A Fundação Wikimedia entrou com um pedido formal na Justiça dos EUA defendendo que treinar IA com obras protegidas é uso justo, mas exigir licença quando o chatbot reproduz o conteúdo. A decisão pode ditar as regras do jogo para todo o setor de tecnologia.
O documento, protocolado na sexta-feira (30), não escolhe um lado. Ele traça uma linha técnica que separa “aprender” de “copiar” — uma distinção que vale bilhões.
O argumento que ninguém esperava
A Wikimedia não é parte no processo movido pelo New York Times contra a OpenAI e a Microsoft. Mesmo assim, a entidade pediu para falar como amicus curiae (“amiga da corte”). O motivo é existencial: a Wikipédia é um dos maiores conjuntos de dados de treinamento do planeta.
Se o tribunal proibir o uso de material protegido no treinamento, projetos de código aberto morrem na praia. Se liberar tudo sem freio, a enciclopédia perde visitantes e colaboradores para chatbots que devoram seu conteúdo sem dar crédito.
Duas operações, tratamentos diferentes
A tese central divide a IA em dois momentos distintos:
- Treinamento (pré-treino): A leitura massiva de textos para criar o modelo estatístico. Para a fundação, isso é “uso justo” — transformador, sem substituição de mercado.
- Geração com recuperação (RAG): Quando o sistema busca trechos atuais na web e os cola na resposta. Aí, argumenta a Wikimedia, há reprodução direta. Exige-se licença, atribuição e respeito às regras do Creative Commons.
Essa separação técnica mira o coração do modelo de negócios das big techs. Muitos produtos atuais misturam as duas etapas para escapar de pagamentos.
O efeito nos números da enciclopédia
A Wikipédia tem 67 milhões de artigos em 300 idiomas, mantidos por 250 mil voluntários ativos por mês. Esse ativo atrai rastreadores de IA como ímã.
Mas há um vazamento. Quando o usuário pergunta ao ChatGPT e recebe a resposta completa, ele não clica no link azul. Menos tráfego significa menos doações, menos editores recrutados, menos correções em tempo real.
Paradoxalmente, a mesma tecnologia ameaça a sustentabilidade do bem comum que a alimenta.
IA como aliada interna
A fundação não demoniza a ferramenta. Admite usar modelos de linguagem para:
- Detectar vandalismo em edições recentes;
- Sinalizar violações de direitos autorais;
- Sugerir artigos órfãos ou desatualizados.
A posição, portanto, não é ludita. É de autodefesa regulatória.
O que observar daqui para frente
O juiz não é obrigado a seguir o parecer, mas costuma dar peso a quem não tem interesse direto no caixa das partes. Se a distinção entre “treino” e “RAG” for acolhida, startups de IA terão de auditar pipelines de recuperação e negociar licenças — custo alto, barreira de entrada maior.
Para investidores e gestores, o sinal está dado: o risco regulatório migrou do “dado de treino” para a “camada de resposta”. Quem arquitetar produtos que citam, linkam e pagam fontes sai na frente. Quem seguir colando trechos sem contrato carrega passivo jurídico crescente.
