Diretor da Microsoft chamou a coleta de dados para treinar IA de 'o maior roubo de trabalho da história humana', e o texto veio à tona no processo do NYT

Em janeiro de 2023, um diretor da Microsoft escreveu num memorando interno que a coleta em massa de conteúdo da internet para treinar inteligência artificial era “um roubo assombroso, de proporções sem precedentes” e “o maior roubo de trabalho da história humana”. Quase quatro anos depois, a frase saiu do arquivo da empresa e foi parar na imprensa. Segundo o TechCrunch, ela aparece em documentos que deixaram de ser sigilosos no processo em que o New York Times acusa a Microsoft e a OpenAI de violar direitos autorais.

O autor do texto é Brent Hecht, diretor de ciência aplicada da Microsoft. O trecho consta de uma peça jurídica do próprio Times, liberada na quinta-feira, 17 de setembro. É importante entender o que isso é e o que não é: trata-se de uma opinião escrita por um funcionário graduado dentro da empresa, apresentada pelo jornal como prova de que os réus sabiam do problema. Não é uma decisão da Justiça nem uma confissão assinada pela companhia.

O processo foi aberto há três anos. O Times sustenta que a OpenAI, criadora do ChatGPT, e a Microsoft, sua maior parceira e investidora, usaram reportagens do jornal para ensinar seus modelos sem pedir licença nem pagar. Os documentos agora públicos, segundo o TechCrunch, alegam que os conjuntos de dados de treinamento da OpenAI têm mais de 91 mil cópias de obras do Times e de outras duas publicações, o Daily News e o Center for Investigative Reporting. Um conjunto de dados derivado do Common Crawl, um enorme arquivo público da internet, teria mais de 2 milhões de documentos só do site nytimes.com.

Há ainda acusações sobre o método. O jornal afirma que as empresas contornaram paywalls, aqueles bloqueios que deixam o texto restrito a assinantes, sem serem detectadas, e que apagaram avisos de direitos autorais do material usado no treino. São alegações do autor da ação, ainda sem julgamento. Ouvidas pelo TechCrunch, nem a Microsoft nem a OpenAI responderam ao pedido de comentário.

Por que isso pesa? Porque a defesa das empresas de IA costuma se apoiar no argumento de uso justo, o “fair use” da lei americana: a ideia de que aprender com textos existentes, sem reproduzi-los, seria uma transformação legítima. Até aqui, segundo o TechCrunch, os juízes têm dado mais razão às empresas de tecnologia do que aos autores. Uma frase em que um dos diretores da própria Microsoft descreve a prática como roubo dá ao Times um argumento que não se resolve com tecnicalidade. Não decide o caso, mas incomoda.

O caso também está longe de ser um assunto só de advogados. O que se discute é quem recebe quando um chatbot responde usando o trabalho de jornalistas, escritores e artistas, e quem paga a conta se esse trabalho deixar de ser vendido porque a IA o resume de graça. Um diretor da Microsoft, em 2023, já via essa pergunta como grave.

Satya Nadella, presidente-executivo da Microsoft, já prestou depoimento no processo este ano, de acordo com o TechCrunch. No mesmo mês da divulgação, o governo dos Estados Unidos entrou no caso com um documento apoiando a tese de uso justo da OpenAI. Ou seja, o resultado ainda está aberto, e os dois lados têm argumentos pesados.

Vale acompanhar dois pontos. O primeiro é se a Microsoft e a OpenAI vão comentar publicamente a frase, ou se preferem tratá-la como opinião isolada de um funcionário. O segundo é se os juízes vão levar em conta esse tipo de registro interno ao decidir se o treinamento de IA com conteúdo protegido é legal. A resposta vai valer para muito mais gente do que só o New York Times.