Novos documentos tornados públicos no processo por direitos autorais que New York Times abriu contra OpenAI e Microsoft há três anos revelaram avaliações internas sobre os métodos de coleta de conteúdo das empresas para o treinamento de inteligência artificial e seus efeitos sobre os editores. Embora uma parte significativa dos documentos se baseie na petição do The Times, os anexos que a fundamentam continuam mantidos em sigilo.
Segundo a petição, Brent Hecht, diretor de Ciências Aplicadas da Microsoft, descreveu, em janeiro de 2023, as práticas de coleta de dados para a inteligência artificial como “um roubo de trabalho surpreendente em uma escala sem precedentes” e “o maior roubo de trabalho da história da humanidade”. Nick Turley, executivo responsável pelo ChatGPT na OpenAI, escreveu que produtos como chatbots representam uma “ameaça existencial” para os editores, que são em grande parte substitutivos e se tornarão ainda mais substitutivos à medida que evoluírem.
Dados da Microsoft mostraram que o recurso “answer engine” do Copilot reduziu em até 93% as taxas de cliques direcionados ao domínio do The New York Times em comparação com a busca tradicional do Bing. Em uma apresentação de Hecht de janeiro de 2024, essa situação foi descrita como um “doom loop” capaz de prejudicar simultaneamente o desempenho dos modelos e a internet. Em seu depoimento deste ano, Satya Nadella também afirmou que o conteúdo protegido por paywall deve ser licenciado caso seja usado para treinamento ou grounding.
Os documentos afirmam que os conjuntos de dados intermediários de treinamento da OpenAI continham mais de 91.692 cópias de obras publicadas pelo NYT, Daily News e Center for Investigative Reporting. Um conjunto de dados oriundo do Common Crawl incluiu mais de 2 milhões de documentos apenas do nytimes.com. Alegou-se que o conjunto de dados criado no âmbito do Project Mango continha cópias de pelo menos 160.903 obras únicas pertencentes a editoras de notícias.
O processo alegou que as empresas coletavam conteúdo por meio do Bing Index, que funcionários da OpenAI desenvolveram planos para contornar paywalls sem serem detectados e que avisos de direitos autorais foram removidos dos dados de treinamento para que não aparecessem nas respostas dos modelos. OpenAI e Microsoft não responderam aos pedidos de comentário.
Por que é importante
Os documentos mostram que o processo não se limita à questão de saber se materiais protegidos por direitos autorais foram usados sem autorização; o impacto dos produtos de inteligência artificial sobre o tráfego de leitores e o modelo de receita das editoras também está no centro da disputa. Em particular, avaliações internas segundo as quais sistemas que oferecem respostas diretas em vez de resultados de busca podem reduzir a necessidade de direcionar o usuário ao site de notícias podem reforçar a justificativa econômica das demandas de licenciamento das editoras. No entanto, muitas alegações no processo são apresentadas na petição do New York Times, e o fato de os anexos comprobatórios serem confidenciais limita, por enquanto, a análise independente do escopo dos dados e dos métodos de coleta. A ausência de comentários das empresas também significa que, nesta fase, a narrativa se baseia em grande parte nos documentos apresentados por uma das partes do processo.
Contexto
Microsoft não é um nome novo no arquivo do FikirPilot: publicamos 15 notícias nos últimos 90 dias em que esse nome foi mencionado; a mais recente é datada de 19 de setembro de 2026.