Um grupo de grandes editoras, acompanhado por um autor renomado, entrou com uma ação coletiva acusando o Google de violação deliberada de direitos autorais, alegando que a empresa usou seus livros e textos protegidos para treinar seus grandes modelos de linguagem Gemini sem permissão. A queixa foi protocolada em 13 de julho no Tribunal Distrital dos EUA para o Distrito Sul de Nova York pela Hachette Book Group, Cengage Learning e Elsevier, junto com o autor best-seller Scott Turow, e pede ao tribunal indenização prevista em lei, uma medida cautelar permanente contra novas violações e uma ordem para que o Google destrua todas as cópias não autorizadas das obras que utilizou.

O detalhe que diferencia isso de uma denúncia comum de raspagem de dados é a origem que os demandantes atribuem ao material. Em vez de acusar o Google apenas de extrair texto da web aberta, a ação alega que o Google recorreu a seus próprios programas restritos e de escopo limitado, especificamente Google Books, Google Play e Google Scholar, para treinar as primeiras versões do Gemini. Esses programas deram ao Google acesso a enormes quantidades de material publicado sob termos estritos, para digitalização, indexação, prévia ou venda, e a alegação é que o conteúdo obtido para esses fins limitados foi então reaproveitado para construir um modelo comercial de IA. Isso reformula a disputa, que deixa de ser se era justo raspar a internet e passa a ser se você usou aquilo que lhe entregamos para uma finalidade a fim de construir algo completamente diferente.

A composição dos demandantes importa. Hachette, Cengage e Elsevier abrangem a publicação comercial, educacional e acadêmica, e Scott Turow é tanto um romancista best-seller quanto ex-presidente da Authors Guild, o que dá ao caso alcance por cantos muito diferentes do mundo editorial. A ação foi protocolada como uma ação coletiva putativa, o que significa que, se o tribunal certificar a classe, ela poderia passar a representar um amplo grupo de autores e editoras, e não apenas as partes nomeadas, o que eleva acentuadamente a escala potencial tanto da responsabilização quanto de qualquer acordo eventual.

Vale situar isso em contexto, porque não está acontecendo de forma isolada. Uma onda de ações por direitos autorais foi movida contra empresas de IA nos últimos dois anos, e os tribunais ainda tentam resolver a questão central no cerne de todas elas, se treinar um modelo com obras protegidas por direitos autorais é uso justo amparado por lei ou uma violação que exige permissão e pagamento. Ainda não há uma resposta definitiva, as decisões têm seguido direções diferentes, e muito pode acabar dependendo de detalhes como a forma pela qual o material foi obtido e se o resultado concorre com o original. O caso do Google se apoia fortemente nesse primeiro fator, a obtenção, o que faz parte do que o torna notável.

Por que isso importa vai além de uma única empresa. A questão do uso justo é um dos temas não resolvidos de maior consequência na IA, porque a resposta determina sobre quais dados a próxima geração de modelos pode ser legalmente construída e quanto esses dados vão custar. Esta ação coloca a questão diretamente diante do Google e acrescenta um detalhe incômodo, que os mesmos programas que fizeram do Google um guardião confiável dos livros do mundo, sob promessas específicas aos detentores de direitos, são agora apontados como a fonte de seus dados de treinamento. São alegações, não fatos comprovados, e litígios como este costumam se arrastar por anos ou se resolver discretamente, mas é mais um sinal claro de que o acerto de contas sobre direitos de dados na IA está chegando para valer, e que as empresas com o acesso mais profundo a conteúdo podem carregar o maior risco jurídico.