[Tech News] Is it legal to train AI models on copyrighted books? It’s complicated

Gli algoritmi che alimentano ChatGPT, Gemini, Claude e i principali chatbot sul mercato non sono nati dal nulla: sono stati addestrati ingerendo un oceano sconfinato di dati. Parliamo di centinaia di milioni di libri pubblicati, articoli online, paper accademici e, essenzialmente, di qualsiasi testo reperibile in rete. La quasi totalità degli autori contemporanei ha così finito per alimentare – quasi sempre a propria insaputa e senza alcun consenso – lo sviluppo di strumenti di intelligenza artificiale che oggi rischiano di intaccare direttamente il loro sostentamento economico. A prima vista, tutto questo sembra avere i connotati di un’evidente illegalità. Ma il diritto, si sa, segue logiche complesse.

Il caso Anthropic: una multa da 1,5 miliardi che nasconde una vittoria per l’IA

Per comprendere quanto la questione sia intricata, basta analizzare una delle sentenze più emblematiche emesse di recente negli Stati Uniti. Il giudice William Alsup ha condannato la società di IA Anthropic a pagare un risarcimento di ben 1,5 miliardi di dollari a un gruppo di scrittori che avevano citato in giudizio l’azienda per violazione del copyright.

Se a una prima lettura la notizia è apparsa come una vittoria morale per i creatori di contenuti, l’analisi del dispositivo della sentenza rivela una realtà ben diversa: il giudice Alsup ha stabilito che l’addestramento dei modelli linguistici (LLM) è, di per sé, legittimo. La sanzione miliardaria inflitta ad Anthropic non è arrivata per l’atto di aver “imparato” dai libri, ma per l’origine dei file utilizzati: l’azienda aveva infatti scaricato le opere da “shadow libraries” pirata online.

Nella sua decisione, il giudice ha paragonato l’apprendimento di un LLM a quello di un lettore in carne ed ossa che studia i grandi classici per imparare a scrivere: «Come qualsiasi lettore che aspira a diventare uno scrittore, i modelli di Anthropic sono stati addestrati su opere protette non per rincorrerle, replicarle o sostituirle, ma per svoltare l’angolo e creare qualcosa di diverso».

Come sottolineato da Cathy Gellis, avvocata esperta in proprietà intellettuale e tecnologia, questa sentenza rappresenta paradossalmente un’ottima notizia per i giganti della tecnologia. In un settore in cui si stimano ricavi da centinaia di miliardi di dollari nei prossimi anni, una sanzione una tantum per pirateria è un prezzo ampiamente sostenibile se in cambio si ottiene il via libera concettuale all’addestramento sui dati. La legge sul copyright punisce la copia non autorizzata, ma non vieta di fruire, assimilare o comprendere un’opera.

La dottrina del Fair Use di fronte a una legge del 1976

Il nodo centrale attorno a cui ruotano le battaglie legali negli USA è la dottrina del Fair Use (l’uso legittimo), una norma nata per bilanciare la protezione del diritto d’autore con la libertà di espressione, consentendo l’uso non autorizzato di materiale protetto per scopi di critica, insegnamento, ricerca o satira.

Il problema principale è che l’attuale legge americana sul diritto d’autore risale al 1976. I magistrati si trovano oggi a dover interpretare direttive scritte cinquant’anni fa per regolamentare tecnologie che stanno ridefinendo il futuro dell’umanità. Jason Henderson, Senior Attorney e fondatore della sezione IP & Media di JWL International, evidenzia come l’incertezza regni sovrana: «Tutti sono estremamente preoccupati perché la giurisprudenza è frammentata. Sappiamo che i modelli sono stati addestrati su una quantità enorme di materiale, ma il quadro normativo non si è ancora adeguato».

Per stabilire se l’uso di un’opera sia “legittimo”, i tribunali valutano se l’impiego sia trasformativo (cioè se aggiunge un nuovo significato o messaggio) e quale sia il suo impatto sul mercato originale. La regola informale che sta emergendo nelle corti sembra essere la seguente: se l’uso dei dati serve a creare un prodotto che entra in diretta concorrenza commerciale con l’opera originale, la violazione viene punita; se l’uso non crea un concorrente diretto, i giudici tendono a far prevalere la tesi della legittimità.

Concorrenza diretta vs. Uso Trasformativo: la vera linea rossa

Un esempio chiaro di questo confine è la causa che ha visto contrapposte il gigante dell’informazione Thomson Reuters e la startup di ricerca legale Ross Intelligence. Quest’ultima aveva utilizzato i contenuti proprietari di Reuters per addestrare una piattaforma di intelligenza artificiale pensata per competere nello stesso identico settore di riferimento.

In quel caso, il giudice Stephanos Bibas ha negato la tutela del Fair Use a Ross Intelligence, stabilendo che l’uso non era “trasformativo” in quanto il prodotto finale aveva la medesima finalità commerciale del materiale di partenza. Sebbene gli autori di libri potessero teoricamente sostenere che i chatbot competano direttamente con loro generando romanzi sintetici, questa tesi non ha ancora trovato un solido sponda legale nei tribunali.

Chi possiede l’output? La doppia faccia della proprietà intellettuale

Nel dibattito tra IA e copyright occorre scindere nettamente due fasi:

• L’input: la legalità dell’uso dei dati esistenti per addestrare i modelli.
• L’output: la possibilità di tutelare da copyright ciò che l’IA genera.

Sul fronte dell’output, la giurisprudenza ha già espresso una linea rigida. Nel celebre caso Thaler v. Perlmutter, i tribunali hanno stabilito che un’opera generata al 100% da un’intelligenza artificiale non può beneficiare della protezione del diritto d’autore, poiché manca l’elemento fondamentale della paternità umana.

Tuttavia, questo apre scenari grigi tutt’altro che semplici da gestire. Se un autore scrive un romanzo usando Microsoft Word e sfrutta il controllo ortografico o alcuni suggerimenti stilistici dell’IA, l’opera rimane sua. Ma a quale percentuale di intervento dell’intelligenza artificiale un’opera smette di essere “umana”? La tecnologia sta costringendo i giuristi a ridiscutere concetti che per decenni sono stati dati per scontati.

Analisi finale: la calma apparente prima della svolta sistemica

Ci troviamo attualmente in una fase di stallo dinamico. Le prime sentenze stanno tracciando solchi importanti, ma la partita legale sull’intelligenza artificiale è ben lontana dal potersi dire conclusa. I pronunciamenti odierni costituiscono i primi colpi di una guerra giurisprudenziale che durerà anni e che arriverà inevitabilmente fino alle Corti Supreme delle principali democrazie occidentali.

Per le aziende tecnologiche sarebbe un grave errore strategico cantare vittoria troppo presto: se è vero che l’interpretazione dell’addestramento come “lettura trasformativa” sta prendendo piede, basterebbe un cambio di rotta in un appello di alto profilo per rimettere in discussione modelli di business da miliardi di dollari. Nel frattempo, gli autori e gli editori continuano a spingere per accordi di licenza preventivi (sulla scia di quanto fatto da testate come il New York Times o Reddit), segno che il mercato sta cercando di autoregolarsi prima che sia la legge a imporre paletti invalicabili. La sfida del futuro non sarà solo stabilire se l’IA possa “leggere” il sapere umano, ma capire quanto la società sia disposta a pagare per preservare le fonti umane da cui quella stessa IA continua ad abbeverarsi.