Digitalizar e treinar: por que o caso Anthropic importa ao Brasil?

*Sérgio Branco e **Júlia Veloso

Você se lembra?

Se você nos acompanha por aqui, deve se lembrar de que meses atrás escrevemos sobre duas ações judiciais que tramitam nos Estados Unidos e nas quais se discute se o treinamento de ferramentas de inteligência artificial generativa (IAG) com obras protegidas por direitos autorais caracteriza violação jurídica. Tratamos, na época, da polêmica envolvendo Anthropic e Meta.

Em síntese, a conclusão (até agora) foi de que o treinamento pode ser considerado um uso transformativo (um dos critérios de aplicação do fair use), desde que (e isso é muito importante) o acesso às obras tenha sido lícito. Ou seja, a ferramenta de IAG não pode ser treinada com textos “piratas”.

Interpretações a contrario sensu podem nos levar a conclusões perigosas. Diante da decisão nos Estados Unidos, caberia a pergunta: e se a empresa que quer treinar uma IAG simplesmente comprasse milhares, milhões, de livros físicos para fazer esse treinamento? Haveria nesse caso violação da lei? Afinal, as cópias teriam sido licitamente adquiridas. Pois então, a Anthropic fez exatamente isso — e este é um aspecto da decisão ainda pouco explorado.

O que aconteceu?

Segundo o jornal Washington Post, a Anthropic desenvolveu um plano de digitalização massiva de livros para treinar sua IAG, denominado Projeto Panamá. A partir dessas cópias, teria sido formada uma biblioteca digital com todos os conteúdos. A estimativa é de que tenham sido reproduzidos milhares de livros sem autorização dos titulares. O material usado teria sido comprado pela empresa, escaneado e destruído em seguida. A reportagem cita os autos da ação Bartz v. Anthropic como fonte da informação coletada.

Isso porque a ação Bartz v. Anthropic (que a gente mencionou acima), além das acusações de download de obras em sites ilegais, também atacou a digitalização de textos e livros pela empresa de IA. Segundo parte da decisão do processo: “A Anthropic gastou muitos milhões de dólares para comprar milhões de livros impressos, muitas vezes em condições de uso. Em seguida, seus prestadores de serviços retiraram as encadernações dos livros, cortaram as páginas no tamanho adequado e digitalizaram os livros, descartando os originais em papel. (…) A Anthropic criou seu próprio catálogo de metadados bibliográficos para os livros que estava adquirindo. Ela adquiriu cópias de milhões de livros”.

A decisão considerou tanto a reprodução de obras digitais quanto a digitalização de livros pela empresa como uma forma de fair use. Diz a sentença: “como a versão impressa adquirida foi destruída e sua cópia digital não foi redistribuída, tratou-se de fair use”.

A doutrina do fair use permite o uso não autorizado de obras para determinados fins nos EUA. Alguns critérios precisam ser seguidos nesse caso e nós já falamos de todos eles aqui. No caso em questão, o juiz entendeu que a reprodução para treinamento de inteligência artificial generativa configuraria um uso transformativo, ou seja, a IAG gerava um conteúdo bastante distinto daquele que foi usado e, portanto, não competiria com as obras treinadas e seria possível ser considerada fair use.

Ou seja, nos EUA, o tribunal reconheceu que, naquele caso específico, a digitalização para treinamento configurou fair use. Isso significa que seria possível treinar uma IAG, desde que a empresa detentora da ferramenta tivesse adquirido a obra de forma legítima. No caso de um site, a plataforma precisaria ter acessado legalmente o conteúdo. Não poderia, por exemplo, ter infringido algum paywall, login, configurações robot.txt ou os termos de uso da plataforma.

Em razão da necessidade de acesso lícito, plataformas como Youtube e Instagram, que já estabeleceram limitações à coleta de dados para treinamento de IAG de terceiros em seus termos de uso, não podem ter seus conteúdos usados deliberadamente. Recentemente, inclusive, um grupo de Youtubers processou a inteligência artificial do SnapChat, acusando-a de ter violado os termos do Youtube, usando vídeos disponíveis no site sem a autorização dos titulares. Esse caso representa como determinados mecanismos, como o estabelecimento de termos de uso, podem impedir o uso de obras para treinamento, ainda que a reprodução possa ser considerada fair use.

A situação muda, contudo, quando analisamos obras físicas. Retomando a matéria do Washington Post sobre o projeto de digitalização massiva de livros, sendo este ato considerado fair use, não há termos de uso, login ou robot.txt como barreiras. Segundo a decisão, a compra lícita seguida de digitalização para treinamento, sem redistribuição da cópia digital, foi considerada fair use naquele contexto. Isso porque o ato de comprar é uma forma legítima de acesso à obra e a sua reprodução para treinamento, segundo a decisão, não seria considerada uma violação. Diz a sentença que a compra, digitalização e destruição de exemplares pela Anthropic para treinamento foi: “justa e correto” (”fair and square”).

Importa destacar, contudo, que a decisão esclarece que o fato de a Anthropic comprar posteriormente uma cópia de um livro que acessou de forma ilícita previamente na internet não a isentaria da responsabilidade pela violação ocorrida online.

Essa configuração exime o licenciamento de obras que tenham versões físicas, compradas de forma legítima, com o objetivo de treinar inteligências artificiais. Fato que coloca obras físicas, quando considerada sua proteção por direitos autorais, em posição consideravelmente mais vulnerável ao treinamento não autorizado comparada a obras exclusivamente digitais, caso estas possuam barreiras a seu acesso.

Como esta decisão se conecta ao Brasil?

Primeiramente, segundo levantamento do Núcleo Jornal, ao menos 300 obras de 22 editoras brasileiras foram identificadas na lista de conteúdos usados pela empresa. Em segundo lugar, embora a sentença tenha efeitos apenas em território estadunidense, informa-se, no texto da decisão, a existência de um plano da Anthropic de “escanear todos os livros do mundo”.

Ainda que no Brasil não seja possível a reprodução não autorizada de obras para treinamento de IAG, nada impediria a importação destas mesmas obras aos EUA para serem lá digitalizadas. Esse processo exigiria somente a compra de um exemplar da obra brasileira e o envio ao país. A situação contrária, no entanto, não seria possível por aqui. A menos que a gente considere uma outra discussão, que abordaremos ao fim do texto.

Considerando que a legislação brasileira não autoriza a reprodução de obras para este fim, o treinamento de inteligência artificial no Brasil, a partir de obras físicas importadas dos Estados Unidos, configuraria um ato ilícito.

O PL 2338/2023, principal projeto de lei que aborda o tema, não contempla expressamente a digitalização de conteúdos protegidos por direitos autorais para utilização em treinamentos de inteligência artificial generativa. Embora seja possível interpretar o artigo 62 de modo a abranger essa possibilidade, o texto não traz previsão específica sobre o assunto.

Segundo o caput do artigo: “Art. 62. O desenvolvedor de IA que utilizar conteúdo protegido por direitos de autor e conexos deverá informar sobre os conteúdos protegidos utilizados nos processos de desenvolvimento dos sistemas de IA, por meio da publicação de sumário em sítio eletrônico de fácil acesso, observados os segredos comercial e industrial, nos termos de regulamento específico”. O parágrafo único do 62, ao descrever o que seria o desenvolvimento de IAG, apenas cita as etapas de mineração, treinamento, retreinamento, testagem, validação e aplicação de sistemas de IA. Não há menção à digitalização.

Assim, caso esta decisão se mantenha nos EUA e o plano de digitalização massiva de obras ao redor do mundo se comprove, o Brasil estaria em uma posição consideravelmente vulnerável. Enquanto escanear versões físicas de obras para treinamento de inteligência artificial não seria permitido aqui, a exportação de conteúdos nacionais para que empresas estadunidenses digitalizassem em território norte-americano não seria um ato ilícito.

Resta uma dúvida

Na verdade, podemos alegar que restam várias, não apenas uma. Mas para efeitos deste texto, existe uma dúvida principal. Considerando o acesso pela via digital, ainda não está 100% evidenciado se o treinamento de ferramentas de IAG se faz por meio de reprodução das obras protegidas. A sutileza é decisiva. Porque se há reprodução, de fato a violação aos direitos autorais é mais evidente. Afinal, a lei brasileira, por exemplo, proíbe a reprodução sem prévia e expressa autorização logo no início de seu art. 29, aquele que prevê os direitos patrimoniais dos autores.

Há quem diga, contudo, que não se trata de reprodução, mas de “aprendizado” (https://link.springer.com/article/10.1007/s40319-025-01653-x?utm_source=chatgpt.com) (https://nextinfoai.com/direitos-autorais-no-treinamento-da-ia/?utm_source=chatgpt.com). Nesse caso, a ferramenta de treinamento de IAG não se valeria de uma reprodução da obra, mas apenas a acessaria para “aprender” com ela. Nesse caso, seria mais difícil, do ponto de vista da teoria tradicional dos direitos autorais, invocar algum tipo de violação.

Na prática, há evidências de reprodução — inclusive nas ações judiciais envolvendo Anthropic e Meta e que foram acima mencionadas. Mas talvez a reprodução não seja indispensável em todos os casos.

Se se entender que o treinamento não envolve ato de reprodução nos termos do art. 29, a subsunção à LDA se tornaria menos evidente, o que deslocaria o debate para outras categorias jurídicas. Claro, desde que o acesso às obras se desse de forma lícita. E se assim fosse, a proteção às obras protegidas teria que se dar de outra maneira, provavelmente apenas no output. Ou porque houve plágio de obra original ou porque há efeitos concorrenciais danosos. Mas essa já é outra história.

*Doutor e Mestre em Direito Civil pela Universidade do Estado do Rio de Janeiro (Uerj). Professor convidado do doutorado em Inovação, Ciência, Tecnologia e Direito da Universidade de Montréal. Professor de Direito Civil e de Propriedade Intelectual do Ibmec. Professor de Direito Civil e de Propriedade Intelectual da pós-graduação da FGV Direito Rio. Autor dos livros “Memória e Esquecimento na Internet”, “Direitos Autorais na Internet e o Uso de Obras Alheias”, “O Domínio Público no Direito Autoral Brasileiro — Uma Obra em Domínio Público” e “O que é Creative Commons — Novos Modelos de Direito Autoral em um Mundo Mais Criativo”. Especialista em propriedade intelectual pela Pontifícia Universidade Católica do Rio de Janeiro — PUC-Rio. Pós-graduado em Cinema Documentário pela FGV. Graduado em Direito pela Universidade do Estado do Rio de Janeiro (Uerj). Advogado. Cofundador e diretor do ITS.

**Formada pela Faculdade Nacional de Direito da UFRJ, Júlia é advogada com experiência em escritórios e órgãos públicos. Em busca de se especializar em Direito Autoral e Novas Tecnologias, possui mestrado em Políticas Públicas, Inovação e Propriedade Intelectual pela Universidade Federal do Rio de Janeiro. Quer entender as consequências sociais e jurídicas da inovação tecnológica na cultura e, com isso, poder contribuir para uma sociedade mais justa e plural.