# Processos judiciais relacionados a dados de treinamento de IA: o que isso significa 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 violação de direitos autorais na história da IA. As alegações por trás disso: A Anthropic treinou seus modelos com cerca de 500 mil livros pirateados (Copyright Alliance, “Participating in the Bartz v. Anthropic Settlement”, 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 começaram a estabelecer limites concretos sobre como empresas de IA e 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 realmente determinaram e o que as equipes de dados e os provedores de infraestrutura de scraping devem alterar em suas formas de operação. Para conhecer os fundamentos técnicos, consulte [como funciona o web scraping](https://www.joinmassive.com/glossary/what-is-web-scraping). > **Principais conclusões** > - O acordo de US$ 1,5 bilhão da Anthropic mostra que foi a pirataria, e não o treinamento, que gerou a responsabilidade (Copyright Alliance, 2026). > - A Ross Intelligence perdeu sua defesa baseada 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 definiram um sinal robots.txt para bots de IA (Cloudflare Radar, 2025). > - A evasão leva à inclusão na lista negra. Não é necessário processo judicial. ## O que os tribunais estão, de fato, decidindo sobre os dados de treinamento de IA? Os tribunais estão decidindo que a forma como se adquirem os dados de treinamento pode gerar responsabilidade totalmente distinta da forma como eles 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 valor diretamente vinculado ao método de aquisição, e não à forma como os livros foram posteriormente utilizados no treinamento (Copyright Alliance, “Participando do Acordo Bartz v. Anthropic”, consultado em 17/09/2026). ![Fileiras de livros jurídicos nas prateleiras da biblioteca de um tribunal, representando o crescente acervo de jurisprudência que molda as regras relativas aos dados de treinamento de IA.](https://cdn.pixabay.com/photo/2014/03/20/21/53/law-books-291683_1280.jpg) 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 justo, independentemente de como os dados fossem utilizados posteriormente. Essa distinção é mais importante do que o valor do acordo em si. A aquisição e o uso são agora duas questões jurídicas distintas, e uma empresa pode sair vitoriosa em uma delas, ao mesmo tempo em que sofre uma derrota contundente na outra. A Anthropic chegou a um acordo 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 bem financiado corre realmente menos riscos legais do que um pequeno “scraper” que utiliza a mesma fonte pirateada? Não necessariamente. O acordo demonstra que a escala não protege ninguém de uma ação judicial relacionada ao método de aquisição, uma vez que este seja estabelecido como independente da questão do uso justo. Consulte [o que conta como dados de treinamento de IA](https://www.joinmassive.com/glossary/what-is-llm-training-data) para conhecer os mecanismos subjacentes que essas decisões estão avaliando.
A Mudança de 2025: Do Contencioso ao Licenciamento Linha do tempo horizontal mostrando quatro eventos de acordos sobre direitos autorais de IA em 2025: a Anthropic concorda com um acordo de 1,5 bilhão de dólares no caso Bartz v. Anthropic (agosto de 2025); o tribunal concede aprovação preliminar (setembro de 2025); a Universal Music Group chega a um acordo com a Udio e lança uma plataforma de música com IA licenciada (outubro de 2025); a Warner Music Group chega a um acordo tanto com a Udio quanto com a Suno (novembro de 2025). A virada de 2025: dos litígios ao licenciamento Principais acordos sobre direitos autorais relacionados à IA, agosto a novembro de 2025 Acordo de US$ 1,5 bilhão Bartz contra Anthropic Agosto de 2025 Aprovação judicial Aprovação preliminar concedida setembro de 2025 Acordo entre a UMG e a Udio Plataforma de música com IA licenciada Outubro de 2025 A WMG chega a um acordo em ambos os casos a Udio e, em seguida, a Suno novembro de 2025 Fonte: Copyright Alliance; CNBC; Music Business Worldwide (2025)
A virada em 2025: dos litígios sobre direitos autorais envolvendo IA para acordos judiciais e licenciamento (Fonte: Copyright Alliance, CNBC, Music Business Worldwide, 2025)
## Por que a Thomson Reuters venceu a Ross Intelligence quando a Anthropic obteve vitória com base no uso justo? A Thomson Reuters venceu 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 julgamento sumário 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 de IA”, consultado em 17/09/2026). A Ross havia utilizado os resumos jurisprudenciais do Westlaw — conteúdo editorial que a Thomson Reuters levou décadas para construir — para treinar uma ferramenta de pesquisa jurídica que competia diretamente com o próprio Westlaw. O juiz Bibas considerou o uso não transformativo e comercialmente prejudicial 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 sentença sumária parcial com base no uso justo, embora alguns livros de treinamento tivessem origem em bibliotecas paralelas, pois os autores não conseguiram demonstrar que o uso pela Meta diluísse o mercado de suas obras (Goodwin Procter, consultado em 17 de setembro de 2026). Ele teve o cuidado de observar que um futuro autor que pudesse provar a diluição do mercado poderia obter sucesso onde esses autores não 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 justo de uma malsucedida? A concorrência de mercado, ao que parece, e não a mecânica da cópia em si. Analisadas em conjunto, essas decisões sugerem que o método de aquisição e o uso competitivo funcionam como duas vias independentes de responsabilidade. A Anthropic perdeu no aspecto da aquisição (pirataria), apesar de ter vencido no uso transformativo. Ross perdeu no aspecto do uso competitivo, apesar de ter se baseado em conteúdo de fonte licenciada. Nenhum dos fatores, por si só, garante proteção.
Caso Em que se baseou o treinamento Como os dados foram adquiridos Concorre com a fonte? Resultado do uso justo
Bartz v. Anthropic Livros, adquiridos e digitalizados Cópias adquiridas legalmente (lícitas) mais cópias piratas de bibliotecas paralelas (ilícitas) Não Treinamento com livros adquiridos: uso justo. Download de cópias piratas: não se trata de uso justo, o que levou ao acordo de US$ 1,5 bilhão
Kadrey contra Meta Livros, inclusive provenientes de bibliotecas paralelas Parcialmente pirateados Os autores da ação não comprovaram prejuízo ao mercado Uso justo neste caso; o juiz deixou a porta aberta para demandantes que possam demonstrar diluição de mercado
Thomson Reuters v. Ross Intelligence Notas de cabeça da Westlaw Conteúdo licenciado, utilizado sem autorização para treinamento Sim, um produto concorrente de pesquisa jurídica Não se trata de uso justo; a primeira decisão sumária desfavorável em caso de treinamento de IA
Getty Images contra Stability AI (Reino Unido) Imagens de banco de imagens licenciadas Utilizadas sem licença; o treinamento ocorreu fora do Reino Unido Sim, uma empresa concorrente de licenciamento de imagens Reivindicação de direitos autorais rejeitada por motivos jurisdicionais; constatada, em vez disso, violação de marca registrada
## Os processos ainda em andamento nos tribunais Vários dos maiores processos de direitos autorais envolvendo IA permanecem 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 no processo “In re OpenAI Copyright Litigation”, perante o juiz Sidney Stein. O caso encontra-se em fase de produção de provas desde setembro de 2026, sem data marcada para 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). ![Estantes dentro de uma biblioteca, representando os diversos processos judiciais pendentes sobre direitos autorais relacionados à IA que estão em fase de produção de provas e recurso.](https://cdn.pixabay.com/photo/2016/01/19/01/42/library-1147815_1280.jpg) O juiz Stein negou em grande parte a moção de indeferimento apresentada 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 de enredo gerados pelo ChatGPT a partir dos romances dos autores da ação poderiam, por si só, constituir violação, uma teoria dos “resultados” distinta da questão do treinamento (IPWatchdog, “OpenAI perde tentativa 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 de direitos autorais envolvendo NYT, OpenAI e Microsoft”, 8 de setembro de 2026, consultado em 17 de setembro de 2026). O caso Getty Images contra Stability AI se dividiu 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 porque o treinamento da Stability ocorreu fora do Reino Unido, mas constatou violação de marca registrada, uma vez que as primeiras imagens geradas pelo Stable Diffusion exibiam a marca d’água da Getty (Ropes & Gray, consultado em 17 de setembro de 2026). O processo separado da Getty nos EUA, 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 (pauta do CourtListener, consultada em 17 de setembro de 2026). A mesma teoria, segundo a qual os resultados de IA que exibem a marca d’água de uma marca ou conteúdo derivado reconhecível constituem violação, está agora em análise simultaneamente nos tribunais do Reino Unido e dos EUA. As alegações de direitos autorais estão sendo restringidas com base em questões jurisdicionais e de uso transformativo, mas as alegações relacionadas a marcas registradas e resultadosestão preenchendo a lacuna deixada por essas decisões mais restritas. Esse padrão se estende além do texto. A Disney, a Universal e a Warner Bros. processaram a Midjourney entre junho e setembro de 2025 por geração de imagens, e os processos consolidados permanecem em fase de controvérsia sobre a fase de produção de provas em meados de 2026 (Variety, consultado em 17/09/2026; IPWatchdog, “Queixa da Warner Bros. alega que a violação de direitos autorais da Midjourney é ‘sistemática’ ‘deliberada’”, consultado em 17/09/2026). 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 a dados da web está se tornando mais difícil](https://www.joinmassive.com/blog/why-ai-agents-get-blocked-on-datacenter-ips-and-how-to-fix-it) para conhecer o lado da infraestrutura dessa mesma pressão. ## Alguma dessas questões se aplica à extração de dados públicos, e não apenas ao treinamento de IA? A extração de páginas da web acessíveis ao público não é, por si só, um crime federal, mas isso não significa que seja isenta de riscos. O caso hiQ Labs v. LinkedIn esclareceu essa questão na Nona Circunscrição: a extração de páginas públicas não viola a disposição da CFAA relativa à “ausência de 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, website terms and the CFAA”, consultado em 17/09/2026). Essa decisão foi proferida em recurso de remessa após a decisão do Supremo Tribunal no caso Van Buren ter restringido o escopo da CFAA. O mesmo processo também concluiu que a hiQ ainda violou 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 a extração de dados de páginas públicas não é hacking, por que as empresas ainda são bloqueadas e processadas por isso? Porque a imunidade da CFAA nunca abrangeu reclamações contratuais, de direitos autorais ou de invasão de propriedade, e é exatamente nesse âmbito que a maioria das disputas se concentra atualmente. Um incidente separado em agosto de 2025 mostrou a rapidez com que a fiscalização informal pode agir. A Cloudflare relatou que a Perplexity utilizava user-agents e ASNs não declarados e rotativos para continuar rastreando domínios de teste que haviam explicitamente proibido 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 17/09/2026). A Cloudflare retirou o status de bot verificado da Perplexity e bloqueou seu rastreador em toda a rede, sem a necessidade de qualquer ação judicial.
**Táticas de evasão de identidade acarretam riscos próprios, distintos dos litígios.** As conclusões da Cloudflare de agosto de 2025 sobre a Perplexity mostram que os provedores de infraestrutura podem remover da lista e colocar na lista negra um rastreador em toda a rede no momento em que detectarem agentes de usuário ou ASNs rotativos usados para contornar um bloqueio declarado no arquivo robots.txt, sem necessidade de ação judicial (Search Engine Journal, consultado em 17/09/2026).
A Perplexity contestou publicamente a caracterização dos eventos feita pela Cloudflare (Search Engine Journal, consultado em 17/09/2026). Independentemente de como essa controvérsia venha a ser resolvida, a lição permanece válida: ser pego contornando um bloqueio declarado pode encerrar o acesso de um rastreador a grande parte da web da noite para o dia. Para uma análise mais detalhada dos limites legais, consulte [práticas éticas de web scraping](https://www.joinmassive.com/blog/ethical-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” (aceitação expressa) para “opt-out” (recusa expressa) (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, o qual, segundo a empresa, 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 ofazia aproximadamente 71.000 solicitações de páginas HTML para cada referência enviada de volta aos sites que rastreava (Blog da Cloudflare/Radar, “Proporção entre rastreamento e referência de IA no Radar”, consultado em 17 de setembro de 2026).
A maioria dos sites ainda não possui o Gráfico em forma de rosca mostrando que, dos 10.000 principais domínios da web com um arquivo robots.txt, apenas 14% possuem alguma diretiva específica para bots de IA; 86% não possuem nenhum sinal para bots de IA. Fonte: Cloudflare Radar, junho de 2025. A maioria dos sites ainda não possui um sinal definido para bots de IA Proporção dos 10.000 principais domínios com uma diretiva para bots de IA no arquivo robots.txt 14% possui um bot de IA sinal do robots.txt 14%: definir uma diretiva do robots.txt específica para bots de IA 86%: nenhum sinal para bots de IA definido Fonte: Cloudflare Radar (junho de 2025)
Apenas 14% dos 10.000 principais domínios definiram uma diretiva robots.txt específica para bots de IA (Fonte: Cloudflare Radar, junho de 2025)
A maioria dos proprietários de sites ainda não definiu 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 17/09/2026). Os órgãos reguladores estão começando a tratar os sinais legíveis por máquina como os únicos que realmente importam. 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 recusa demineração de dados por texto só tem validade jurídica se for legível por máquina. O arquivo robots.txt, um cabeçalho X-Robots-Tag ou o Protocolo de Reserva TDM são 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 17/09/2026). Essa abordagem está em consonância com o Código de Práticas GPAI da UE, publicado em julho de 2025 e assinado por 23 desenvolvedores de IA até julho de 2026, incluindo OpenAI, Google, Anthropic e Microsoft, todos os quais se comprometeram a realizar rastreamento com bots compatíveis com o robots.txt e a respeitar as reservas legíveis por máquina. Os provedores de infraestrutura e os órgãos reguladores estão, efetivamente, se antecipando aos tribunais nesse aspecto. A Cloudflare alterou sua política padrão de rastreamento em julho de 2025, e o padrão de sinal legível por máquina do tribunal de Hamburgo surgiu bem antes que a jurisprudência dos EUA resolvesse questões comparáveis sobre scraping e licenciamento. 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 scrapers e as equipes de dados devem fazer agora As equipes de dados que tratam a proveniência como algo secundário são as 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 17/09/2026), um número que qualquer equipe jurídica pode multiplicar pelo tamanho de seu próprio acervo sem licença. **1. Rastreie a proveniência dos dados de ponta a ponta.** Saiba exatamente de onde veio cada dado de treinamento ou de coleta e se ele foi licenciado, adquirido ou extraído. O caso Anthropic mostra que os órgãos reguladores e os tribunais separarão o método de aquisição do uso posterior ao atribuir a responsabilidade. **2. Respeite 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 em jurisdições onde a questão ainda não foi tornada obrigatória. **3. Dê preferência ao licenciamento em vez de atalhos que se aproximam da pirataria.** As relações com dados adquiridos ou licenciados têm validade judicial de uma forma que os arquivos pirateados não têm, já que a vitória da Anthropic com base no uso justo em relação a livros adquiridos não serviu para compensar sua responsabilidade pelas cópias pirateadas que estavam ao lado deles na mesma sessão de treinamento. **4. Evite táticas de evasão de identidade.** Alternar user-agents para contornar um bloqueio declarado faz com que você seja colocado na lista negra. Não é necessário qualquer processo judicial. Informações sobre [o que a extração de dados por IA realmente envolve](https://www.joinmassive.com/glossary/what-is-ai-scraping) é um ponto de partida útil para auditar seu próprio fluxo de trabalho. ![O martelo de um juiz apoiado em uma superfície de madeira, simbolizando as decisões judiciais que agora moldam a forma como as equipes de dados obtêm e licenciam dados de treinamento.](https://cdn.pixabay.com/photo/2022/10/05/07/10/gavel-7499921_1280.jpg)
### É ilegal fazer scraping de sites disponíveis publicamente? Não por si só. O Nono Circuito decidiu, no caso hiQ Labs v. LinkedIn, que fazer scraping de páginas acessíveis ao público não viola a CFAA (White & Case, consultado em 17/09/2026). No entanto, as ações por quebra de contrato, direitos autorais e invasão de propriedade continuam plenamente aplicáveis; portanto, um extraidor de dados ainda pode incorrer em responsabilidade real sem infringir essa lei específica. Consulte [como conceder acesso à web em tempo real a agentes de IA](https://www.joinmassive.com/blog/how-to-give-ai-agents-live-web-access) para obter informações sobre o arquivo robots.txt e o acesso de rastreadores. ### O treinamento de um modelo de IA com material protegido por direitos autorais conta como uso justo? Depende da aquisição e da concorrência, não apenas da transformação. O juiz Alsup decidiu que o treinamento com livros adquiridos constituía uso justo no caso da Anthropic, enquanto o juiz Bibas decidiu que o treinamento da Ross Intelligence com resumos do Westlaw para um produto concorrente não constituía uso justo, a primeira derrota desse tipo (Goodwin Procter, consultado em 17 de setembro de 2026). ### Qual é a diferença entre as decisões judiciais sobre direitos autorais de IA nos casos da Anthropic e da Thomson Reuters? A Anthropic venceu no que diz respeito ao treinamento transformativo, mas perdeu no caso de pirataria, o que levou a 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 porque utilizou conteúdo licenciado da Westlaw para desenvolver um produto diretamente concorrente, um desfecho relacionado à concorrência de mercado, e não ao método de treinamento em si. ### Como as equipes de dados podem reduzir o risco jurídico ao coletar dados de treinamento? Rastreie a proveniência de cada entrada, respeite sinais de exclusão legíveis por máquina, como o robots.txt e o TDM Reservation Protocol, e dê preferência a dados licenciados ou adquiridos em vez de atalhos associados à pirataria. A Cloudflare constatou que apenas cerca de 14% dos principais domínios que 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 desprotegida por padrão. ## Conclusão O panorama jurídico para os dados de treinamento de IA se dividiu em duas vertentes distintas este ano: como você adquire os dados e como os utiliza, e os tribunais estão agora dispostos a punir falhas em qualquer uma delas de forma independente. - O método de aquisição é agora uma vertente de responsabilidade própria, separada do uso justo. - O uso competitivo anula a defesa do uso justo mais rapidamente do que a pirataria: a Ross Intelligence perdeu de forma categórica porque sua ferramenta competia diretamente com a Westlaw, um teste que a Anthropic e a Meta nunca tiveram de enfrentar. - A infraestrutura está avançando 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. Espere mais acordos do tipo “acordo mais licenciamento”, como os da UMG e da Warner Music, até 2027, à medida que o padrão “processar e depois licenciar” continua se espalhando por textos, imagens e músicas. Para o lado prático de obter fontes de forma defensável, consulte [como construir um pipeline de dados com base em dados da web em tempo real](https://www.joinmassive.com/blog/building-a-rag-pipeline-on-live-web-data-without-stale-indexes). ## Fontes 1. [Copyright Alliance, “Participação no Acordo Bartz v. Anthropic”, consultado em 17 de setembro de 2026](https://copyrightalliance.org/participating-bartz-v-anthropic-settlement/) 2. [CNBC, “Juiz concede aprovação preliminar ao acordo de US$ 1,5 bilhão com autores”, consultado em 17 de setembro de 2026](https://www.cnbc.com/2025/09/25/judge-anthropic-case-preliminary-ok-to-1point5b-settlement-with-authors.html) 3. [Norton Rose Fulbright / Inside Tech Law, “Bartz v. Anthropic: Acordo alcançado após sentença sumária histórica e certificação de ação coletiva”, consultado em 17 de setembro de 2026](https://www.insidetechlaw.com/blog/2025/09/bartz-v-anthropic-settlement-reached-after-landmark-summary-judgment-and-class-certification) 4. [Goodwin Procter, “Tribunal rejeita defesa de uso justo em caso de direitos autorais envolvendo IA”, consultado em 17 de setembro de 2026](https://www.goodwinlaw.com/en/insights/publications/2025/02/alerts-practices-ip-lit-court-rejects-fair-use-defense-in-ai-copyright-case) 5. [Jenner & Block, alerta ao cliente sobre o caso Thomson Reuters v. Ross Intelligence, consultado em 17 de setembro de 2026](https://www.jenner.com/en/news-insights/client-alerts/court-decides-that-use-of-copyrighted-works-in-ai-training-is-not-fair-use-thomson-reuters-enterprise-centre-gmbh-v-ross-intelligence-inc) 6. [Goodwin Procter, “Juiz do Distrito Norte da Califórnia profere decisão” (Kadrey contra Meta), consultado em 17 de setembro de 2026](https://www.goodwinlaw.com/en/insights/publications/2025/06/alerts-practices-aiml-northern-district-of-california-judge-rules) 7. [Copyright Alliance, “Decisão no caso Kadrey contra Meta”, consultado em 17 de setembro de 2026](https://copyrightalliance.org/kadrey-v-meta-decision/) 8. [Washington Post, “Departamento de Justiça insta juiz a decidir a favor da OpenAI e da Microsoft no processo contra o NY Times”, consultado em 17 de setembro de 2026](https://www.washingtonpost.com/technology/2026/09/02/doj-urges-judge-rule-openai-microsoft-ny-times-lawsuit/) 9. [Axios, “Ação judicial sobre direitos autorais envolvendo o NYT, a OpenAI e a Microsoft”, consultado em 17 de setembro de 2026](https://www.axios.com/2026/09/08/nyt-openai-microsoft-copyright-lawsuit) 10. [IPWatchdog, “OpenAI perde tentativa de indeferir ação coletiva multidistrital sobre resultados do ChatGPT”, consultado em 17 de setembro de 2026](https://ipwatchdog.com/2025/10/28/openai-loses-bid-dismiss-multi-district-class-action-chatgpt-outputs/) 11. [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](https://www.ropesgray.com/en/insights/viewpoints/102lvxe/getty-image-loses-copyright-infringement-claim-against-stability-ai-in-uks-first) 12. [Cleary Gottlieb, “Tribunal Superior do Reino Unido profere decisão histórica no caso Getty Images contra Stability AI”, consultado em 17 de setembro de 2026](https://www.clearyiptechinsights.com/2025/11/uk-high-court-issues-landmark-ruling-in-getty-images-v-stability-ai-with-narrow-trademark-infringement-win-for-getty-claim-of-secondary-copyright-infringement-fails/) 13. [CourtListener, autos do processo Getty Images (US) Inc. contra Stability AI Ltd., consultado em 17 de setembro de 2026](https://www.courtlistener.com/docket/71112094/getty-images-us-inc-v-stability-ai-ltd/) 14. [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](https://www.musicbusinessworldwide.com/universal-music-settles-udio-lawsuit-strikes-deal-for-licensed-ai-music-platform/) 15. [Hollywood Reporter, “Universal Music Group anuncia acordo com a Udio”, consultado em 17/09/2026](https://www.hollywoodreporter.com/music/music-industry-news/universal-music-group-announces-settlement-with-udio-1236414023/) 16. [Variety, sobre a disputa de produção de provas envolvendo os estúdios Midjourney, consultado em 17/09/2026](https://variety.com/2026/film/news/midjourney-studios-ai-copyright-discovery-1236800902/) 17. [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](https://ipwatchdog.com/2025/09/08/warner-bros-complaint-alleges-midjourneys-copyright-infringement-systematic-willful/) 18. [White & Case, “Web scraping, termos de uso de sites e a CFAA: medida cautelar da hiQ confirmada novamente”, consultado em 17/09/2026](https://www.whitecase.com/insight-our-thinking/web-scraping-website-terms-and-cfaa-hiqs-preliminary-injunction-affirmed-again) 19. [Fenwick & West, “A 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](https://www.fenwick.com/insights/publications/hiq-labs-scrapes-by-again-the-ninth-circuit-reaffirms-that-data-scraping-does-not-violate-the-cfaa-1) 20. [Blog/Radar da Cloudflare, “Proporção de rastreamento por IA versus encaminhamento no Radar”, consultado em 17 de setembro de 2026](https://blog.cloudflare.com/ai-search-crawl-refer-ratio-on-radar/) 21. [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](https://www.cloudflare.com/press/press-releases/2025/cloudflare-just-changed-how-ai-crawlers-scrape-the-internet-at-large/) 22. [Search Engine Journal, “Cloudflare retira da lista e bloqueia o Perplexity para que não rastreie sites”, consultado em 17 de setembro de 2026](https://www.searchenginejournal.com/cloudflare-delists-and-blocks-perplexity-from-crawling-websites/552899/) 23. [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](https://www.insidetechlaw.com/blog/2025/12/machine-readable-opt-outs-and-ai-training-hamburg-court-clarifies-copyright-exceptions)