao público não viola a CFAA (White & Case, consultado em 17 de setembro de 2026). No entanto, as ações por quebra de contrato, violação de direitos autorais e invasão de propriedade continuam plenamente viáveis; portanto, um “scraper” ainda pode incorrer em responsabilidade civil efetiva sem infringir essa lei específica. Ver como conceder aos agentes de IA acesso em tempo real à web no que diz respeito ao arquivo robots.txt e ao acesso dos rastreadores.
Ações judiciais relacionadas a dados de treinamento de IA: o que elas significam para os scrapers da web
Em setembro de 2025, um juiz federal concedeu aprovação preliminar a um acordo no valor de US$ 1,5 bilhão, o maior pagamento por direitos autorais da história da IA. As alegações por trás disso: a Anthropic treinou seus modelos com cerca de 500 mil livros pirateados (Copyright Alliance, “Participando do Acordo Bartz v. Anthropic”, consultado em 17 de setembro de 2026). Esse número, por si só, já deveria chamar a atenção de qualquer pessoa que ganhe a vida coletando dados.
Nos últimos dezoito meses, tribunais em dois continentes passaram a estabelecer limites concretos sobre como as empresas de IA e os scrapers podem adquirir dados de treinamento, e esses limites nem sempre correspondem ao que o setor supunha. Este artigo analisa as principais decisões judiciais, o que elas efetivamente determinaram e o que as equipes de dados e os provedores de infraestrutura de scraping devem alterar em suas formas de atuação. Para obter informações sobre os mecanismos envolvidos, consulte Como funciona o web scraping.
Principais conclusões
- O acordo de US$ 1,5 bilhão da Anthropic demonstra que foi a pirataria, e não o treinamento, que gerou a responsabilidade civil (Copyright Alliance, 2026).
- A Ross Intelligence perdeu sua defesa com base no uso justo porque sua ferramenta de IA competia diretamente com o próprio mercado da Westlaw; a Anthropic e a Meta nunca tiveram que responder a essa questão.
- Apenas 14% dos principais domínios configuraram um sinalizador robots.txt para bots de IA (Cloudflare Radar, 2025).
- A evasão fiscal faz com que o senhor seja incluído na lista negra. Não é necessário entrar com uma ação judicial.
O que os tribunais estão, de fato, decidindo sobre os dados de treinamento de IA?
Os tribunais estão decidindo que a forma como os dados de treinamento são obtidos pode gerar responsabilidade totalmente distinta da forma como são utilizados. O acordo no caso Bartz v. Anthropic resultou em um valor aproximado de US$ 3.000 por obra, abrangendo cerca de 500.000 livros pirateados — um número diretamente vinculado ao método de aquisição, e não à forma como os livros foram posteriormente utilizados no treinamento (Copyright Alliance, “Participação no Acordo Bartz v. Anthropic”, consultado em 17 de setembro de 2026).
A decisão subjacente do juiz William Alsup no caso Bartz v. Anthropic traçou uma linha divisória nítida que o setor não esperava totalmente. O treinamento com livros que a Anthropic havia adquirido e digitalizado constituía uso justo, “espetacularmente transformador”, em suas palavras (Norton Rose Fulbright, Inside Tech Law, “Bartz v. Anthropic: Acordo alcançado após sentença sumária histórica”, consultado em 17 de setembro de 2026). O download de cópias piratas para construir uma biblioteca de pesquisa permanente constituía um ato distinto e não se enquadrava no uso legítimo, independentemente da forma como os dados fossem utilizados posteriormente.
Essa distinção é mais importante do que o próprio valor do acordo. A aquisição e o uso são agora duas questões jurídicas distintas, e uma empresa pode sair vitoriosa em uma delas, mas sofrer uma derrota retumbante na outra. A Anthropic chegou a um acordo de indenização em agosto de 2025, e o juiz Alsup concedeu aprovação preliminar no mês seguinte (CNBC, “Juiz concede aprovação preliminar a acordo de US$ 1,5 bilhão com autores”, 25 de setembro de 2025, consultado em 17 de setembro de 2026).
Um laboratório de IA com recursos financeiros consideráveis corre realmente menos riscos legais do que um pequeno “scraper” que utiliza a mesma fonte pirata? Não necessariamente. O acordo demonstra que a escala não protege ninguém contra uma ação relacionada ao método de aquisição, uma vez que este seja considerado independente da questão do uso justo. Veja O que é considerado como dados de treinamento de IA quanto aos mecanismos subjacentes que essas decisões estão avaliando.
Por que a Thomson Reuters venceu a Ross Intelligence quando a Anthropic obteve vitória no caso do uso legítimo?
A Thomson Reuters venceu o processo porque a Ross Intelligence desenvolveu um produto diretamente concorrente a partir de conteúdo licenciado que não estava autorizada a utilizar para treinamento. Em fevereiro de 2025, o juiz Stephanos Bibas (D. Del.) concedeu sentença sumária parcial à Thomson Reuters, a primeira derrota em sentença sumária para uma empresa de IA em uma defesa de uso justo de dados de treinamento (Goodwin Procter, “Tribunal rejeita defesa de uso justo em caso de direitos autorais envolvendo IA”, consultado em 17 de setembro de 2026).
Ross havia utilizado as notas introdutórias do Westlaw — conteúdo editorial que a Thomson Reuters levou décadas para desenvolver — para treinar uma ferramenta de pesquisa jurídica que competia diretamente com o próprio Westlaw. O juiz Bibas considerou que tal uso não era transformativo e causava prejuízo comercial ao mercado da obra original (Jenner & Block, alerta ao cliente, consultado em 17 de setembro de 2026).
Compare isso com o caso Kadrey v. Meta. Em junho de 2025, o juiz Vince Chhabria (N.D. Cal.) concedeu à Meta uma sentença sumária parcial sobre o uso justo, embora alguns livros de treinamento tivessem origem em bibliotecas paralelas, pois os autores não conseguiram demonstrar que o uso feito pela Meta diluísse o mercado para suas obras (Goodwin Procter, consultado em 17 de setembro de 2026). Ele teve o cuidado de observar que um futuro autor que conseguisse provar a diluição de mercado poderia obter sucesso onde esses autores não o conseguiram (Copyright Alliance, “Decisão no caso Kadrey v. Meta”, consultado em 17 de setembro de 2026).
Então, o que realmente distingue uma defesa bem-sucedida de uso legítimo de uma que não dá certo? Acontece que é a concorrência de mercado, e não os aspectos técnicos da cópia em si.
Quando analisadas em conjunto, essas decisões sugerem que o método de aquisição e o uso competitivo funcionam como duas vias independentes de responsabilidade. A Anthropic foi derrotada no que diz respeito à aquisição (pirataria), apesar de ter vencido no que se refere ao uso transformativo. A Ross foi derrotada no que diz respeito ao uso competitivo, apesar de ter se baseado em conteúdo de fonte licenciada. Nenhum dos dois fatores, por si só, garante proteção.
Os processos que ainda estão em andamento na Justiça
Vários dos maiores processos judiciais envolvendo direitos autorais e IA continuam pendentes, e os desfechos podem redefinir ainda mais a doutrina do uso justo. As ações judiciais consolidadas do NYT e da Authors Guild contra a OpenAI estão agora reunidas no processo “In re OpenAI Copyright Litigation”, sob a responsabilidade do juiz Sidney Stein. O processo encontra-se em fase de produção de provas desde setembro de 2026, sem data marcada para o julgamento (Washington Post, “DOJ insta juiz a decidir a favor da OpenAI e da Microsoft no processo do NY Times”, 2 de setembro de 2026, consultado em 17 de setembro de 2026).
O juiz Stein indeferiu em grande parte o pedido de indeferimento apresentado pela OpenAI e pela Microsoft em abril de 2025, permitindo que a maioria das alegações prosseguisse e recusando-se explicitamente a considerar o treinamento de IA como “inerentemente transformador”. Uma decisão de 27 de outubro de 2025 foi ainda mais longe: O juiz Stein sustentou que os resumos do enredo dos romances dos autores, gerados pelo ChatGPT, poderiam, por si sós, constituir violação — uma teoria dos “resultados” distinta da questão do treinamento (IPWatchdog, “OpenAI perde pedido de indeferimento de ação coletiva multidistrital sobre resultados do ChatGPT”, 28 de outubro de 2025, consultado em 17 de setembro de 2026).
O caso também atraiu a atenção de fora. Em 2 de setembro de 2026, o Departamento de Justiça apresentou um parecer instando o tribunal a decidir a favor da OpenAI e da Microsoft (Washington Post, consultado em 17 de setembro de 2026; Axios, “Processo judicial sobre direitos autorais envolvendo o NYT, a OpenAI e a Microsoft”, 8 de setembro de 2026, consultado em 17 de setembro de 2026).
O caso Getty Images contra Stability AI se estendeu por um oceano. Em 4 de novembro de 2025, o Tribunal Superior do Reino Unido decidiu que a alegação de direitos autorais da Getty não procedeu, uma vez que o treinamento da Stability ocorreu fora do Reino Unido, mas constatou violação de marca registrada, pois os primeiros resultados do Stable Diffusion exibiam a marca d’água da Getty (Ropes & Gray, consultado em 17 de setembro de 2026). O processo separado da Getty nos Estados Unidos, reapresentado no Distrito Norte da Califórnia, resistiu a uma moção de indeferimento relativa às alegações de marca registrada e diluição em abril de 2026, com o julgamento marcado para janeiro-fevereiro de 2028 (registro do CourtListener, consultado em 17 de setembro de 2026).
A mesma teoria, segundo a qual os resultados gerados pela IA que apresentem a marca d’água de uma marca ou conteúdo derivado reconhecível constituem violação, está agora sendo aplicada simultaneamente nos tribunais do Reino Unido e dos Estados Unidos. As ações de direitos autorais estão se tornando mais restritas com base em questões jurisdicionais e de uso transformativo, mas as ações relacionadas a marcas registradas e baseadas nos resultados gerados estão preenchendo a lacuna deixada por essas decisões mais restritas.
Esse padrão vai além do texto. A Disney, a Universal e a Warner Bros. entraram com ações judiciais contra a Midjourney entre junho e setembro de 2025 por questões relacionadas à geração de imagens, e os processos consolidados continuam em fase de controvérsia sobre a fase de produção de provas em meados de 2026 (Variety, consultado em 17 de setembro de 2026; IPWatchdog, “Queixa da Warner Bros. alega que a violação de direitos autorais pela Midjourney é ‘sistemática’ e ‘deliberada’”, consultado em 17 de setembro de 2026). No setor musical, a Universal Music Group chegou a um acordo com a Udio em outubro de 2025, combinando indenização com um contrato de licenciamento para uma nova plataforma de música baseada em IA, e a Warner Music chegou a um acordo tanto com a Udio quanto com a Suno em novembro de 2025 (Music Business Worldwide, consultado em 17/09/2026). A Sony continua em litígio com ambas as plataformas. A pressão também não se limita aos tribunais: veja por que o acesso aos dados da web está se tornando mais difícil no que diz respeito à parte de infraestrutura dessa mesma restrição.
Alguma dessas considerações se aplica à coleta de dados públicos, e não apenas ao treinamento de IA?
A extração de páginas da web acessíveis ao público não constitui, por si só, um crime federal, mas isso não significa que seja isenta de riscos. O caso hiQ Labs v. LinkedIn esclareceu essa questão no Nono Circuito: a extração de dados de páginas públicas não viola a cláusula de “sem autorização” da CFAA, embora as alegações de quebra de contrato, violação de direitos autorais e invasão de propriedade continuem plenamente válidas (White & Case, “Web scraping, termos de uso de sites e a CFAA”, consultado em 17 de setembro de 2026).
Essa decisão foi proferida em recurso de reexame, após a decisão do Supremo Tribunal no caso Van Buren ter restringido o âmbito de aplicação da CFAA. O mesmo processo também concluiu que a hiQ ainda havia violado os Termos de Serviço do LinkedIn, uma alegação contratual distinta, não afetada pela decisão relativa à CFAA (Fenwick & West, “hiQ Labs Scrapes By Again”, consultado em 17 de setembro de 2026). Na prática, a verdadeira questão de risco passou de “isso é hacking?” para “eu tinha permissão ou licença?”.
Se extrair dados de páginas públicas não é hacking, por que as empresas ainda são bloqueadas e processadas por isso? Porque a imunidade prevista na CFAA nunca abrangeu reclamações relacionadas a contratos, direitos autorais ou invasão de propriedade, e é exatamente nesse âmbito que a maioria das disputas se concentra atualmente.
Um incidente separado, ocorrido em agosto de 2025, demonstrou a rapidez com que a fiscalização informal pode agir. A Cloudflare relatou que a Perplexity utilizava user-agents e ASNs não declarados e em rotação para continuar rastreando domínios de teste que haviam proibido explicitamente todos os rastreadores por meio do arquivo robots.txt (Search Engine Journal, “Cloudflare retira da lista e bloqueia a Perplexity de rastrear sites”, consultado em 17 de setembro de 2026). A Cloudflare retirou da lista o status de bot verificado da Perplexity e bloqueou seu rastreador em toda a rede, sem a necessidade de qualquer ação judicial.
A Perplexity contestou publicamente a interpretação dos eventos feita pela Cloudflare (Search Engine Journal, consultado em 17 de setembro de 2026). Independentemente de como essa controvérsia venha a ser resolvida, a lição permanece válida: ser pego contornando um bloqueio declarado pode impedir, da noite para o dia, o acesso de um rastreador a grande parte da web. Para uma análise mais detalhada sobre os limites legais, consulte práticas éticas de web scraping.
Como os provedores de infraestrutura estão reagindo
Os provedores de infraestrutura deixaram de aguardar decisões judiciais e passaram a alterar eles próprios as configurações padrão. A partir de 1º de julho de 2025, a Cloudflare tornou o bloqueio de rastreadores de IA não autorizados a configuração padrão para todos os novos domínios, mudando o modelo anterior de “opt-in” para bloqueio para um modelo de “opt-out” para acesso (Cloudflare, comunicado à imprensa, “A Cloudflare acaba de mudar a forma como os rastreadores de IA coletam dados da internet em geral”, consultado em 17 de setembro de 2026).
A Cloudflare associou essa mudança ao “Pay Per Crawl”, um mecanismo que permite aos proprietários de sites cobrar dos rastreadores pelo acesso; segundo a empresa, esse mecanismo evoluirá para o “Pay Per Use” a partir de 15 de setembro de 2026, bloqueando por padrão os rastreadores de finalidade mista em páginas sustentadas por anúncios (Blog da Cloudflare, consultado em 17/09/2026). Em um período de análise de tráfego que abrangeu de 19 a 26 de junho de 2025, o Cloudflare Radar constatou que o Claude, da Anthropic, realizou aproximadamente 71.000 solicitações de páginas HTML para cada referência que enviou de volta aos sites que rastreou (Blog da Cloudflare/Radar, “Proporção entre rastreamento e encaminhamento de IA no Radar”, consultado em 17 de setembro de 2026).
A maioria dos proprietários de sites ainda não definiu absolutamente nenhum sinal. O GPTBot foi o rastreador mais bloqueado nesse mesmo conjunto de dados, sendo impedido por 312 dos 3.816 domínios com um arquivo robots.txt, contra apenas 61 que o permitiram explicitamente (Blog/Radar da Cloudflare, consultado em 17 de setembro de 2026).
Os órgãos reguladores estão começando a considerar os sinais legíveis por máquina como os únicos que se levam em conta. Em 10 de dezembro de 2025, o Tribunal Regional Superior Hanseático de Hamburgo decidiu, no caso Kneschke contra LAION (OLG Hamburgo, 5 U 104/24), que uma opção de exclusão da mineração de texto e dados só é juridicamente válida se for legível por máquina. O arquivo robots.txt, um cabeçalho X-Robots-Tag ou o Protocolo de Reserva de TDM são todos válidos. Uma cláusula oculta nos termos de uso de um site redigidos em linguagem natural não é válida (Norton Rose Fulbright, Inside Tech Law, “Opções de exclusão legíveis por máquina e treinamento de IA: Tribunal de Hamburgo esclarece exceções aos direitos autorais”, consultado em 17 de setembro de 2026).
Essa abordagem está em consonância com o Código de Práticas da UE sobre IA Geral (GPAI), publicado em julho de 2025 e assinado por 23 desenvolvedores de IA até julho de 2026, incluindo a OpenAI, o Google, Anthropic e a Microsoft, todas as quais se comprometeram a realizar o rastreamento com bots compatíveis com o arquivo robots.txt e a respeitar as restrições legíveis por máquina.
Os provedores de infraestrutura e os órgãos reguladores estão, na prática, avançando mais rapidamente do que os tribunais nessa questão. A Cloudflare alterou sua política padrão relativa a rastreadores em julho de 2025, e o padrão de “sinal legível por máquina” estabelecido pelo tribunal de Hamburgo surgiu bem antes de a jurisprudência norte-americana ter resolvido questões comparáveis sobre scraping e licenciamento. As equipes que aguardam a resolução de litígios antes de ajustar suas políticas podem descobrir que as configurações padrão já mudaram sem que percebam.
O que os profissionais de scraping e as equipes de dados devem fazer agora
As equipes de dados que tratam a proveniência como algo secundário são as que estão mais expostas aos riscos criados por essas decisões judiciais. Somente o acordo no caso Bartz custou aproximadamente US$ 3.000 por obra pirateada, abrangendo cerca de 500.000 livros (Copyright Alliance, consultado em 17 de setembro de 2026), um valor que qualquer equipe jurídica pode multiplicar pelo tamanho de seu próprio acervo sem licença.
1. Rastrear a proveniência dos dados de ponta a ponta. Saiba exatamente de onde veio cada dado utilizado para treinamento ou coleta, e se ele foi licenciado, adquirido ou extraído. O caso da Anthropic demonstra que os órgãos reguladores e os tribunais distinguirão o método de aquisição do uso posterior ao atribuir a responsabilidade.
2. Respeitem os sinais de recusa legíveis por máquina. Os arquivos robots.txt, ai.txt e o Protocolo de Reserva TDM são os padrões que os órgãos reguladores reconhecem atualmente, mesmo nos casos em que uma jurisdição ainda não tenha imposto sua aplicação.
3. Dê preferência ao licenciamento em vez de atalhos que se aproximam da pirataria. As relações com dados adquiridos ou licenciados têm validade jurídica em tribunal, ao contrário do que ocorre com arquivos pirateados, uma vez que a vitória da Anthropic com base no uso justo em relação aos livros adquiridos não serviu para isentar a empresa de sua responsabilidade pelas cópias pirateadas que se encontravam ao lado deles na mesma sessão de treinamento.
4. Evite táticas de ocultação de identidade. A alternância de user-agents para contornar um bloqueio declarado resulta na inclusão na lista negra. Não é necessário qualquer processo judicial. Informações sobre o que o scraping com IA realmente envolve é um ponto de partida útil para auditar seu próprio pipeline.
A proveniência é um dos elementos de uma estratégia defensável de obtenção de dados, mas não representa o quadro completo. A rede de proxies residenciais da Massive opera em dispositivos de usuários reais em mais de 195 países; cada dispositivo é cadastrado por meio do SDK da Massive, fornecendo HTML ou Markdown sem erros a partir de qualquer fonte pública, em qualquer local. Ela é auditada pela SOC 2 e está em conformidade com o GDPR, constituindo um elemento de uma postura defensável, mas não um escudo jurídico nem um substituto para aconselhamento jurídico.
Conclusão
O panorama jurídico relativo aos dados de treinamento de IA se dividiu em duas vertentes distintas este ano: como os dados são obtidos e como são utilizados; e os tribunais estão agora dispostos a punir as falhas em qualquer uma dessas vertentes, independentemente uma da outra.
- O método de aquisição constitui agora uma categoria de responsabilidade própria, distinta do uso legítimo.
- O uso competitivo acaba com a defesa do uso justo mais rapidamente do que a pirataria: a Ross Intelligence perdeu de forma contundente porque sua ferramenta competia diretamente com a Westlaw, um desafio que a Anthropic e a Meta nunca tiveram de enfrentar.
- A infraestrutura está evoluindo mais rapidamente do que os tribunais. A Cloudflare alterou a configuração padrão de seu rastreador em julho de 2025; os reguladores da UE seguiram o exemplo meses depois.
É de se esperar que haja mais acordos que combinem indenização e licenciamento, como os da UMG e da Warner Music, até 2027, à medida que o padrão de “processar e depois licenciar” continua se disseminando em textos, imagens e músicas. Para conhecer os aspectos práticos de como obter direitos de forma defensável, consulte Criação de um pipeline de dados com base em dados da web em tempo real.
Fontes
- Copyright Alliance, “Participação no Acordo Bartz v. Anthropic”, consultado em 17 de setembro de 2026
- CNBC, “Juiz concede aprovação preliminar ao acordo de US$ 1,5 bilhão com os autores”, consultado em 17 de setembro de 2026
- Norton Rose Fulbright / Inside Tech Law, “Bartz v. Anthropic: Acordo alcançado após decisão sumária histórica e certificação de ação coletiva”, consultado em 17 de setembro de 2026
- Goodwin Procter, “Tribunal rejeita defesa baseada no uso justo em caso de direitos autorais envolvendo IA”, consultado em 17 de setembro de 2026
- Jenner & Block, alerta ao cliente sobre o caso Thomson Reuters contra Ross Intelligence, consultado em 17 de setembro de 2026
- Goodwin Procter, “Juiz do Distrito Norte da Califórnia profere decisão” (Kadrey v. Meta), consultado em 17 de setembro de 2026
- Copyright Alliance, “Decisão no caso Kadrey v. Meta”, consultado em 17 de setembro de 2026
- Washington Post, “Departamento de Justiça insta juiz a decidir a favor da OpenAI e da Microsoft no processo movido pelo NY Times”, consultado em 17 de setembro de 2026
- Axios, “Processo judicial por violação de direitos autorais envolvendo o NYT, a OpenAI e a Microsoft”, consultado em 17 de setembro de 2026
- IPWatchdog, “OpenAI não consegue que seja indeferida ação coletiva multidistrital relativa aos resultados do ChatGPT”, consultado em 17 de setembro de 2026
- Ropes & Gray, “Getty Images perde ação por violação de direitos autorais contra a Stability AI no primeiro caso do Reino Unido...”, consultado em 17 de setembro de 2026
- Cleary Gottlieb, “Tribunal Superior do Reino Unido profere decisão histórica no caso Getty Images contra Stability AI”, consultado em 17 de setembro de 2026
- CourtListener, pauta do processo Getty Images (US) Inc. contra Stability AI Ltd., consultada em 17 de setembro de 2026
- Music Business Worldwide, “Universal Music chega a um acordo no processo contra a Udio e fecha contrato para plataforma de música com IA licenciada”, consultado em 17 de setembro de 2026
- Hollywood Reporter, “Universal Music Group anuncia acordo com a Udio”, consultado em 17 de setembro de 2026
- Revista Variety, sobre a disputa em torno da descoberta dos estúdios Midjourney, consultado em 17 de setembro de 2026
- IPWatchdog, “Queixa da Warner Bros. alega que a violação de direitos autorais pela Midjourney é ‘sistemática’ e ‘deliberada’”, consultado em 17 de setembro de 2026
- White & Case, “Web scraping, termos de uso de sites e a CFAA: liminar da hiQ confirmada novamente”, consultado em 17 de setembro de 2026
- Fenwick & West, “hiQ Labs se sai bem mais uma vez: o Nono Circuito reafirma que a extração de dados não viola a CFAA”, consultado em 17 de setembro de 2026
- Blog da Cloudflare/Radar, “Proporção entre rastreamento por IA e referências no Radar”, consultado em 17 de setembro de 2026
- Cloudflare, comunicado à imprensa, “A Cloudflare acaba de mudar a forma como os rastreadores de IA coletam dados da internet em geral”, consultado em 17 de setembro de 2026
- Search Engine Journal, “Cloudflare retira da lista e impede a Perplexity de rastrear sites”, consultado em 17 de setembro de 2026
- Norton Rose Fulbright, Inside Tech Law, “Opções de exclusão legíveis por máquina e treinamento de IA: Tribunal de Hamburgo esclarece exceções à lei de direitos autorais”, consultado em 17 de setembro de 2026
Perguntas frequentes
É ilegal extrair dados de sites disponíveis ao público?
O treinamento de um modelo de IA com material protegido por direitos autorais é considerado uso justo?
Isso depende da aquisição e da concorrência, e não apenas da transformação. O juiz Alsup decidiu que o treinamento com base em livros adquiridos constituía uso legítimo no caso da Anthropic, enquanto o juiz Bibas decidiu que o treinamento da Ross Intelligence com base nos resumos do Westlaw para um produto concorrente não constituía uso legítimo, a primeira derrota desse tipo (Goodwin Procter, consultado em 17 de setembro de 2026).
Qual é a diferença entre as decisões judiciais relativas aos direitos autorais de IA da Anthropic e da Thomson Reuters?
A Anthropic saiu vitoriosa na questão do treinamento transformativo, mas foi derrotada no caso de pirataria, o que resultou em um acordo de US$ 1,5 bilhão envolvendo cerca de 500 mil livros pirateados (Copyright Alliance, consultado em 17 de setembro de 2026). A Ross Intelligence perdeu categoricamente por ter utilizado conteúdo licenciado da Westlaw para desenvolver um produto diretamente concorrente, um resultado relacionado à concorrência de mercado e não ao método de treinamento em si.
Como as equipes de dados podem reduzir os riscos jurídicos ao coletar dados para treinamento?
Rastreie a proveniência de cada dado de entrada, respeite sinais de exclusão legíveis por máquina, como o robots.txt e o Protocolo de Reserva TDM, e dê preferência a dados licenciados ou adquiridos em vez de atalhos que se aproximem da pirataria. A Cloudflare constatou que apenas cerca de 14% dos principais domínios haviam definido algum sinal robots.txt para bots de IA até junho de 2025 (Cloudflare Radar, consultado em 17 de setembro de 2026), deixando a maior parte da exposição sem proteção por padrão.