Nuovi documenti resi pubblici nell’ambito della causa per violazione del copyright intentata tre anni fa da New York Times contro OpenAI e Microsoft hanno rivelato le valutazioni interne delle società sui metodi di raccolta dei contenuti per l’addestramento dell’intelligenza artificiale e sul loro impatto sugli editori. Gran parte dei documenti si basa sulla memoria depositata da The Times, mentre gli allegati a sostegno restano tuttora riservati.
Secondo la memoria, Brent Hecht, direttore di Applied Sciences di Microsoft, nel gennaio 2023 definì le pratiche di raccolta dei dati per l’intelligenza artificiale «un sorprendente furto di lavoro su una scala senza precedenti» e «il più grande furto di lavoro nella storia dell’umanità». Nick Turley, dirigente di OpenAI responsabile di ChatGPT, scrisse invece che prodotti come i chatbot rappresentano una «minaccia esistenziale» per gli editori, che sono in larga misura sostitutivi e che, con il loro sviluppo, diventeranno ancora più sostitutivi.
I dati di Microsoft hanno mostrato che la funzione «answer engine» di Copilot riduceva fino al 93% il tasso di clic indirizzati al dominio di The New York Times rispetto alla ricerca tradizionale di Bing. In una presentazione di Hecht del gennaio 2024, questa situazione veniva definita un «doom loop» in grado di danneggiare contemporaneamente sia le prestazioni dei modelli sia internet. Satya Nadella ha inoltre dichiarato quest’anno che i contenuti protetti da paywall devono essere concessi in licenza se destinati a essere utilizzati per l’addestramento o il grounding.
Nei documenti si afferma che nei set di dati intermedi per l’addestramento di OpenAI erano presenti più di 91.692 copie di opere pubblicate da NYT, Daily News e Center for Investigative Reporting. In un set di dati proveniente da Common Crawl erano presenti oltre 2 milioni di documenti provenienti esclusivamente da nytimes.com. Si sostiene inoltre che il set di dati creato nell’ambito di Project Mango contenesse copie di almeno 160.903 opere uniche appartenenti a editori di notizie.
Il fascicolo della causa sostiene che le aziende raccogliessero contenuti tramite Bing Index, che i dipendenti di OpenAI avessero sviluppato piani per aggirare i paywall senza farsi notare e che le notifiche di copyright fossero state rimosse dai dati di addestramento affinché non comparissero negli output dei modelli. OpenAI e Microsoft non hanno risposto alle richieste di commento.
Perché è importante
I documenti mostrano che la causa non riguarda soltanto la questione se i materiali protetti da copyright siano stati utilizzati senza autorizzazione; al centro della controversia vi è anche l’impatto dei prodotti di intelligenza artificiale sul traffico di lettori e sul modello di ricavi degli editori. In particolare, le valutazioni interne delle aziende secondo cui i sistemi che forniscono direttamente una risposta, invece di risultati di ricerca, potrebbero ridurre la necessità di indirizzare l’utente verso il sito di notizie potrebbero rafforzare la motivazione economica delle richieste di licenza avanzate dagli editori. Tuttavia, molte delle accuse contenute nel fascicolo sono riportate nella memoria del New York Times e il fatto che gli allegati a sostegno siano riservati limita per il momento l’esame indipendente della portata dei dati e dei metodi di raccolta. Il mancato commento delle aziende significa inoltre che, in questa fase, la ricostruzione si basa in larga misura sui documenti presentati da una delle parti in causa.
Contesto
Microsoft non è un nome nuovo nell’archivio di FikirPilot: negli ultimi 90 giorni abbiamo pubblicato 15 notizie in cui compare questo nome; la più recente è datata 19 settembre 2026.