Autorzy książek kontra Meta – Kadrey v. Meta – książki, trening AI i granice fair use

Czy przedsiębiorstwo rozwijające sztuczną inteligencję może bez zgody autorów pobrać miliony książek, wykorzystać je do trenowania modelu językowego, a następnie powołać się na amerykańską doktrynę fair use? Czy znaczenie ma to, że część utworów pochodziła z tzw. bibliotek cieni, udostępniających książki bez zezwolenia właścicieli praw? I czy wygrana Meta oznacza, że trenowanie generatywnej AI na chronionych utworach zostało uznane za legalne?

Na te pytania próbował odpowiedzieć amerykański sąd w sprawie Kadrey v. Meta Platforms, Inc. Postępowanie zakończyło się ważnym zwycięstwem Meta w zakresie jednego z głównych roszczeń autorów. Uzasadnienie orzeczenia jest jednak znacznie mniej korzystne dla branży AI, niż mogłyby sugerować nagłówki informujące, że „trenowanie AI na książkach jest fair use”.

Sąd uznał bowiem, że Meta wygrała na podstawie materiału dowodowego przedstawionego w tej konkretnej sprawie. Jednocześnie wyraźnie zaznaczył, że w innych postępowaniach – zwłaszcza przy lepiej wykazanym wpływie modeli AI na rynek twórczości – wynik może być zupełnie odmienny.

Kim byli autorzy pozywający Meta?

Pozew przeciwko Meta został wniesiony w lipcu 2023 roku przed federalnym Sądem Okręgowym dla Północnego Dystryktu Kalifornii. Wśród powodów znaleźli się między innymi:

• Richard Kadrey;
• Sarah Silverman;
• Christopher Golden;
• Ta-Nehisi Coates;
• Jacqueline Woodson;
• Junot Díaz;
• Andrew Sean Greer;
• Viet Thanh Nguyen;
• David Henry Hwang.

Łącznie sprawa objęła roszczenia trzynastu autorów książek. Twierdzili oni, że Meta bez ich zgody skopiowała chronione utwory i wykorzystała je do trenowania modeli językowych Llama.

Powodowie wskazywali również, że część książek została pozyskana z internetowych „bibliotek cieni” – takich jak Library Genesis, określana zwykle jako LibGen, oraz inne repozytoria udostępniające cyfrowe kopie książek bez zezwolenia autorów i wydawców.

Spór nie dotyczył zatem wyłącznie abstrakcyjnego pytania, czy model może „uczyć się” na książkach. Obejmował również sposób pozyskania danych, wykonanie kopii utworów, korzystanie z nieautoryzowanych repozytoriów oraz możliwe udostępnianie plików innym użytkownikom sieci BitTorrent.

Dlaczego Meta potrzebowała książek?

Modele językowe są trenowane na ogromnych zbiorach tekstu. Podczas szkolenia analizują między innymi zależności pomiędzy słowami, szyk zdań, gramatykę, składnię, kontekst oraz prawdopodobieństwo występowania określonych fragmentów języka.

Książki są szczególnie wartościowym materiałem treningowym. Zawierają długie, spójne i starannie opracowane wypowiedzi, bardziej przydatne do nauki języka niż przypadkowe komentarze internetowe czy krótkie wpisy w mediach społecznościowych.

Nie chodzi przy tym wyłącznie o zawarte w książkach informacje. Model analizuje również sposób ich wyrażenia: dobór słów, strukturę wypowiedzi, narrację i zależności pomiędzy poszczególnymi częściami tekstu. Są to elementy silnie związane z twórczą pracą autora.

Właśnie dlatego sąd nie zaakceptował w pełni argumentu, że Meta wykorzystywała jedynie „funkcjonalne” lub niechronione elementy książek. Przyznał, że skuteczność treningu zależała również od analizy ich twórczej formy – a więc tego, co zasadniczo podlega ochronie prawa autorskiego.

Jak książki miały trafić do zbiorów treningowych Meta?

Jednym z najbardziej kontrowersyjnych elementów sprawy było pochodzenie utworów.

Autorzy twierdzili, że Meta korzystała między innymi ze zbioru Books3 oraz zasobów dostępnych w bibliotekach cieni. Według przedstawionych w postępowaniu materiałów wewnątrz spółki miały pojawiać się wątpliwości dotyczące legalności oraz reputacyjnych konsekwencji wykorzystania takich źródeł.

Pozew i późniejsze pisma procesowe wskazywały, że Meta miała pobierać wielkie bazy książek za pośrednictwem sieci BitTorrent. Technologia ta może polegać nie tylko na pobieraniu fragmentów plików, lecz także na ich równoczesnym udostępnianiu innym użytkownikom.

Z prawnego punktu widzenia konieczne stało się zatem rozróżnienie kilku działań:

1. pobrania książek;
2. wykonania kopii służących przygotowaniu zbioru danych;
3. wykorzystania utworów podczas treningu;
4. przechowywania pobranych materiałów;
5. ewentualnego udostępniania fragmentów plików innym użytkownikom;
6. generowania przez gotowy model treści podobnych do książek.

Każda z tych czynności może wymagać odrębnej oceny prawnej. To, że wykorzystanie książki podczas treningu zostanie uznane za fair use, nie musi automatycznie legalizować wcześniejszego rozpowszechniania jej pirackiej kopii.

Jakie zarzuty przedstawili autorzy?

Powodowie podnosili przede wszystkim, że Meta naruszyła przysługujące im prawa autorskie poprzez nieuprawnione zwielokrotnienie książek.

Formułowali również zarzuty dotyczące:

• rozpowszechniania utworów podczas pobierania ich przez sieć BitTorrent;
• usuwania informacji służących zarządzaniu prawami autorskimi;
• naruszenia przepisów amerykańskiej ustawy Digital Millennium Copyright Act;
• czerpania korzyści z cudzej twórczości bez zapłaty wynagrodzenia;
• wpływu modeli generatywnych na rynek książek oraz możliwość licencjonowania utworów.

Meta nie kwestionowała na etapie rozpoznawania wniosków o wydanie wyroku częściowego, że autorzy wykazali podstawowe przesłanki naruszenia prawa do zwielokrotniania. Broniła się jednak, wskazując, że kopiowanie książek w celu trenowania Llamy mieściło się w granicach fair use.

Spór nie sprowadzał się zatem do ustalenia, czy powstały kopie utworów. Kluczowe było pytanie, czy amerykańskie prawo pozwalało Meta na ich wykonanie bez zgody autorów.

Czym jest fair use?

Fair use jest konstrukcją prawa amerykańskiego pozwalającą – w określonych okolicznościach – korzystać z chronionych utworów bez uzyskania zgody właściciela praw.

Zgodnie z § 107 amerykańskiej ustawy Copyright Act sąd bierze pod uwagę cztery czynniki:

1. cel i charakter wykorzystania, w tym jego komercyjny charakter;
2. rodzaj chronionego utworu;
3. rozmiar i znaczenie wykorzystanej części;
4. wpływ wykorzystania na potencjalny rynek lub wartość utworu.

Nie jest to zamknięta lista automatycznych warunków. Sąd ocenia wszystkie okoliczności i waży poszczególne czynniki. Dlatego ustalenie, że wykorzystanie miało charakter transformacyjny, nie kończy jeszcze całej analizy.

Czy trenowanie Llamy było wykorzystaniem w nowym i zasadniczo odmiennym celu?

25 czerwca 2025 roku Sąd uznał, że Meta wykorzystała książki w nowym, zasadniczo odmiennym celu – nie po to, aby udostępniać je czytelnikom, lecz aby wytrenować model językowy wykonujący wiele różnych zadań.

Celem książek jest ich czytanie – dla rozrywki, edukacji albo zdobycia informacji. Meta kopiowała je natomiast, aby stworzyć model językowy wykonujący wiele odmiennych zadań: tłumaczący teksty, redagujący wiadomości, wspierający programowanie, odpowiadający na pytania czy pomagający tworzyć nowe wypowiedzi.

Zdaniem sądu wykorzystanie książek podczas treningu miało więc cel i charakter różniący się od ich pierwotnego przeznaczenia.

Nie oznacza to jednak, że sąd utożsamił trenowanie modelu z czytaniem książki przez człowieka. Przeciwnie – zauważył istotną różnicę. Człowiek zapoznaje się z utworem i przyswaja jego treść, natomiast model analizuje statystyczne prawidłowości języka, wielokrotnie przetwarzając tekst podczas procesu obliczeniowego.

Ponadto Meta nie stworzyła narzędzia wyłącznie na własny użytek. Opracowała produkt, z którego mogą korzystać miliony osób i który może masowo wspierać tworzenie kolejnych treści.

Sąd uznał więc pierwszy czynnik fair use za korzystny dla Meta, chociaż komercyjny charakter jej działalności przemawiał częściowo na korzyść autorów.

Czy twórczy charakter książek przemawiał przeciwko Meta?

Drugi czynnik odnosi się do rodzaju wykorzystanych utworów. Zakres dopuszczalnego korzystania może być szerszy w przypadku materiałów technicznych, informacyjnych lub opartych przede wszystkim na faktach, a węższy w odniesieniu do utworów wysoce twórczych.

Książki powodów – obejmujące powieści, dramaty, wspomnienia i inne utwory literackie – znajdowały się w centrum ochrony prawa autorskiego. Ich wartość wynikała nie tylko z informacji lub przedstawionych idei, lecz także z indywidualnego języka, kompozycji i stylu.

Sąd uznał dlatego, że drugi czynnik przemawia przeciwko Meta.

Jednocześnie przypomniał, że żaden z czterech czynników nie ma samodzielnie charakteru rozstrzygającego. Twórczy charakter utworów nie przesądził więc o przegranej przedsiębiorstwa.

Czy wykorzystanie całych książek wyklucza dozwolony użytek (fair use)?

Meta wykorzystała całe książki, a nie jedynie ich krótkie fragmenty. Na pierwszy rzut oka mogłoby to przemawiać zdecydowanie przeciwko zastosowaniu dozwolonego użytku (fair use).

Amerykańskie orzecznictwo dopuszcza jednak niekiedy kopiowanie całych utworów, jeżeli jest to konieczne do osiągnięcia transformacyjnego celu. Tak było między innymi w sprawach dotyczących digitalizacji książek i tworzenia wyszukiwarek pełnotekstowych.

W przypadku treningu modelu wykorzystanie całego utworu może być uzasadniane potrzebą analizy długich zależności językowych, struktury narracji i kontekstu. Sąd uznał, że skopiowanie książek pozostawało racjonalnie związane z transformacyjnym celem szkolenia modelu.

Trzeci czynnik nie doprowadził zatem do odrzucenia obrony Meta.

Nie powstała jednak ogólna zasada, według której model AI może zawsze wykorzystywać całe utwory. Znaczenie mają cel kopiowania, techniczna konieczność wykorzystania całości, sposób przechowywania materiałów i to, czy system później udostępnia chronione fragmenty użytkownikom.

Czy Llama odtwarzała książki autorów?

Powodowie argumentowali, że Llama może generować fragmenty ich utworów. Odtwarzanie materiału treningowego – określane jako memorization lub regurgitation – mogłoby prowadzić do bezpośredniego zastępowania oryginalnej książki albo udostępniania jej fragmentów bez licencji.

Przedstawiony materiał dowodowy nie przekonał jednak sądu, że Llama udostępniała istotne części książek powodów.

Nawet przy wykorzystaniu specjalnie opracowanych, „adwersarialnych” poleceń model nie miał odtwarzać więcej niż około 50 słów z poszczególnych utworów. Nie wykazano, aby użytkownik mógł w praktyce odzyskać całą książkę albo jej znaczną część.

Sąd odróżnił zatem skopiowanie dzieła na etapie przygotowania i trenowania modelu od treści generowanej później dla użytkownika.

To rozróżnienie jest kluczowe. Model może zostać wytrenowany na chronionym utworze, ale nie oznacza to jeszcze, że każda jego odpowiedź narusza prawa autorskie. Z drugiej strony nawet legalność procesu treningowego nie wyklucza odpowiedzialności za rezultat, który odtwarza chronione elementy książki.

Czy styl autora jest chroniony?

Autorzy wskazywali także na możliwość generowania treści naśladujących ich sposób pisania.

Sąd stwierdził jednak, że sam styl nie jest chroniony amerykańskim prawem autorskim. Ochrona obejmuje konkretną twórczą formę wypowiedzi, ale nie ogólne cechy stylu, konwencję gatunkową, idee ani metody twórcze.

Model może zatem wygenerować tekst „w stylu” określonego pisarza, nie naruszając automatycznie praw do jego książek. Naruszenie może wystąpić, jeżeli rezultat przejmuje chronione elementy konkretnego utworu: charakterystyczne fragmenty, postacie, fabułę, strukturę albo inne przejawy twórczej ekspresji.

Brak ochrony samego stylu nie oznacza jednak, że jego komercyjne imitowanie jest prawnie obojętne w każdej jurysdykcji. W zależności od okoliczności mogą mieć znaczenie przepisy dotyczące dóbr osobistych, oznaczeń wprowadzających w błąd, nieuczciwej konkurencji lub bezprawnego wykorzystywania tożsamości twórcy.

Najważniejszy problem: wpływ AI na rynek książek

Czwarty czynnik fair use dotyczy wpływu wykorzystania na istniejący lub potencjalny rynek chronionego utworu. To właśnie ten element okazał się decydujący.

Autorzy przedstawili dwie główne teorie szkody.

Po pierwsze, twierdzili, że Llama może odtwarzać fragmenty ich książek. Sąd uznał jednak, że nie wykazali generowania treści mogących stanowić rzeczywisty substytut utworów.

Po drugie, wskazywali, że nieodpłatne wykorzystanie książek przez Meta pozbawiło ich możliwości sprzedaży licencji na potrzeby trenowania AI.

Sąd odrzucił również ten argument. Uznał, że właściciel praw nie może stworzyć nowego rynku licencyjnego wyłącznie przez żądanie zapłaty za wykorzystanie, które – po uwzględnieniu pozostałych okoliczności – ma charakter fair use. Przyjęcie przeciwnego założenia prowadziłoby do błędnego koła: każde nieodpłatne wykorzystanie ograniczałoby potencjalny rynek licencji, a więc żadne nie mogłoby zostać uznane za dozwolone.

Znacznie poważniejszy argument dotyczył jednak „rozcieńczenia” rynku książek.

Model wytrenowany na twórczości autorów może umożliwiać masowe generowanie nowych tekstów konkurujących z książkami napisanymi przez ludzi. Rynek może zostać zalany tańszymi, szybko wytwarzanymi treściami, które nie kopiują wprost żadnego konkretnego utworu, lecz zabierają autorom uwagę czytelników, sprzedaż i możliwości zawodowe.

Sędzia uznał taki rodzaj szkody za potencjalnie bardzo istotny. Powodowie nie przedstawili jednak wystarczających dowodów pokazujących:

• czy Llama rzeczywiście służy do generowania konkurencyjnych książek;
• czy jej możliwości wynikają z wykorzystania książek powodów;
• czy odbiorcy wybierają treści AI zamiast ich utworów;
• w jakim stopniu wpływa to na sprzedaż;
• czy skala szkody może rosnąć wraz z rozwojem modeli;
• które segmenty rynku są szczególnie podatne na zastępowanie treściami generowanymi automatycznie.

Według sądu autorzy jedynie zasygnalizowali najpoważniejszą teorię szkody, lecz nie poparli jej odpowiednim materiałem empirycznym.

Dlaczego Meta wygrała?

Sąd udzielił Meta ochrony wynikającej z fair use w odniesieniu do roszczenia o zwielokrotnianie książek na potrzeby treningu Llamy.

Zdecydowały przede wszystkim dwie okoliczności:

• szkolenie modelu uznano za wysoce transformacyjne;
• autorzy nie przedstawili wystarczających dowodów szkody dla rynku ich książek.

Sędzia zaznaczył, że rozstrzygnięcie może pozostawać w napięciu z rzeczywistymi zagrożeniami dla rynku twórczości. Sąd nie może jednak zastąpić dowodów własnymi przypuszczeniami. Jeżeli strona nie udowodni istotnego elementu swojej argumentacji, nawet intuicyjnie przekonująca teoria może okazać się niewystarczająca.

Meta wygrała więc nie dlatego, że sąd uznał każde trenowanie AI na cudzych utworach za zgodne z prawem. Wygrała dlatego, że w odniesieniu do tych trzynastu autorów i na podstawie przedstawionych dowodów bilans czynników fair useprzemawiał na jej korzyść. Orzeczenie z 25 czerwca 2025 r.

Czy wyrok oznacza, że trenowanie AI jest legalne?

Nie. Sąd sam podkreślił ograniczony zakres swojego rozstrzygnięcia. Sprawa nie została rozpoznana jako postępowanie grupowe, dlatego orzeczenie dotyczyło praw trzynastu powodów, a nie wszystkich autorów, których książki mogły znaleźć się w zbiorach Meta.

Nie rozstrzygnięto również, że:

• każda książka może zostać wykorzystana do treningu bez licencji;
• każde pobranie utworu z nielegalnego źródła jest dopuszczalne;
• modele mogą odtwarzać książki lub ich obszerne fragmenty;
• generowanie konkurencyjnych treści nigdy nie powoduje szkody rynkowej;
• przedsiębiorstwa AI są zwolnione z odpowiedzialności za rozpowszechnianie pirackich kopii;
• identyczny wynik powinien zapaść w innych sprawach lub jurysdykcjach.

Wręcz przeciwnie – w uzasadnieniu wskazano, że powodowie w przyszłych sprawach mogą wygrać, jeżeli przedstawią lepiej rozwinięty materiał dotyczący wpływu AI na rynek.

Sędzia stwierdził, że trudno wyobrazić sobie, aby zawsze można było uznać za fair use wykorzystywanie chronionych książek do budowy produktu wartego miliardy dolarów, który jednocześnie umożliwia tworzenie praktycznie nieograniczonego strumienia konkurencyjnych utworów.

Wyrok jest zatem nie tyle immunitetem dla przedsiębiorstw AI, ile instrukcją procesową dla kolejnych powodów.

Jak autorzy mogliby lepiej udowodnić szkodę?

Orzeczenie pokazuje, że w sporach dotyczących treningu AI samo wykazanie wykorzystania utworów może nie wystarczyć. Autorzy powinni rozważyć przedstawienie:

• analiz spadku sprzedaży w segmentach szczególnie narażonych na konkurencję treści AI;
• danych dotyczących liczby książek generowanych przy użyciu modeli;
• porównania widoczności utworów ludzkich i generowanych automatycznie;
• dowodów wypierania autorów z rynku zleceń;
• badań zachowań konsumentów;
• przykładów wyników konkurujących z konkretnymi książkami;
• opinii ekonomistów dotyczących rozcieńczenia rynku;
• dowodów, że model osiąga określone zdolności dzięki wykorzystaniu chronionych utworów;
• informacji o istniejących umowach licencyjnych na dane treningowe;
• analizy kosztów, które twórca modelu musiałby ponieść, pozyskując materiały legalnie.

Kluczowe może być wykazanie związku przyczynowego. Nie wystarczy dowieść, że na rynku istnieją teksty generowane przez AI. Trzeba jeszcze pokazać, że konkretny model, wytrenowany na konkretnych utworach, tworzy produkty konkurencyjne i powoduje wymierną lub wysoce prawdopodobną szkodę dla ich rynku.

Czy pirackie pochodzenie książek nie miało znaczenia?

Miało znaczenie, lecz nie przesądziło o wyniku dotyczącym prawa do zwielokrotniania. Sąd uznał, że pobranie książek należy oceniać w związku z jego końcowym, transformacyjnym celem – trenowaniem Llamy. Sam fakt, że pliki pochodziły z biblioteki cieni, nie wykluczył automatycznie zastosowania fair use.

To jeden z najbardziej kontrowersyjnych elementów orzeczenia. Może prowadzić do sytuacji, w której przedsiębiorstwo posiadające środki na zakup lub licencjonowanie książek pozyskuje je z nielegalnego repozytorium, a następnie broni się transformacyjnym celem ich wykorzystania.

Sąd nie stwierdził jednak, że korzystanie z bibliotek cieni jest prawnie obojętne. Zwrócił uwagę, że inne roszczenia mogłyby dotyczyć:

• przyczynienia się do naruszeń popełnianych przez operatorów repozytoriów;
• wspierania funkcjonowania sieci rozpowszechniającej nielegalne kopie;
• udostępniania plików podczas torrentowania;
• odrębnego naruszenia prawa do rozpowszechniania.

Autorzy nie sformułowali jednak wszystkich potencjalnych roszczeń albo nie przedstawili materiału pozwalającego rozstrzygnąć je razem z zarzutem dotyczącym treningu.

Pobieranie a udostępnianie książek

W amerykańskim prawie autorskim prawo do zwielokrotniania i prawo do rozpowszechniania są odrębnymi prawami. Pobranie pliku może stanowić wykonanie kopii. Udostępnianie go innym użytkownikom może natomiast naruszać prawo do dystrybucji. W przypadku protokołu BitTorrent użytkownik często nie pobiera książki z jednego centralnego serwera. Otrzymuje części pliku od wielu osób, a jednocześnie może przekazywać posiadane fragmenty kolejnym uczestnikom sieci.

Sąd podkreślił, że rozstrzygnięcie dotyczące transformacyjnego kopiowania książek na potrzeby treningu nie przesądza automatycznie o legalności ich udostępniania w sieci. Roszczenie dotyczące dystrybucji wymagało odrębnej oceny, w tym ustalenia konfiguracji oprogramowania i tego, czy Meta rzeczywiście przekazywała fragmenty książek innym użytkownikom.

To rozróżnienie dobrze pokazuje, dlaczego nie należy sprowadzać sporów o AI do jednego pytania: „czy trenowanie jest legalne?”. Cały proces pozyskania i wykorzystania danych składa się z wielu prawnie odrębnych czynności.

Co ze sprawą na obecnym etapie?

Orzeczenie z 25 czerwca 2025 roku miało charakter częściowego wyroku wydanego na etapie summary judgment. Rozstrzygnęło na korzyść Meta kwestię fair use w odniesieniu do kopiowania książek powodów na potrzeby treningu Llamy.

Dwa dni później sąd wydał odrębne rozstrzygnięcie korzystne dla Meta dotyczące pozostałego roszczenia opartego na Digital Millennium Copyright Act. Dokumentacja orzeczenia dotyczącego DMCA

Poza zakresem czerwcowego rozstrzygnięcia pozostawała natomiast kwestia ewentualnego rozpowszechniania książek podczas korzystania z torrentów. Autorzy podejmowali również próbę uzyskania zgody na wcześniejsze skierowanie części rozstrzygnięcia do sądu apelacyjnego.

Na dzień 2 września 2026 roku sprawa nie dostarczyła prawomocnego precedensu apelacyjnego ustanawiającego ogólną zasadę dotyczącą trenowania generatywnej AI. Najważniejszy wniosek nadal wynika z ograniczonego zakresu orzeczenia: Meta uzyskała korzystne rozstrzygnięcie w stosunku do konkretnych autorów, konkretnych roszczeń i konkretnego materiału dowodowego. Rejestr sprawy Kadrey v. Meta

Kadrey v. Meta a Bartz v. Anthropic

Niemal równolegle zapadło ważne orzeczenie w sprawie Bartz v. Anthropic. Tam również uznano, że wykorzystywanie książek podczas trenowania modelu językowego może mieć charakter transformacyjny. Rozstrzygnięcia różniły się jednak w podejściu do sposobu pozyskania materiałów. W sprawie Anthropic sąd oddzielił:

• wykorzystanie legalnie zakupionych książek do stworzenia cyfrowego zbioru;
• trenowanie modeli na książkach;
• wcześniejsze pobieranie milionów utworów z pirackich bibliotek.

Trening został uznany za fair use, natomiast tworzenie trwałej biblioteki z piracko pozyskanych kopii miało podlegać odrębnej odpowiedzialności.

W Kadrey v. Meta sąd potraktował pobranie książek szerzej w kontekście późniejszego, transformacyjnego celu treningowego. Nie oznacza to jednak definitywnego rozwiązania problemu. Rozbieżność pomiędzy tymi podejściami może stać się przedmiotem dalszej kontroli instancyjnej.

Dwie sprawy razem pokazują rodzącą się linię orzeczniczą: sam trening modelu może zostać uznany za transformacyjny, ale sposób pozyskania i przechowywania danych pozostaje samodzielnym źródłem ryzyka prawnego.

Jak oceniać trenowanie AI na książkach w Unii Europejskiej?

Amerykańskiej doktryny fair use nie można bezpośrednio stosować w Polsce ani w innych państwach Unii Europejskiej. Prawo unijne przewiduje bardziej szczegółowo określone wyjątki od praw autorskich. W kontekście trenowania modeli kluczowe znaczenie mają przepisy o eksploracji tekstów i danych – text and data mining, czyli TDM – zawarte w art. 3 i 4 dyrektywy 2019/790.

Art. 3 ustanawia wyjątek dotyczący eksploracji prowadzonej przez organizacje badawcze i instytucje dziedzictwa kulturowego do celów badań naukowych.

Art. 4 dopuszcza szerzej zwielokrotnianie i pobieranie utworów na potrzeby eksploracji tekstów i danych, również w działalności komercyjnej, jeżeli:

• użytkownik ma legalny dostęp do materiału;
• uprawniony nie zastrzegł wyraźnie możliwości takiego korzystania;
• kopie są przechowywane tylko tak długo, jak jest to konieczne do prowadzenia eksploracji.

W przypadku treści dostępnych publicznie w internecie zastrzeżenie praw powinno zostać dokonane w odpowiedni sposób, w szczególności za pomocą środków nadających się do odczytu maszynowego. Dyrektywa 2019/790

Czy pirackie książki mogą być objęte wyjątkiem TDM?

W prawie unijnym podstawowe znaczenie ma wymóg legalnego dostępu. Jeżeli książka została pobrana z repozytorium, które udostępnia ją bez zgody właściciela praw, powołanie się na wyjątek TDM staje się bardzo problematyczne. Trudno uznać, że przedsiębiorstwo posiadało legalny dostęp do kopii pozyskanej z typowo pirackiego źródła.

Inaczej może wyglądać sytuacja, gdy dostawca AI:

• kupił legalny egzemplarz książki;
• uzyskał dostęp na podstawie subskrypcji;
• korzystał z otwartej licencji;
• zawarł umowę z wydawcą;
• analizował utwór legalnie udostępniony w internecie, wobec którego nie zastrzeżono praw do TDM.

Europejska analiza może więc znacznie silniej niż rozstrzygnięcie w Kadrey v. Meta koncentrować się na źródle danych. Transformacyjny charakter treningu nie usuwa wymogu legalnego dostępu, ponieważ unijny system nie opiera się na tak elastycznym ważeniu interesów jak amerykańskie fair use.

Czy autor może zastrzec zakaz trenowania AI?

Na gruncie art. 4 dyrektywy 2019/790 uprawniony może zastrzec możliwość korzystania z utworu do celów eksploracji tekstów i danych. W praktyce zastrzeżenie może być zawarte między innymi:

• w regulaminie serwisu;
• w warunkach licencji;
• w metadanych;
• za pomocą rozwiązań odczytywanych przez automatyczne systemy;
• w odpowiednio skonfigurowanych plikach i protokołach wskazujących ograniczenia dotyczące robotów indeksujących.

Nie wszystkie techniczne formy sprzeciwu mają jednak identyczne znaczenie prawne. Toczy się dyskusja o tym, jakie rozwiązania są wystarczająco precyzyjne i czy dostawca modelu powinien respektować każde zastrzeżenie oznaczone jako zakaz wykorzystywania treści do trenowania AI.

Istotne jest także rozróżnienie między dostępem do utworu, jego wykorzystaniem do TDM oraz późniejszym generowaniem rezultatów. Nawet jeżeli sam proces analizy danych mieści się w wyjątku, końcowy rezultat nie powinien odtwarzać chronionej formy książki.

Jakie znaczenie ma AI Act?

Unijny AI Act nie zastępuje przepisów prawa autorskiego i nie rozstrzyga, czy konkretny utwór został wykorzystany legalnie. Nakłada jednak na dostawców modeli AI ogólnego przeznaczenia obowiązki dotyczące:

• przyjęcia polityki przestrzegania prawa autorskiego Unii;
• identyfikowania i respektowania zastrzeżeń praw do TDM;
• publikowania dostatecznie szczegółowego podsumowania treści wykorzystanych do trenowania modelu.

Obowiązki te mają zwiększyć przejrzystość rynku i ułatwić właścicielom praw ocenę, czy ich utwory mogły zostać wykorzystane. Nie oznaczają jednak obowiązku publikowania pełnej listy wszystkich książek ani ujawniania całego zbioru treningowego.

AI Act wzmacnia zatem warstwę dokumentacyjną i organizacyjną, lecz podstawę prawną korzystania z utworu nadal trzeba oceniać według prawa autorskiego. Rozporządzenie 2024/1689 – AI Act

Jak sprawa może wpłynąć na autorów i wydawców?

Kadrey v. Meta pokazuje, że spór o AI przenosi się z pytania o samo kopiowanie na pytanie o strukturę całego rynku twórczego. Dla autorów szczególnie istotne będzie:

• dokumentowanie ekonomicznych skutków ekspansji treści generowanych przez AI;
• rozwijanie zbiorowego licencjonowania;
• techniczne zastrzeganie praw do TDM;
• monitorowanie rezultatów modeli;
• zabezpieczanie dowodów wskazujących na odtwarzanie utworów;
• rozróżnianie roszczeń dotyczących treningu, przechowywania danych i generowanych rezultatów;
• wykazywanie, że produkt AI konkuruje z utworami na tym samym rynku.

Wydawcy mogą natomiast rozwijać licencje obejmujące dostęp do wysokiej jakości, uporządkowanych i aktualizowanych danych. Nawet jeżeli część wykorzystania zostanie uznana za dozwoloną, licencja może oferować przedsiębiorstwom AI większą pewność prawa, stabilny dostęp do materiałów oraz możliwość wykorzystywania treści w dodatkowych usługach.

Jakie znaczenie sprawa ma dla przedsiębiorstw AI?

Orzeczenie nie daje przedsiębiorstwom AI pełnej swobody. Pokazuje raczej, jakie elementy powinny znaleźć się w procedurze zarządzania danymi treningowymi. Dostawca modelu powinien ustalić:

• skąd pochodzą dane;
• czy dostęp do nich był legalny;
• jakie licencje i ograniczenia mają zastosowanie;
• czy właściciel praw zastrzegł wykorzystanie do TDM;
• jak długo przechowywane są kopie;
• czy dane są udostępniane innym podmiotom;
• czy model może odtworzyć chronione fragmenty;
• jak reagować na żądania właścicieli praw;
• jak dokumentować proces selekcji i oczyszczania zbioru;
• czy końcowy produkt konkuruje z rynkiem wykorzystanych utworów.

Model wytrenowany na danych o nieustalonym pochodzeniu może stać się ryzykiem nie tylko procesowym. Problem może pojawić się podczas audytu, inwestycji, sprzedaży spółki, zawierania umowy z dużym klientem albo wprowadzania systemu na rynek Unii Europejskiej.

Dane treningowe przestają być technicznym zapleczem produktu. Stają się częścią jego prawnego łańcucha dostaw.

Czy autorzy powinni otrzymywać wynagrodzenie za trenowanie AI?

Sprawa Kadrey v. Meta nie udzieliła uniwersalnej odpowiedzi. Z perspektywy przedsiębiorstw technologicznych obowiązek negocjowania licencji do każdego utworu mógłby znacznie podnieść koszty rozwoju modeli i uprzywilejować największych uczestników rynku. Uzyskanie indywidualnej zgody od milionów autorów może być praktycznie niewykonalne.

Z perspektywy twórców trudno jednak zaakceptować sytuację, w której komercyjny model powstaje dzięki analizie ogromnej liczby książek, a następnie służy do wytwarzania treści konkurujących z pracą osób, które nie uczestniczą w generowanych przez niego przychodach.

Prawo autorskie będzie musiało odpowiedzieć nie tylko na pytanie, czy podczas treningu wykonano kopię, lecz także jak rozłożyć korzyści i koszty rozwoju generatywnej AI.

Możliwymi kierunkami są:

• licencje zawierane bezpośrednio z wydawcami;
• organizacje zbiorowego zarządzania;
• rozszerzone licencje zbiorowe;
• standardowe wynagrodzenia za określone rodzaje danych;
• skuteczne mechanizmy opt-out;
• obowiązki przejrzystości;
• ograniczenia dotyczące rezultatów zastępujących oryginalne utwory.

Ostateczny model prawny musi jednak uważać na paradoks: zbyt słaba ochrona może podważyć ekonomiczne podstawy twórczości, a zbyt kosztowny system licencyjny może sprawić, że najbardziej zaawansowane modele będą mogły rozwijać wyłącznie najbogatsze korporacje.

Podsumowanie

Sprawa Kadrey v. Meta nie zakończyła sporu o książki wykorzystywane do trenowania sztucznej inteligencji. Wyznaczyła natomiast jego najważniejsze linie.

Sąd uznał, że trenowanie Llamy na książkach trzynastu autorów miało charakter transformacyjny i – na podstawie przedstawionego materiału – mieściło się w granicach fair use. Autorzy nie wykazali, że model odtwarza istotne części ich utworów ani że jego działanie powoduje dostatecznie udowodnioną szkodę rynkową.

Nie oznacza to jednak, że Meta otrzymała generalne zezwolenie na trenowanie AI na dowolnych książkach. Orzeczenie ma ograniczony zakres, nie jest prawomocnym precedensem apelacyjnym i nie rozstrzyga wszystkich zarzutów związanych ze sposobem pozyskania oraz rozpowszechniania plików.

Najważniejszą lekcją płynącą ze sprawy jest znaczenie dowodów ekonomicznych. Przyszłe procesy mogą rozstrzygać się nie tyle wokół pytania, czy model skopiował książkę, ile wokół tego, co dzięki tej kopii potrafi zrobić i czy powstały produkt wypiera twórczość człowieka z rynku.

Kadrey v. Meta jest więc zwycięstwem Meta, ale nie carte blanche dla branży AI. To raczej pierwsza mapa procesowa pokazująca autorom, gdzie przebiega najsłabiej dotąd udokumentowany front: pomiędzy transformacyjnym wykorzystaniem utworu a masowym przejęciem jego wartości gospodarczej.

Stan prawny na dzień: 2 września 2026 roku.

Zdjęcie: magnific.com