Un'istanza di sentenza sommaria non sigillata il 17 settembre 2026 nel processo per copyright che testate giornalistiche hanno avviato contro OpenAI e Microsoft cita documenti interni in cui un dirigente Microsoft ha definito lo scraping delle notizie per l'addestramento dell'IA "un furto sconcertante di proporzioni senza precedenti" e in cui il responsabile di ChatGPT in OpenAI ha parlato per gli editori di una "minaccia esistenziale".
Il documento è l'istanza congiunta di summary judgment delle testate attrici nel caso In re OpenAI, Inc., Copyright Infringement Litigation, MDL n. 1:25-md-3143 (SHS) (OTW), depositata il 17 settembre presso la District Court per il Distretto Sud di New York e lunga 92 pagine. Tra le attrici figurano The New York Times, i titoli del New York Daily News, il Center for Investigative Reporting e Ziff Davis. Chiedono alla corte di stabilire prima del processo che le due società hanno violato il copyright in tre fasi: acquisizione degli articoli, addestramento dei modelli su di essi e, per Microsoft, uso di copie recuperate per fondare le risposte dei chatbot.
Cosa mette a verbale l'istanza
Secondo l'atto, il direttore delle scienze applicate di Microsoft, il dottor Brent Hecht, in una nota interna del gennaio 2023 ha scritto che lo scraping delle notizie per l'addestramento era "un furto sconcertante di proporzioni senza precedenti" e forse "il più grande furto di lavoro nella storia umana". Sempre secondo le attrici, Hecht ha affermato che la pratica avrebbe "fatto una completa beffa dell'idea di fair use", la dottrina su cui entrambe le società fondano la difesa dell'addestramento senza licenza.
Il responsabile di ChatGPT di OpenAI, Nick Turley, secondo l'atto ha scritto che gli editori affrontano una "minaccia esistenziale" da prodotti che sono "in larga misura sostitutivi, punto" e che "diventeranno sempre più sostitutivi man mano che migliorano". Un documento interno Microsoft spinge più avanti, descrivendo un "doom loop": "È molto inusuale che un prodotto finale minacci le fondamenta economiche dei suoi fornitori essenziali, ma è la situazione che abbiamo creato per il nostro business LLM rispetto alla sua catena di fornitura di contenuti".
L'istanza cita anche il cofondatore e presidente di OpenAI, Greg Brockman, che ha scritto che i modelli erano "eccellenti sulle notizie" e ha risposto "ah, bello" quando un ricercatore, Nick Ryder, gli ha parlato di quello che ha definito un trucco per aggirare il paywall del Times. L'amministratore delegato di Microsoft, Satya Nadella, ha dichiarato in una deposizione che "tutto ciò che è a pagamento dovrebbe essere licenziato" per il grounding o l'addestramento, e ha convenuto che i chatbot si sono sostituiti agli utenti che andavano alla fonte originale.
La base di confronto: clic e dataset
I dati sui clic vengono da rilevazioni interne di Microsoft e confrontano il suo "answer engine" Copilot con la ricerca Bing tradizionale: una riduzione dell'87-93 percento per il Times, dell'83-91 percento per i titoli del Daily News e del 51-94 percento per ZD.
Sulla scala, l'istanza afferma che i dataset di mid-training di OpenAI contengono oltre 91.692 copie delle opere delle attrici; che un dataset assemblato nell'ambito di un programma Microsoft-OpenAI chiamato Project Mango contiene copie di almeno 160.903 opere uniche; e che un New York Times Annotated Corpus acquistato da terzi conteneva oltre 1,8 milioni di articoli pubblicati tra il 1 gennaio 1987 e il 19 giugno 2007, con una licenza limitata alla ricerca non commerciale. Un dataset Common Crawl post-filtrato usato per l'addestramento conteneva 2.064.805 elementi dal dominio nytimes.com.
Perché conta
Il fair use dipende in parte dal fatto che la copia si sostituisca all'opera originale. Le attrici sostengono che citazioni e dati sul traffico dimostrano la sostituzione e che i mercati di licenza che le società avrebbero potuto usare sono stati scavalcati; chiedono danni statutari per ogni articolo violato. Se la corte riconoscesse la responsabilità, la questione di quanto gli sviluppatori di IA debbano pagare per i contenuti giornalistici passerebbe dalla trattativa al rischio legale per ogni modello addestrato su dati degli editori.
Cosa il documento non dimostra
Due limiti vanno tenuti presenti. Primo: le descrizioni sopra vengono dall'istanza delle attrici, che cita i documenti interni per estratti e non per intero, e le due società contestano il modo in cui vanno letti. Secondo: non c'è alcuna decisione e la mozione è volutamente stretta, perché le attrici chiedono una pronuncia solo sulle opere i cui output mostrano un'ampia sovrapposizione letterale, lasciando al processo le altre domande.
Microsoft ha replicato che i documenti di Hecht "riflettono la prospettiva individuale di un dipendente, non sono un'analisi giuridica e non rappresentano le opinioni della società", e che i suoi prodotti sono un fair use trasformativo che non sostituisce i siti di notizie. OpenAI non ha risposto immediatamente alla richiesta di commento di Ars Technica. Steven Lieberman, legale del New York Daily News e di sette testate sorelle, ha detto che il materiale ora visibile mostra che "OpenAI e Microsoft sapevano che ciò che stavano facendo era sbagliato".
Fonti
